RTX 5090 32GB — 本地 LLM 装机匹配与速度

NVIDIA · 32 GB GDDR7 · 1792 GB/s · 575 W · MSRP $1,999 · 搜索 Amazon （返利链接）

RTX 5090 32GB 是 NVIDIA 的加速器，配备 32 GB GDDR7，峰值显存带宽约 1792 GB/s。 AI Hashrate 按 8K 上下文估算本地 LLM 解码速度（batch 1）：能否装下 = 权重 + KV cache + 1 GB 运行时开销，而非只看权重。 Q4 下约有 34 个收录模型能完整装进此卡；FP16 下约 16 个。 Q4 速度前列：MiniCPM5-1B ≈ 1055.9 tok/s（估算，装得下）; Qwen3.5-2B ≈ 570.2 tok/s（估算，装得下）; GLM-4.7-Flash ≈ 380.1 tok/s（估算，装得下）; Qwen3-30B-A3B-Instruct-2507 ≈ 380.1 tok/s（估算，装得下）; Qwen3.5-35B-A3B ≈ 380.1 tok/s（估算，装得下）。相对排名比绝对 tok/s 更可靠。带宽公式与实测锚点政策见方法论页。方法论.

表格：解码速度估算（Q4 / FP16）。实测行覆盖估算值。MSRP 为官方标价，非实时售价。默认上下文 8K。

模型	参数 (B)	量化	tok/s	装得下？
MiniCPM5-1B	1.08	Q4	1055.9 估算	是
Qwen3.5-2B	2.0	Q4	570.2 估算	是
Qwen3-Coder-Next	79.7	Q4	538.6 估算	否
Qwen3-Next-80B-A3B-Instruct	81.3	Q4	518.3 估算	否
GLM-4.7-Flash	31.2	Q4	380.1 估算	是
Qwen3-30B-A3B-Instruct-2507	30.5	Q4	380.1 估算	是
Qwen3.5-35B-A3B	34.7	Q4	380.1 估算	是
Qwen3.6-35B-A3B	36.0	Q4	380.1 估算	是
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16	30.0	Q4	380.1 估算	是
Ornith-1.0-35B	35.0	Q4	380.1 估算	是
Llama-3.2-3B-Instruct	3.2	Q4	356.4 估算	是
gemma-4-26B-A4B-it	25.2	Q4	300.1 估算	是
MiniCPM5-1B	1.08	FP16	290.4 估算	是
Qwen3-4B-Instruct-2507	4.0	Q4	285.1 估算	是
Qwen3-4B-Thinking-2507	4.0	Q4	285.1 估算	是
NVIDIA-Nemotron-3-Nano-4B-BF16	4.0	Q4	285.1 估算	是
gpt-oss-20b	21.5	Q4	282.5 实测 (llama.cpp-disc-15396)	是
Mistral-7B-Instruct-v0.3	7.2	Q4	255.9 实测 (storagereview-rtx5080-review)	是
gemma-4-E2B-it	5.1	Q4	223.6 估算	是
Llama-3.1-8B-Instruct	8.0	Q4	214.3 实测 (storagereview-rtx5080-review)	是
Qwen3.5-2B	2.0	FP16	156.8 估算	是
Qwen2.5-7B-Instruct	7.6	Q4	150.0 估算	是
Qwen2.5-14B-Instruct	14.8	Q4	145.0 实测 (kunalganglani-llm-benchmarks)	是
gemma-4-E4B-it	8.0	Q4	142.5 估算	是
Qwen3-8B	8.2	Q4	139.1 估算	是
DeepSeek-R1-0528-Qwen3-8B	8.2	Q4	139.1 估算	是
gpt-oss-20b	21.5	FP16	127.4 估算	否
Qwen3.5-9B	8.95	Q4	127.4 估算	是
Ornith-1.0-9B	9.0	Q4	126.7 估算	是
Mistral-Small-4-119B-2603	119.0	Q4	111.8 估算	否
Llama-3.2-3B-Instruct	3.2	FP16	98.0 估算	是
gemma-4-12b-it	11.95	Q4	95.4 估算	是
gemma-4-26B-A4B-it	25.2	FP16	88.7 估算	否
Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16	30.0	FP16	80.6 估算	否
Qwen3-4B-Instruct-2507	4.0	FP16	78.4 估算	是
Qwen3-4B-Thinking-2507	4.0	FP16	78.4 估算	是
NVIDIA-Nemotron-3-Nano-4B-BF16	4.0	FP16	78.4 估算	是
Qwen3-30B-A3B-Instruct-2507	30.5	FP16	78.0 估算	否
Qwen3-14B	14.8	Q4	77.1 估算	是
DeepSeek-R1-Distill-Qwen-14B	14.8	Q4	77.1 估算	是
Qwen2.5-32B-Instruct	32.8	Q4	75.0 实测 (kunalganglani-llm-benchmarks)	是
GLM-4.7-Flash	31.2	FP16	74.7 估算	否
Qwen3.5-122B-A10B	122.0	Q4	67.9 估算	否
GLM-4.5-Air	110.5	Q4	67.5 估算	否
gemma-4-E2B-it	5.1	FP16	61.5 估算	是
Qwen3.5-35B-A3B	34.7	FP16	60.7 估算	否
Ornith-1.0-35B	35.0	FP16	59.7 估算	否
NVIDIA-Nemotron-3-Super-120B-A12B-BF16	120.0	Q4	57.7 估算	否
Qwen3.6-35B-A3B	36.0	FP16	56.5 估算	否
Qwen3-14B	14.8	FP16	55.0 估算	否
Qwen2.5-14B-Instruct	14.8	FP16	55.0 估算	否
DeepSeek-R1-Distill-Qwen-14B	14.8	FP16	55.0 估算	否
Devstral-Small-2-24B-Instruct-2512	24.0	Q4	47.5 估算	是
Llama-4-Scout-17B-16E-Instruct	109.0	Q4	47.4 估算	否
Mistral-7B-Instruct-v0.3	7.2	FP16	43.6 估算	是
Qwen3.5-27B	27.0	Q4	42.2 估算	是
Qwen2.5-7B-Instruct	7.6	FP16	41.3 估算	是
Qwen3.6-27B	27.8	Q4	41.0 估算	是
Llama-3.1-8B-Instruct	8.0	FP16	39.2 估算	是
gemma-4-E4B-it	8.0	FP16	39.2 估算	是
Qwen3-8B	8.2	FP16	38.2 估算	是
DeepSeek-R1-0528-Qwen3-8B	8.2	FP16	38.2 估算	是
gemma-4-31B-it	30.7	Q4	37.1 估算	是
Qwen3.5-9B	8.95	FP16	35.0 估算	是
Qwen2.5-Coder-32B-Instruct	32.8	Q4	34.8 估算	是
DeepSeek-R1-Distill-Qwen-32B	32.8	Q4	34.8 估算	是
Ornith-1.0-9B	9.0	FP16	34.8 估算	是
DeepSeek-V4-Flash	158.1	Q4	31.3 估算	否
gemma-4-12b-it	11.95	FP16	26.2 估算	是
Step-3.5-Flash	196.8	Q4	24.4 估算	否
gpt-oss-120b	120.4	Q4	20.0 实测 (level1techs-forum-237811)	否
Llama-3.1-70B-Instruct	70.6	Q4	16.4 估算	否
Llama-3.3-70B-Instruct	70.6	Q4	16.4 估算	否
Qwen2.5-72B-Instruct	72.7	Q4	14.9 估算	否
Devstral-Small-2-24B-Instruct-2512	24.0	FP16	13.2 估算	否
Qwen3.5-27B	27.0	FP16	9.3 估算	否
Qwen3.6-27B	27.8	FP16	8.5 估算	否
gemma-4-31B-it	30.7	FP16	6.4 估算	否
Qwen2.5-32B-Instruct	32.8	FP16	5.2 估算	否
Qwen2.5-Coder-32B-Instruct	32.8	FP16	5.2 估算	否
DeepSeek-R1-Distill-Qwen-32B	32.8	FP16	5.2 估算	否
Mistral-Medium-3.5-128B	128.0	Q4	2.8 估算	否

装机核对

Qwen3-8B — 装得下 · ≈139.1 tok/s Q4 估算
gemma-4-26B-A4B-it — 装得下 · ≈300.1 tok/s Q4 估算
Qwen2.5-7B-Instruct — 装得下 · ≈150.0 tok/s Q4 估算
Qwen3.5-9B — 装得下 · ≈127.4 tok/s Q4 估算
Llama-3.1-8B-Instruct — 装得下 · ≈214.3 tok/s Q4 实测
gpt-oss-20b — 装得下 · ≈282.5 tok/s Q4 实测
Qwen3.6-35B-A3B — 装得下 · ≈380.1 tok/s Q4 估算
Qwen3.5-35B-A3B — 装得下 · ≈380.1 tok/s Q4 估算
gemma-4-E2B-it — 装得下 · ≈223.6 tok/s Q4 估算
Qwen3.6-27B — 装得下 · ≈41.0 tok/s Q4 估算
Mistral-7B-Instruct-v0.3 — 装得下 · ≈255.9 tok/s Q4 实测

全部 63 个模型的装机核对——见上表「装得下？」列的链接