Aller au contenu
Run LLM Locally

Qwen3 8B sur une RTX 5090

Avec ses 32 Go de VRAM, la RTX 5090 fait tourner Qwen3 8B en Q4_K_M entièrement sur le GPU avec un contexte de 8K (environ 6,9 Go nécessaires). En Q8_0, il tient entièrement.

PartagerFacebookXWhatsAppLinkedInE-mail

Qwen3 8B

Q4_K_M · 8K contexte

Excellent

Le modèle demande environ 6,9 Go et tient dans les 31 Go disponibles, avec 24,1 Go de marge.

Votre matériel
RTX 5090 32 Go · 64 Go RAM
Mémoire estimée
~6,9 Go estimation
VRAM (mémoire utilisable)
31 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
161–256 tok/s estimation
Plus grand contexte en mémoire rapide
128K tokens
Confiance : faible

Basé sur : bande passante mémoire (1 792 Go/s) et taille du modèle

Répartition de la mémoire

~6,9 Go (6,5 Go–7,4 Go) nécessaires · estimation

Tient entièrement en VRAM · 24,1 Go libres

  • Poids du modèle4,7 Go
  • Cache KV1,1 Go
  • Surcoût runtime0,8 Go
  • Marge de sécurité0,3 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally, Hugging Face config.json + model card

Ce qui rend cette estimation moins fiable

  • pas encore de benchmark pour ce matériel et ce modèle

Les autres quantifications sur la RTX 5090

Qwen3 8B sur RTX 5090 + 64 Go de RAM · contexte 8K
Qwen3 8B Q8_08K~10,5 Go · 113–167 tok/s estimationExcellent
Qwen3 8B Q6_K8K~8,6 Go · 134–206 tok/s estimationExcellent
Qwen3 8B Q5_K_M8K~7,7 Go · 147–229 tok/s estimationExcellent
Qwen3 8B Q4_K_M8K~6,9 Go · 161–256 tok/s estimationExcellent
Qwen3 8B IQ4_XS8K~6,5 Go · 170–275 tok/s estimationExcellent
Qwen3 8B Q3_K_M8K~6,1 Go · 179–295 tok/s estimationExcellent

Alternatives

Les GPU qui font tourner Qwen3 8B Q4_K_M entièrement en VRAM

D'autres modèles adaptés à la RTX 5090

Où acheter une RTX 5090

Les prix et les liens suivent le marché choisi.

GeForce RTX 5090

32 Go GDDR7 · 1 792 Go/s · 575 W

ExcellentFait tourner Qwen3 8B Q4_K_M entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.

Questions fréquentes

La RTX 5090 peut-elle faire tourner Qwen3 8B ?
Le modèle demande environ 6,9 Go et tient dans les 31 Go disponibles, avec 24,1 Go de marge.
Quelle quantification choisir sur la RTX 5090 ?
Q8_0 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~10,5 Go / 31 Go.
Quel est le plus grand contexte possible sur la RTX 5090 ?
En Q4_K_M, environ 128K tokens tiennent entièrement en VRAM avec un cache KV en f16. Un cache KV en q8_0 double à peu près ce chiffre.
À quelle vitesse tourne Qwen3 8B (RTX 5090) ?
Nous estimons 161–256 tok/s (estimation, confiance faible). Basé sur : bande passante mémoire (1 792 Go/s) et taille du modèle.