RTX 5090 32GB 能跑什么本地大模型？
RTX 5090 32GB 以推荐量化、16K 上下文估算，最大能跑到 Qwen3.6-35B-A3B（36B，约需 22.4 GB）；清单中 14 个模型可从容运行。按 1792GB/s 内存带宽，解码速度理论上限 ≈ 带宽 ÷ 权重体积，实测通常是上限的 70%~85%。本站尚未在这台机器上实测，欢迎提交你的读数。数据核实于 2026-10-03。
规格：32GB · 1792GB/s
可运行模型清单（推荐量化，16K 上下文）
从容 = 占用 ≤ 75% 内存；贴上限 = ≤ 92%；需降量化 = 推荐档塞不下但更低档位能塞。理论上限 = 1792GB/s ÷ 权重体积，单请求解码不会快于此值。
| 模型 | 量化 | 需求 | 结论 | 解码上限 tok/s |
|---|---|---|---|---|
| Qwen3-4B | Q4_K_M (GGUF) | 6.0 GB | 从容 | ≤ 789 |
| Qwen3.5-9B | Q4_K_M (GGUF) | 7.5 GB | 从容 | ≤ 325 |
| Llama 3.1 8B | Q4_K_M (GGUF) | 8.0 GB | 从容 | ≤ 394 |
| Qwen3-14B | Q4_K_M (GGUF) | 12.4 GB | 从容 | ≤ 213 |
| gpt-oss-20B | MXFP4 | 12.6 GB | 从容 | ≤ 173 |
| Nemotron 3.5 Lightning (30B-A3B) | NVFP4 | 16.4 GB | 从容 | ≤ 121 |
| Gemma 4 26B-A4B | Q4_K_M (GGUF) | 16.5 GB | 从容 | ≤ 122 |
| Qwen3.8-27B | Q4_K_M (GGUF) | 17.3 GB | 从容 | ≤ 117 |
| Mistral Small 3.x 24B | Q4_K_M (GGUF) | 17.6 GB | 从容 | ≤ 131 |
| GLM-4.7-Flash (30B-A3B) | Q4_K_M (GGUF) | 20.1 GB | 从容 | ≤ 101 |
| Qwen3-Coder-30B-A3B | Q4_K_M (GGUF) | 20.3 GB | 从容 | ≤ 103 |
| Gemma 4 31B | Q4_K_M (GGUF) | 20.5 GB | 从容 | ≤ 101 |
| Qwen3.6-35B-A3B | Q4_K_M (GGUF) | 22.4 GB | 从容 | ≤ 88 |
| Qwen3-32B | Q4_K_M (GGUF) | 23.7 GB | 从容 | ≤ 99 |
| Gemma 3 27B | Q4_K_M (GGUF) | 24.6 GB | 贴上限 | ≤ 117 |
| Llama 3.3 70B | Q4_K_M (GGUF) | 47.9 GB | 跑不动 | — |
| gpt-oss-120B | MXFP4 | 63.5 GB | 跑不动 | — |
| Mistral Leanstral 1.5 (119B-A6B MoE) | Q4_K_M (GGUF) | 73.4 GB | 跑不动 | — |
| Qwen3.8-Flash-Next (180B MoE) | Q4_K_M (GGUF) | 111 GB | 跑不动 | — |
| Qwen3-235B-A22B | Q4_K_M (GGUF) | 147 GB | 跑不动 | — |
| DeepSeek V4 Flash (304B MoE) | Q4_K_M (GGUF) | 187 GB | 跑不动 | — |
| GLM-4.5 (355B MoE) | Q4_K_M (GGUF) | 224 GB | 跑不动 | — |
| DeepSeek V3 / R1 (671B MoE) | Q4_K_M (GGUF) | 413 GB | 跑不动 | — |
| GLM-5.3 (753B MoE) | Q4_K_M (GGUF) | 463 GB | 跑不动 | — |
| Kimi K2 (1T MoE) | Q4_K_M (GGUF) | 631 GB | 跑不动 | — |
| DeepSeek V4 Pro (1.6T MoE) | Q4_K_M (GGUF) | 983 GB | 跑不动 | — |
| Kimi K3 (2.8T MoE) | MXFP4 | 1.46 TB | 跑不动 | — |
你在 RTX 5090 32GB 上测过？
把模型、量化、推理栈版本、tok/s、峰值内存发给我们，核对后会署名收录到这一页。只收带命令或日志的一手读数。
提交实测读数FAQ
RTX 5090 32GB 最大能跑多大的本地大模型？
按推荐量化、16K 上下文估算，上限是 Qwen3.6-35B-A3B（约需 22.4 GB，占 32GB 的 70%）。显卡上系统和显示会占 0.5~1GB，另外 llama.cpp / vLLM 的 CUDA graph 与激活缓冲也要留余量。
RTX 5090 32GB 跑哪些模型体验最好？
占用不超过 24GB 的模型可以开长上下文且不用关应用，例如 gpt-oss-20B、Nemotron 3.5 Lightning (30B-A3B)、Qwen3.6-35B-A3B、Qwen3-Coder-30B-A3B。
RTX 5090 32GB 跑本地模型每秒能出多少 token？
单请求解码主要受内存带宽限制：理论上限 ≈ 1792GB/s ÷ 权重体积。例如 15GB 的 27B 4-bit 模型上限约 119 tok/s，实测通常是上限的 70%~85%；投机解码（草稿模型）可再提 1.5~2 倍。
表里的数字是实测还是估算？
「能跑什么」表是规划级估算（与显存计算器同一公式）；「一手实测」表是本站在这台机器上用真实模型文件测出的读数，每行都链接到原文，可复核。