NVIDIA GeForce RTX 5090 运行本地大模型
作者： Jakub Rusinowski · 最后更新：
凭借 32 GB、1,792 GB/s 带宽，RTX 5090 可在 Q4_K_M、8K 上下文下运行目录中的 120 个模型。能放下的最大模型是 Gemma 3 27B Instruct（约 25.4 GB），首选是 K2 Horizon MoVA 36B-A4B，速度 133–276 tok/s。
最快的消费级本地 AI GPU。32 GB 显存可在 Q4_K_M 下运行 Qwen 3 32B 等 32B 级模型，并为长上下文留有余量；Llama 3.3 70B 即使用 Q3 量化也无法单卡放下。内存带宽比 RTX 4090 高约 78%。
可在 RTX 5090 上运行的模型
Q4_K_M，8K 上下文，可用 32 GB。按质量和速度排序。
| 模型 | 显存 · 标记 = 32 GB | 显存 | 速度 |
|---|---|---|---|
| K2 Horizon MoVA 36B-A4B K2 Horizon | 25 GB | 133–276 tok/s | |
| Qwen 3.6 35B-A3B Qwen 3.6 | 22.1 GB | 183–381 tok/s | |
| Nex-N2.5 mini Nex-N2.5 | 21.9 GB | 139–289 tok/s | |
| Nex-N2 mini Nex-N2 | 21.9 GB | 139–289 tok/s | |
| Qwen 3.5 35B-A3B Qwen 3.5 | 21.9 GB | 139–289 tok/s | |
| Laguna XS 2.1 33B-A3B Poolside Laguna XS 2.1 | 20.7 GB | 140–291 tok/s | |
| Qwen 3 32B Qwen 3 | 22.8 GB | 39–81 tok/s | |
| Aya Expanse 32B Aya Expanse | 21.6 GB | 41–85 tok/s | |
| EXAONE 3.5 32B EXAONE 3.5 | 22.3 GB | 40–83 tok/s | |
| Cogito v1 32B Cogito v1 | 22.3 GB | 40–83 tok/s | |
| Granite 4.0 Small-H 32B-A9B IBM Granite 4.0 | 20.1 GB | 93–192 tok/s | |
| Olmo 3 32B Olmo 3 | 20.1 GB | 40–84 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。
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 2026-09-29。
- 显存
- 32 GB
- 内存带宽
- 1,792 GB/s
- 架构
- Blackwell GB202
- 系列
- RTX 50-series
- 整卡功耗
- 575 W
- 发布年份
- 2025
- 首发价格
- $1,999
- 模型可用
- 32 GB
相似 GPU
常见问题
NVIDIA GeForce RTX 5090 能运行本地大模型吗？
可以。它有 32 GB（模型可用 32 GB），在 Q4_K_M、8K 上下文下可运行目录中的 120 个模型；最大的是 Gemma 3 27B Instruct，约需 25.4 GB。
NVIDIA GeForce RTX 5090 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 113–234 tok/s。Llama 3.3 70B 放不下：约需 44 GB，而可用只有 32 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。
32 GB 能运行哪些大模型？
能放下的最佳模型包括：K2 Horizon MoVA 36B-A4B、Qwen 3.6 35B-A3B、Nex-N2.5 mini、Nex-N2 mini、Qwen 3.5 35B-A3B。最快的上手方式是 Ollama：ollama run llama4:scout。