RTX 3090 Ti 24GB 能跑 Qwen2.5-Coder-32B-Instruct 吗？

NVIDIA · 24 GB GDDR6X · 带宽 1008 GB/s · Alibaba · 32.8B · 模型上下文最长 32K

部分可以——Qwen2.5-Coder-32B-Instruct 在 Q4、4K 上下文下能装进 RTX 3090 Ti 24GB（24 GB GDDR6X，约需 22.32 GB），但默认 8K 装不下（约需 25.6 GB）。请缩短上下文或部分 offload。 Q4/8K 解码：≈ 49.1 tok/s（估算，batch 1）。 FP16 约需 73.16 GB——此卡装不下。 估算来自显存带宽公式；标注「实测」的行覆盖估算。相对排名比绝对 tok/s 更可靠。 方法论.

各量化与上下文下的装机与速度

量化	上下文	所需 VRAM	装得下？	tok/s（解码）
Q4	4K	22.32 GB	是	19.6 估算
Q4	8K 默认	25.6 GB	否	49.1 估算
Q4	32K	45.28 GB	否	15.7 估算
FP16	4K	69.88 GB	否	1.8 估算
FP16	8K 默认	73.16 GB	否	1.7 估算
FP16	32K	92.84 GB	否	1.0 估算

装得下 = 权重 + KV(上下文) + 1 GB 开销 ≤ 95% VRAM。实测锚点与上下文无关；装机结论按上下文分别计算。tok/s 缺失表示模型远超此卡能力（只能纯 offload）。

8K 上下文 VRAM 明细

量化	权重	KV cache	开销	合计所需	RTX 3090 Ti 24GB VRAM
Q4	18.04 GB	6.56 GB	1 GB	25.6 GB	24 GB
FP16	65.6 GB	6.56 GB	1 GB	73.16 GB	24 GB

其他能跑 Qwen2.5-Coder-32B-Instruct 的 GPU

• B200 192GB SXM — ≈155.2 tok/s Q4 估算
• MI300X 192GB — ≈102.8 tok/s Q4 估算
• H200 141GB SXM5 — ≈93.1 tok/s Q4 估算
• H100 80GB SXM5 — ≈65.0 tok/s Q4 估算
• Gaudi 3 128GB — ≈63.6 tok/s Q4 估算
• A100 80GB SXM4 — ≈39.6 tok/s Q4 估算
• RTX 5090 32GB — ≈34.8 tok/s Q4 估算
• RTX 6000 Ada 48GB — ≈18.6 tok/s Q4 估算

Qwen2.5-Coder-32B-Instruct 的全部 GPU →

RTX 3090 Ti 24GB 可跑的其他模型

• MiniCPM5-1B — ≈593.9 tok/s Q4 估算
• Qwen3.5-2B — ≈320.7 tok/s Q4 估算
• GLM-4.7-Flash — ≈213.8 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈213.8 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈213.8 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈213.8 tok/s Q4 估算
• Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 — ≈213.8 tok/s Q4 估算
• Ornith-1.0-35B — ≈213.8 tok/s Q4 估算

RTX 3090 Ti 24GB 上的全部模型 →