本文へ移動
localllm
EN

単体GPU

GeForce RTX 5090

データの取得日：

メモリ帯域
1,792 GB/s
出典
確認日：

32 GB のとき

モデルごとに1件、このメモリに収まる量子化のうち、8K トークン以上のコンテキストで収まる中でファイルが最も大きい（精度が高い）ものを、よく使われている順に最大30件出しています。コンテキスト長は、その量子化が収まる最も長い値です（埋め込みモデルなど、扱える長さが 8K より短いモデルはその最大の長さ）。会話・文章の生成以外のモデルには用途を付けています。「残り」はメモリの量から推定を引いた値で、容量の 5% 未満は「ぎりぎり」としています（収まることの保証ではありません）。

  • Qwen3.8-27B UD-Q8_K_XL
    コンテキスト長 16,384 推定 33.7 GB 残り 0.63 GB（ぎりぎり） 生成の速さ 34〜46
  • Ornith-1.5-9B BF16
    コンテキスト長 262,144 推定 28.1 GB 残り 6.24 GB 生成の速さ 58〜78
  • Huihui-Qwen3.6-35B-A3B-abliterated-MTP Q6_K 画像も入力
    コンテキスト長 131,072 推定 33.0 GB 残り 1.36 GB（ぎりぎり） 生成の速さ MoE のため推定なし
  • Ornith-1.5-35B-A3B Q6_K_L 画像も入力
    コンテキスト長 65,536 推定 33.2 GB 残り 1.13 GB（ぎりぎり） 生成の速さ MoE のため推定なし
  • Huihui-Qwen3.8-27B-abliterated UD-Q8_K_XL 画像も入力
    コンテキスト長 16,384 推定 33.7 GB 残り 0.63 GB（ぎりぎり） 生成の速さ 34〜46
  • OTel-2.0-Decision-26B-A4B-4bit Q8_0
    コンテキスト長 262,144 推定 33.6 GB 残り 0.74 GB（ぎりぎり） 生成の速さ MoE のため推定なし
  • Qwen3.8-27B-iMatrix-NVFP4-MTP NVFP4 画像も入力
    コンテキスト長 131,072 推定 26.9 GB 残り 7.44 GB 生成の速さ 63〜84
  • Tiel-Coder-35B-A3B-GGUF-MTP UD-Q6_K_XL 画像も入力
    コンテキスト長 32,768 推定 34.0 GB 残り 0.34 GB（ぎりぎり） 生成の速さ MoE のため推定なし
  • gemma-4-12B-it BF16 画像も入力
    コンテキスト長 262,144 推定 29.7 GB 残り 4.66 GB 生成の速さ 45〜60
  • Qwen3.8-27B-Uncensored Q8_0
    コンテキスト長 32,768 推定 32.4 GB 残り 1.96 GB 生成の速さ 37〜49
  • Ornith-1.0-9B BF16
    コンテキスト長 262,144 推定 27.6 GB 残り 6.72 GB 生成の速さ 60〜80
  • mxbai-embed-large-v1 F32 埋め込み（会話には使えない）
    コンテキスト長 512 推定 2.41 GB 残り 31.9 GB 生成の速さ 804〜1,072
  • Qwen3.6-35B-A3B-MTP UD-Q6_K_XL 画像も入力
    コンテキスト長 16,384 推定 34.1 GB 残り 0.30 GB（ぎりぎり） 生成の速さ MoE のため推定なし
  • Qwen3.5-9B-The-Defiant-Fable-Uncensored-Heretic-NEO-IMATRIX-MAX-MTP BF16 画像も入力
    コンテキスト長 262,144 推定 28.1 GB 残り 6.26 GB 生成の速さ 58〜78
  • MOSS-Music-8B-Instruct F16 音声
    コンテキスト長 40,960 推定 23.3 GB 残り 11.1 GB 生成の速さ 66〜87
  • Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-MTP Q8_K 画像も入力
    コンテキスト長 16,384 推定 33.7 GB 残り 0.63 GB（ぎりぎり） 生成の速さ 34〜46
  • gemma-4-26B-A4B-it UD-Q8_K_XL 画像も入力
    コンテキスト長 131,072 推定 31.7 GB 残り 2.65 GB 生成の速さ MoE のため推定なし
  • Qwen3-VL-8B-Instruct BF16 画像も入力
    コンテキスト長 65,536 推定 26.9 GB 残り 7.46 GB 生成の速さ 66〜87
  • Qwen3.5-9B BF16 画像も入力
    コンテキスト長 262,144 推定 28.1 GB 残り 6.26 GB 生成の速さ 58〜78
  • Ornith-1.5-9B-uncensored F16
    コンテキスト長 262,144 推定 27.6 GB 残り 6.75 GB 生成の速さ 60〜80
  • Qwen3.6-35B-A3B UD-Q6_K_XL 画像も入力
    コンテキスト長 65,536 推定 34.3 GB 残り 0.06 GB（ぎりぎり） 生成の速さ MoE のため推定なし
  • Ternary-Bonsai-2-27B Q2_0
    コンテキスト長 262,144 推定 26.0 GB 残り 8.35 GB 生成の速さ 141〜188
  • Swift-1.5-Qwen3.8-27B-GSQ-RCO IQ3_S
    コンテキスト長 262,144 推定 30.5 GB 残り 3.86 GB 生成の速さ 89〜118
  • Qwen3.5-4B BF16 画像も入力
    コンテキスト長 262,144 推定 18.4 GB 残り 16.0 GB 生成の速さ 124〜165
  • Ornith-1.0-35B Q6_K
    コンテキスト長 131,072 推定 32.3 GB 残り 2.02 GB 生成の速さ MoE のため推定なし
  • Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP Q8_0 画像も入力
    コンテキスト長 32,768 推定 33.6 GB 残り 0.77 GB（ぎりぎり） 生成の速さ 36〜47
  • Dirk-Qwen3.8-27B UD-Q8_K_XL 画像も入力
    コンテキスト長 16,384 推定 33.7 GB 残り 0.63 GB（ぎりぎり） 生成の速さ 34〜46
  • Wan2.1 IQ4_NL
    コンテキスト長 65,536 推定 34.3 GB 残り 0.03 GB（ぎりぎり） 生成の速さ 37〜50
  • Qwen3.8-27B-GSQ-RCO IQ3_S 画像も入力
    コンテキスト長 262,144 推定 30.5 GB 残り 3.86 GB 生成の速さ 89〜118
  • Qwen3-ASR-1.7B F16 音声
    コンテキスト長 65,536 推定 12.5 GB 残り 21.9 GB 生成の速さ 263〜350

よくある質問

GeForce RTX 5090 でどんなローカルLLMが動きますか？
当サイトでは 965 モデルに、32GB・8,192 トークンで収まる量子化があります（推定）。よく使われているのは Qwen3.8-27B・Ornith-1.5-9B・Huihui-Qwen3.6-35B-A3B-abliterated-MTP・Ornith-1.5-35B-A3B・Huihui-Qwen3.8-27B-abliterated などです。
GeForce RTX 5090 で動く、いちばん大きいモデルは？
当サイトに載っている中では Mixtral-8x22B-Instruct-v0.1（約 140.6B）で、IQ1_S なら 32GB に収まります（8,192 トークンの推定）。
GeForce RTX 5090 で文章を生成する速さは？
メモリ帯域が 1,792 GB/s なので、たとえば Qwen3.8-27B の UD-Q8_K_XL（31.5 GB）なら、推定で毎秒 34〜46 トークンほどです（帯域 ÷ ファイルサイズの 6〜8 割。プロンプトの読み込みは含みません）。