Потянет ли NVIDIA RTX 4090 Llama 3.1 8B?

Да — 4-битная сборка весит 4.9 GB и помещается в 24 GB VRAM. Ожидайте примерно ~177 tok/s.

Какая самая большая LLM, которую потянет NVIDIA RTX 4090?

Qwen 3.5 35B-A3B — крупнейшая модель нашего каталога, которая помещается (21.2 GB в 4 битах). Ожидайте около ~471 tok/s.

Насколько быстр NVIDIA RTX 4090 для локальных LLM?

Генерация токенов упирается в пропускную способность памяти. При примерно 1008 GB/s NVIDIA RTX 4090 выдаёт около ~177 tok/s на модели класса 8B в 4 битах — скорость обратно пропорциональна размеру модели.

Должна ли вся модель поместиться в VRAM?

Для полной скорости GPU — да. Рантаймы вроде llama.cpp умеют делить слои между VRAM и системной RAM, но каждый слой, ушедший в RAM, резко замедляет генерацию.

← Все моделиПРОВЕРКА УСТРОЙСТВА

Какие LLM потянет NVIDIA RTX 4090?

У NVIDIA RTX 4090 24 GB VRAM и около 1008 GB/s пропускной способности памяти. Ниже — все модели нашего каталога, которые помещаются, с оценкой скорости генерации. Самая крупная: Qwen 3.5 35B-A3B на ~471 tok/s.

Характеристики

Память24 GB VRAM

Пропускная способность~1008 GB/s

Тип памятиВыделенная VRAM

Дата выхода2022-10

Модели на NVIDIA RTX 4090

62 / 73 моделей

Модель	Загрузка (Q4)	Поместится?	~Скорость
Qwen 3.5 35B-A3BAlibaba	21.2 GB	Запустится	~471 tok/s
Qwen 3.6 35B-A3BAlibaba	21.2 GB	Запустится	~471 tok/s
Command R 35BCohere	21.2 GB	Запустится	~40 tok/s
Qwen3-VL 32BAlibaba	20.0 GB	Запустится	~43 tok/s
EXAONE 4.5 33BLG AI Research	20.0 GB	Запустится	~43 tok/s
Qwen 3 32BAlibaba	19.9 GB	Запустится	~43 tok/s
Qwen 2.5 Coder 32BAlibaba	19.9 GB	Запустится	~43 tok/s
QwQ 32BAlibaba	19.9 GB	Запустится	~43 tok/s
DeepSeek R1 32BDeepSeek	19.9 GB	Запустится	~43 tok/s
Granite 4.0 H SmallIBM	19.4 GB	Запустится	~157 tok/s
Nemotron 3 Nano 30B-A3BNVIDIA	19.2 GB	Запустится	~393 tok/s
Gemma 4 31BGoogle	18.6 GB	Запустится	~46 tok/s
Qwen 3 30B-A3BAlibaba	18.5 GB	Запустится	~428 tok/s
Qwen3-VL 30B-A3BAlibaba	18.2 GB	Запустится	~471 tok/s
Gemma 3 27BGoogle	16.6 GB	Запустится	~52 tok/s
Qwen 3.5 27BAlibaba	16.4 GB	Запустится	~52 tok/s
Qwen 3.6 27BAlibaba	16.4 GB	Запустится	~52 tok/s
Gemma 4 26B A4BGoogle	15.3 GB	Запустится	~372 tok/s
Mistral Small 3.1 24BMistral AI	14.6 GB	Запустится	~59 tok/s
Devstral 24BMistral AI	14.6 GB	Запустится	~59 tok/s
Magistral Small 1.2Mistral AI	14.6 GB	Запустится	~59 tok/s
Devstral Small 2 24BMistral AI	14.6 GB	Запустится	~59 tok/s
Codestral 22BMistral AI	13.5 GB	Запустится	~64 tok/s
GPT-OSS 20BOpenAI	12.7 GB	Запустится	~393 tok/s
Phi-4 Reasoning Vision 15BMicrosoft	9.1 GB	Запустится	~94 tok/s
Qwen 3 14BAlibaba	9.0 GB	Запустится	~95 tok/s
DeepSeek R1 14BDeepSeek	9.0 GB	Запустится	~95 tok/s
Phi-4 14BMicrosoft	8.9 GB	Запустится	~96 tok/s
Ministral 3 14BMistral AI	8.5 GB	Запустится	~101 tok/s
OLMo 2 13BAi2	8.3 GB	Запустится	~103 tok/s
Gemma 3 12BGoogle	7.4 GB	Запустится	~116 tok/s
Mistral Nemo 12BMistral AI	7.4 GB	Запустится	~116 tok/s
Gemma 4 12BGoogle	7.3 GB	Запустится	~118 tok/s
Mellum 2 12B-A2.5BJetBrains	7.3 GB	Запустится	~565 tok/s
Qwen 3.5 9BAlibaba	5.5 GB	Запустится	~157 tok/s
GLM-4.6V-FlashZ.ai	5.5 GB	Запустится	~157 tok/s
Qwen 2.5 VL 7BAlibaba	5.0 GB	Запустится	~170 tok/s
Qwen 3 8BAlibaba	5.0 GB	Запустится	~172 tok/s
Granite 3.3 8BIBM	5.0 GB	Запустится	~172 tok/s
Llama 3.1 8BMeta	4.9 GB	Запустится	~177 tok/s
DeepSeek R1 8BDeepSeek	4.9 GB	Запустится	~177 tok/s
Gemma 4 E4BGoogle	4.9 GB	Запустится	~314 tok/s
Qwen3-VL 8BAlibaba	4.9 GB	Запустится	~177 tok/s
Ministral 3 8BMistral AI	4.9 GB	Запустится	~177 tok/s
Gemma 3n E4BGoogle	4.7 GB	Запустится	~353 tok/s
Qwen 2.5 Coder 7BAlibaba	4.6 GB	Запустится	~186 tok/s
DeepSeek R1 7BDeepSeek	4.6 GB	Запустится	~186 tok/s
Mistral 7BMistral AI	4.4 GB	Запустится	~196 tok/s
Gemma 4 E2BGoogle	3.1 GB	Запустится	~614 tok/s
Gemma 3 4BGoogle	2.6 GB	Запустится	~329 tok/s
Qwen 3 4BAlibaba	2.4 GB	Запустится	~353 tok/s
Qwen 3.5 4BAlibaba	2.4 GB	Запустится	~353 tok/s
Phi-4 Mini 3.8BMicrosoft	2.3 GB	Запустится	~372 tok/s
Llama 3.2 3BMeta	1.9 GB	Запустится	~442 tok/s
DeepSeek-OCRDeepSeek	1.8 GB	Запустится	~2479 tok/s
Ministral 3 3BMistral AI	1.8 GB	Запустится	~471 tok/s
DeepSeek R1 1.5BDeepSeek	1.1 GB	Запустится	~785 tok/s
Qwen 3 1.7BAlibaba	1.0 GB	Запустится	~831 tok/s
SmolLM2 1.7BHugging Face	1.0 GB	Запустится	~831 tok/s
Llama 3.2 1BMeta	0.7 GB	Запустится	~1178 tok/s
Gemma 3 1BGoogle	0.6 GB	Запустится	~1413 tok/s
Qwen 3 0.6BAlibaba	0.4 GB	Запустится	~2355 tok/s

Чтобы работать целиком на GPU, 4-битная сборка должна поместиться в VRAM. Модели, которые не помещаются, всё же могут работать на CPU + системной RAM — в несколько раз медленнее. · Данные обновлены: 2026-06-11 · Как мы считаем эти цифры →