NVIDIA GeForce RTX 4080 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 16 GB、717 GB/s 带宽，RTX 4080 可在 Q4_K_M、8K 上下文下运行目录中的 81 个模型。能放下的最大模型是 OLMo 2 13B Instruct（约 15.8 GB），首选是 EuroLLM 22B，速度 28–53 tok/s。
16 GB VRAM，模型兼容性与4080 Super相同。对7–14B模型表现强劲。
可在 RTX 4080 上运行的模型
Q4_K_M，8K 上下文，可用 16 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 16 GB | 显存 | 速度 |
|---|---|---|---|
| EuroLLM 22B EuroLLM | 14.1 GB | 28–53 tok/s | |
| GPT-OSS 20B GPT-OSS | 13.8 GB | 112–215 tok/s | |
| InternLM 3 20B Instruct InternLM 3 | 12.9 GB | 30–58 tok/s | |
| Cosmos 3 Nano Cosmos 3 | 10.5 GB | 59–113 tok/s | |
| StarCoder 2 15B StarCoder 2 | 10.8 GB | 39–76 tok/s | |
| Qwen 3 14B Qwen 3 | 11.1 GB | 39–74 tok/s | |
| Phi-4 (14B) Phi-4 Family | 10.9 GB | 39–75 tok/s | |
| Cogito v1 14B Cogito v1 | 10.9 GB | 39–76 tok/s | |
| Ministral 3 14B Ministral 3 | 9.3 GB | 40–77 tok/s | |
| DeepSeek R1 Distill Qwen 14B DeepSeek R1 | 10.6 GB | 40–77 tok/s | |
| Mellum2.1 12B Thinking Mellum2.1 | 9 GB | 146–280 tok/s | |
| Gemma 4 12B (Unified) Gemma 4 | 8 GB | 45–87 tok/s |
购买显卡，或租用同等显存
直接购买显卡，或按小时租用同等显存的 GPU，先试用模型。
或在 Vast.ai 比较，低至 $0.35/小时 (typical low · varies)
作为亚马逊联盟成员，我们从符合条件的购买中获得收入。云 GPU 链接为推荐链接——我们可能获得佣金，您无需额外付费。
与其他 GPU 的速度对比
Llama 3.1 8B，Q4_K_M。估算区间。 计算方法
规格
规格更新于 2026-07-12。
- 显存
- 16 GB
- 内存带宽
- 717 GB/s
- 架构
- Ada Lovelace AD103
- 系列
- RTX 40-series
- 整卡功耗
- 320 W
- 发布年份
- 2022
- 首发价格
- $1,199
- 模型可用
- 16 GB
相似 GPU
常见问题
NVIDIA GeForce RTX 4080 能运行本地大模型吗？
可以。它有 16 GB（模型可用 16 GB），在 Q4_K_M、8K 上下文下可运行目录中的 81 个模型；最大的是 OLMo 2 13B Instruct，约需 15.8 GB。
NVIDIA GeForce RTX 4080 的 AI 推理速度有多快？
估计它在 Q4_K_M 下运行 Llama 3.1 8B 的速度为 66–127 tok/s。Llama 3.3 70B 放不下：约需 44 GB，而可用只有 16 GB。这些是基于内存带宽的模型估算，并非实测；公式见方法说明页。
16 GB 能运行哪些大模型？
能放下的最佳模型包括：EuroLLM 22B、GPT-OSS 20B、InternLM 3 20B Instruct、Cosmos 3 Nano、StarCoder 2 15B。最快的上手方式是 Ollama：ollama run qwen3:14b。