NVIDIA GeForce RTX 3090 (24 GB GDDR6X) — 구동 가능 모델, 최대 컨텍스트 & tok/s 벤치마크

물리 메모리: 24 GB
Default / Tuned Usable: 22.1 / 23.0 GB
메모리 대역폭: 936 GB/s
FP16 연산: 71 TFLOPS
클라우드 $/hr / CapEx: $0.29/hr · $780
TDP / Native FP8: 350W · FP16/INT4

VRAM 계산기에서 열기 → vLLM / Ollama 설정 생성 → 자체 GPU vs API 비교 →

RTX 3090 24GB 대화형 워크로드 시뮬레이터

오픈웨이트 모델 프리셋 (또는 사용자 정의)

멀티 디바이스 구성 (1× ~ 8× RTX 3090 24GB)

가중치 양자화 (bpw)

KV 캐시 정밀도

컨텍스트 길이 (tokens) 32,768 토큰

메모리 세부 내역 & 대역폭 상한

여유 있게 적재

모델 가중치: 56.4% KV: 33.8% Overhead: 9.8%

총 필요 메모리

14.81 GB

디바이스당 할당량: 14.81 / 24 GB

모델 가중치

8.36 GB

KV: 5.00 GB

추정 단일 스트림 디코딩

40.8 tok/s

추정 배치 총 처리량: 40.8 tok/s

OOM 이전 최대 컨텍스트

89,017

토큰

자동 컴파일되는 핵심 플래그 안전장치

텐서 병렬화는 어텐션 헤드와 MLP 행렬을 NVLink 또는 PCIe 디바이스에 분할하므로 --tensor-parallel-size가 쿼리 및 KV 헤드 수를 정확히 나누어떨어지게 해야 하며, NCCL all-reduce 버퍼와 CUDA 그래프 캡처를 위한 여유 메모리도 남겨야 합니다.

단일 사용자 자기회귀 생성에서는 출력 토큰마다 VRAM에서 연산 코어로 활성 모델 가중치를 읽어와야 합니다. 메모리 대역폭이 두 배가 되면(예: 546 GB/s에서 GDDR7 1,792 GB/s 또는 HBM3 3,350 GB/s로 향상) 동일한 양자화에서 tok/s 속도 역시 거의 두 배로 증가합니다.

1× RTX 3090 24GB 오픈웨이트 LLM 호환성 매트릭스 (32K 컨텍스트)

단일 디바이스 기준 FP16, Q8_0, Q4_K_M 적재 상태 및 추정 단일 스트림 디코딩 tok/s
모델 & 패밀리	FP16	Q8_0	Q4_K_M	최적 여유 양자화	최대 컨텍스트 (Q4_K_M)	디코딩 속도 (Q4_K_M)
DeepSeek-R1 (671B MoE) 671B · MLA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
DeepSeek-V3-0324 (671B MoE) 671B · MLA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
DeepSeek-R1-Distill-Llama-70B 70.6B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
DeepSeek-R1-Distill-Qwen-32B 32.8B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	12,759 토큰	—
Qwen3-235B-A22B (MoE) 235B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
Qwen3-30B-A3B (MoE) 30.5B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	IQ4_XS	48,634 토큰	112.1 tok/s
Qwen3-32B 32.8B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	12,759 토큰	—
Qwen3-14B 14.8B · GQA	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	여유 있게 적재	Q8_0	89,017 토큰	40.8 tok/s
Qwen3-8B 8.2B · GQA	빠듯한 적재 (>90% 사용)	여유 있게 적재	여유 있게 적재	FP16 / BF16	126,857 토큰	59.7 tok/s
QwQ-32B (Reasoning) 32.8B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	12,759 토큰	—
Qwen2.5-Coder-32B-Instruct 32.8B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	12,759 토큰	—
Qwen2.5-72B-Instruct 72.7B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
Llama 4 Maverick (400B / 17B-128E MoE) 402B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
Llama 4 Scout (109B / 17B-16E MoE) 109B · HYBRID_SWA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
Llama 3.3 70B Instruct 70.6B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
Llama 3.1 405B Instruct 405B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
Llama 3.1 8B Instruct 8.03B · GQA	빠듯한 적재 (>90% 사용)	여유 있게 적재	여유 있게 적재	FP16 / BF16	143,524 토큰	63.9 tok/s
Gemma 3 27B IT (Multimodal) 27.4B · HYBRID_SWA	메모리 부족 (OOM)	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	Q4_K_M	13,224 토큰	29.7 tok/s
Gemma 3 12B IT (Multimodal) 12.2B · HYBRID_SWA	메모리 부족 (OOM)	여유 있게 적재	여유 있게 적재	Q8_0	41,219 토큰	59.3 tok/s
Mistral Small 3.1 (24B) 24B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	Q4_K_M	53,954 토큰	29.4 tok/s
Mistral Large 2411 (123B) 123B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—
Codestral 22B 22.2B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	Q4_K_M	43,438 토큰	27.9 tok/s
Devstral Small (24B SWE Agent) 23.6B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	Q5_K_M	55,478 토큰	29.8 tok/s
GLM-4-32B-0414 32B · GQA	메모리 부족 (OOM)	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	IQ4_XS	61,544 토큰	27.3 tok/s
GLM-4-9B-0414 9.4B · GQA	빠듯한 적재 (>90% 사용)	여유 있게 적재	여유 있게 적재	FP16 / BF16	438,394 토큰	83.2 tok/s
Microsoft Phi-4 (14B) 14.7B · GQA	메모리 부족 (OOM)	빠듯한 적재 (>90% 사용)	여유 있게 적재	Q8_0	71,519 토큰	37.5 tok/s
Microsoft Phi-4-mini-instruct (3.8B) 3.84B · GQA	여유 있게 적재	여유 있게 적재	여유 있게 적재	FP16 / BF16	163,486 토큰	88.4 tok/s
Cohere Command A (111B) 111B · HYBRID_SWA	메모리 부족 (OOM)	메모리 부족 (OOM)	메모리 부족 (OOM)	—	—	—