NVIDIA RTX 4090 24G：能跑什么模型

24G 显存 · 可用约 21.1G（Windows 口径 88%）· 1008 GB/s 带宽 · Ada Lovelace · 二手/全新 · 后端：cuda / vulkan

24G 档的带宽之王，32B Q4 舒适区；70B Q4 装不下，需 48G 魔改或 offload。

能装下37 / 67 个模型

最大能跑到Seed-OSS-36B-Instruct（IQ3_K）

单流速度上限约 200 tok/s

他测汇总12 条（口径完整 6 条）

一、这张卡能装下哪些模型

能装 / 装不下是推算，不是实测；点开一行是这个模型的完整文章。带测试环境的真机数字在第三节。

Qwen3-4B4BQ8_0 Gemma 3 4B IT4B · 滑窗Q8_0 Qwen3-8B8BQ8_0 Llama 3.1 8B Instruct8BQ8_0 GLM-4-9B 04149BQ8_0 Qwen3-14B14BQ8_0 Gemma 3 12B IT12B · 滑窗Q8_0 Phi-4 14B14.7BQ8_0 GPT-OSS-20B21B · A3.6B · MoEQ4_K_M Qwen3-30B-A3B30B · A3B · MoEQ4_K_M Mistral Small 3.1 24B22BQ6_K Gemma 3 27B IT27B · 滑窗Q5_K_M Qwen3-32B32BIQ4_XS DeepSeek-R1-Distill-Qwen-32B32BIQ4_XS Seed-OSS-36B-Instruct36BIQ3_K Llama 3.1 70B Instruct70B装不下 Qwen3-235B-A22B235B · A22B · MoE装不下 Qwen3.8-27B26.9BQ5_K_M Qwen2.5-VL-7B-Instruct7BQ8_0 Qwen3.6-35B-A3B35B · A3B · MoEIQ4_XS Ornith-1.5-35B-A3B36B · A3B · MoEIQ4_XS Terminal-RSI-27B27.8BQ5_K_M AREX-227.4BQ5_K_M MiniCPM5-2B2.5BQ8_0 Qwen3.8-Flash-Next125B · A6B · MoE装不下 DeepSeek-V4.1-Flash552B · A8B · MoE装不下 LFM3-1.7B1.7B · 滑窗Q8_0 Muse Glimmer-30B29.8B · 滑窗Q4_K_M GLM-5.3753B · A40B · MoE装不下 Kimi K32800B · A104B · MoE装不下 Ling-3.2-flash560B · A25B · MoE装不下 Ling-3.1-flash560B · A25B · MoE装不下 MiniMax-M3.1-Flash428B · A23B · MoE装不下小米 MiMo-V2.6-Flash309B · A15B · MoE装不下小米 MiMo-V2.6-Distill-Qwen-9B9BQ8_0 NVIDIA Nemotron 3 Ultra550B · A55B · MoE装不下 GLM-5.3-Flash320B · A18B · MoE装不下 NVIDIA Nemotron 3.5 Lightning 30B30B · A3B · MoEQ4_K_M NVIDIA Nemotron 3.5 Bolt 74B74B · A9B · MoE装不下 Muse Spark Open 816B816B · A42B · MoE装不下 Beam 1.0 501B501B · A23B · MoE装不下 Qwen3.8-2.4T-A95B2400B · A95B · MoE装不下 Kolibri-178.1B · A3.46B · MoE装不下小米 MiMo-V2.6-Pro-RL1020B · A42B · MoE装不下腾讯混元 Hunyuan-0.5B0.5BQ8_0 腾讯混元 Hunyuan-1.8B1.8BQ8_0 腾讯混元 Hunyuan-4B4BQ8_0 腾讯混元 Hunyuan-7B7BQ8_0 MiniCPM-V 4.7 35B-A3B35.2B · A3.5B · MoE装不下 MiniCPM-V 4.7 1B1.55BQ8_0 Kimi K3.1 Pro2800B · A104B · MoE装不下 Step-5-Preview600B · A27B · MoE装不下 Ling-3.0-flash124B · A5.1B · MoE装不下 Gemma 4 12B Unified11.95B · 滑窗Q8_0 Mistral Large 41050B · A52B · MoE装不下 Inkling975B · A41B · MoE装不下 Inkling-Small276B · A12B · MoE装不下 IBM Granite 4.2 30B30BQ4_K_M IBM Granite 4.2 8B8BQ8_0 IBM Granite 4.2 3B3BQ8_0 K-EXAONE 2.0750B · A37B · MoE装不下 Tencent Hy4 preview770B · A49B · MoE装不下 MiniMax-M3428B · A23B · MoE装不下 Swift-1.5-Qwen3.8-27B27.8BQ5_K_M DeepSeek-V4.1-Flash-1017552B · A8B · MoE装不下 ERNIE-5.5-Flash-Base280B · A14B · MoE装不下 DeepSeek-R1-Distill-Qwen-14B14BQ8_0

二、多少 G 显存开多少 K 上下文

行是量化档，列是上下文档位，格子里是「总需显存 / 估算 tok/s」。这张表回答的是「开到 32K、40K 还剩多少」这类问题。默认展开Qwen3-32B；换别的模型看同一张卡，选一下即可。

· Qwen3-32B，模型原生上下文上限 40960 token

量化	4K	8K	16K	32K	40K	64K	128K	最多可开
Q8_0 34G	36G 混跑	37G 混跑	39G 混跑	43G 混跑	45G 混跑	51G 混跑†	67G 混跑†	权重已超容量
Q6_K 26.2G	28.2G 混跑	29.2G 混跑	31.2G 混跑	35.2G 混跑	37.2G 混跑	43.2G 混跑†	59.2G 混跑†	权重已超容量
Q5_K_M 22.4G	24.4G 混跑	25.4G 混跑	27.4G 混跑	31.4G 混跑	33.4G 混跑	39.4G 混跑†	55.4G 混跑†	权重已超容量
Q4_K_M 19.2G	21.2G 混跑	22.2G 混跑	24.2G 混跑	28.2G 混跑	30.2G 混跑	36.2G 混跑†	52.2G 混跑†	3584 token（显存）
IQ4_XS 17G	19G 33–47	20G 31–43	22G 混跑	26G 混跑	28G 混跑	34G 混跑†	50G 混跑†	12288 token（显存）
IQ3_K 14G	16G 39–56	17G 36–51	19G 31–44	23G 混跑	25G 混跑	31G 混跑†	47G 混跑†	24576 token（显存）
IQ3_XXS 12.1G	14.1G 45–63	15.1G 41–57	17.1G 35–48	21.1G 27–37	23.1G 混跑	29.1G 混跑†	45.1G 混跑†	32768 token（显存）

格子里上行是总需显存（权重 + 该上下文的 KV + 1G 框架开销），下行是单流 decode 估算 tok/s；「混跑」表示超出显存、要靠内存放层，速度会明显低于同容量的全显存方案。带 ^† 的列超出该模型原生上下文，属于 rope/yarn 超纲使用，质量不保证。全部为推算，非实测。

三、别人测的 NVIDIA RTX 4090 24G 速度（他测汇总）

模型	量化	上下文	框架 / 版本	他测 tok/s	本站推算	偏差	投机与并发	口径	来源
小米 MiMo-V2.6-Distill-Qwen-9B	EXL3 4.0 bpw	1K	ExLlamaV3 + TabbyAPI（OpenAI 兼容 /v1/chat/completions） · ExLlamaV3 1.5.2；PyTorch 2.10.0 + cu128	145.2	NaN–NaN	—	无投机 · 单流	他测·本站未复现	MiMo 9B EXL3: 145 tok/s on RTX 4090, 56 tok/s on RTX 3060（RAMGPT，2026-09-29） bettercallcaleb（RAMGPT） · 2026-09-29
小米 MiMo-V2.6-Distill-Qwen-9B	EXL3 4.0 bpw	4K	ExLlamaV3 + TabbyAPI（OpenAI 兼容 /v1/chat/completions） · ExLlamaV3 1.5.2；PyTorch 2.10.0 + cu128	144.1	NaN–NaN	—	无投机 · 单流	他测·本站未复现	MiMo 9B EXL3: 145 tok/s on RTX 4090, 56 tok/s on RTX 3060（RAMGPT，2026-09-29） bettercallcaleb（RAMGPT） · 2026-09-29
小米 MiMo-V2.6-Distill-Qwen-9B	EXL3 4.0 bpw	8K	ExLlamaV3 + TabbyAPI（OpenAI 兼容 /v1/chat/completions） · ExLlamaV3 1.5.2；PyTorch 2.10.0 + cu128	140.5	NaN–NaN	—	无投机 · 单流	他测·本站未复现	MiMo 9B EXL3: 145 tok/s on RTX 4090, 56 tok/s on RTX 3060（RAMGPT，2026-09-29） bettercallcaleb（RAMGPT） · 2026-09-29
小米 MiMo-V2.6-Distill-Qwen-9B	EXL3 4.0 bpw	16K	ExLlamaV3 + TabbyAPI（OpenAI 兼容 /v1/chat/completions） · ExLlamaV3 1.5.2；PyTorch 2.10.0 + cu128	137.3	NaN–NaN	—	无投机 · 单流	他测·本站未复现	MiMo 9B EXL3: 145 tok/s on RTX 4090, 56 tok/s on RTX 3060（RAMGPT，2026-09-29） bettercallcaleb（RAMGPT） · 2026-09-29
小米 MiMo-V2.6-Distill-Qwen-9B	EXL3 4.0 bpw	32K	ExLlamaV3 + TabbyAPI（OpenAI 兼容 /v1/chat/completions） · ExLlamaV3 1.5.2；PyTorch 2.10.0 + cu128	127.2	NaN–NaN	—	无投机 · 单流	他测·本站未复现	MiMo 9B EXL3: 145 tok/s on RTX 4090, 56 tok/s on RTX 3060（RAMGPT，2026-09-29） bettercallcaleb（RAMGPT） · 2026-09-29
小米 MiMo-V2.6-Distill-Qwen-9B	EXL3 4.0 bpw	63K	ExLlamaV3 + TabbyAPI（OpenAI 兼容 /v1/chat/completions） · ExLlamaV3 1.5.2；PyTorch 2.10.0 + cu128	111.3	NaN–NaN	—	无投机 · 单流	他测·本站未复现	MiMo 9B EXL3: 145 tok/s on RTX 4090, 56 tok/s on RTX 3060（RAMGPT，2026-09-29） bettercallcaleb（RAMGPT） · 2026-09-29
NVIDIA Nemotron 3.5 Bolt 74B	IQ2_XXS+NVFP4+Q8_0	4K	llama.cpp · 版本未报	107.3	—	缺 3 项口径	投机开（接受率未报） · 单流	口径不全·不进对比	74B 的大模型，塞进了 24GB 显卡（知音探索 · B站专栏 · 2026-11-01）知音探索 · 2026-11-01
Qwen3.8-27B	未报	未报	llama.cpp（PrismML 分支） · 版本未报	81	—	缺 5 项口径	无投机 · 单流/并发未说明	口径不全·不进对比	8G 显卡就能跑三进制量化 Qwen3.8-27B，速度 23 tok/s（千尺浪 · 博客园） qianchilang · 2026-09-21
Qwen3-14B	FP8	8K	Ollama（qwen3:14b-fp8） · 未报（原文无版本号）	82	—	缺 1 项口径	无投机 · 单流	口径不全·不进对比	性能优化：通义千问3-14B在RTX4090上的加速技巧 LikYu-餘力（CSDN） · 2026-01-16
Qwen3-14B	FP8	32K	Ollama（qwen3:14b-fp8） · 未报（原文无版本号）	76	—	缺 1 项口径	无投机 · 单流	口径不全·不进对比	性能优化：通义千问3-14B在RTX4090上的加速技巧 LikYu-餘力（CSDN） · 2026-01-16
Qwen3-14B	FP8	128K	Ollama（qwen3:14b-fp8） · 未报（原文无版本号）	68	—	缺 1 项口径	无投机 · 单流	口径不全·不进对比	性能优化：通义千问3-14B在RTX4090上的加速技巧 LikYu-餘力（CSDN） · 2026-01-16
Qwen3-14B	Q4_K_M	128K	Ollama（qwen3:14b-q4_k_m） · 未报（原文无版本号）	60	—	缺 1 项口径	无投机 · 单流	口径不全·不进对比	性能优化：通义千问3-14B在RTX4090上的加速技巧 LikYu-餘力（CSDN） · 2026-01-16

本卡共 12 条，其中 6 条口径完整。 “本站推算”给的是同量化、同上下文、单流口径下的公式区间，两边对不上才值得写进点评。多卡的条目按卡数把带宽线性相加再算，没扣通信开销——这个折算只会把本站推算算高、把他测显得低，所以拿它当“物理上限”看，不当预期值看。

上传实测数据 · 数据规则见数据口径

本卡行情（整卡价）

读者问得最多的第二问：多少钱。下面是能核对出处的整卡价快照——3 条，来自 3 篇不同的文章（3 条合起来的跨度 9000–21694 元）。日期不同、地区不同、全新二手不同，所以不合并、不取平均，照实各存一条，趋势你自己看。

最新快照：二手 ¥21,694（2026-11-10）；价 ¥12,000（2026-03-11）——各口径的日期可能不同，下表按时间全列。

来源日期	类型	报价（元）	出处
2026-11-10	二手	21694	二手显卡价格十一连跌！锐炫B580竟是唯一历史最高价型号（快科技（转述B站芝士华莱士《显卡日报》11月9日数据））
2026-03-14	二手	9000 – 10000	Janus-Pro-7B性能实测：RTX 4090 vs 3090生成耗时与显存对比（谢兴豪）
2026-03-11	未注明	12000	花一万二买4090跑大模型，三个月后我看了眼电费单，人麻了（badhope）

报价是来源文章发布时的行情，不是今日实时价；同一张表里不同月份的数字对不上是正常现象，那是行情本身在变。本站不接购物链接、不导购——要买去哪买、值不值，拿上面的区间对着本站的速度推算自己算。

同档显存的其它卡

手上有 24G 卡就点自己的型号；一行一张卡，点开就是那张卡的结论页。

NVIDIA RTX 3090 Ti 24G24G · 1008 GB/s NVIDIA RTX 4090D 24G24G · 1008 GB/s AMD RX 7900 XTX 24G24G · 960 GB/s NVIDIA RTX 3090 24G24G · 936 GB/s NVIDIA RTX A5000 24G24G · 560 GB/s NVIDIA Tesla P40 24G（数据卡）24G · 480 GB/s Intel Arc Pro B60 24G（工作站）24G · 456 GB/s NVIDIA RTX 3060 24G（魔改）24G · 336 GB/s NVIDIA RTX Pro 4000 Blackwell SFF 24G24G · 288 GB/s

规格与数据来源

上面的显存、带宽、架构数字来自下面这些页面；口径说明逐条附后。没有可核对出处的字段，本站留空，不填一个编出来的数。

口径：规格与档位来自《显卡/闲鱼调研汇总.md》（2026-11-09 本站调研汇总，**无外链**，作者=本站调研，C 级单源待复核）；闲鱼二手价格波动大，只作量级参考，不作购买建议。官方规格来源（https://www.nvidia.com/en-us/geforce/graphics-cards/40-series/）：核心参数（显存/带宽/架构）以该页为准；闲鱼档位仍来自《显卡/闲鱼调研汇总.md》（本机调研，无外链，C 级）。