¿Puede NVIDIA GeForce RTX 5090 ejecutar Qwen3-Coder-30B-A3B-Instruct?

Esta página fue escrita y traducida automáticamente por IA y verificada por software con respecto a sus fuentes, sin edición humana. Las especificaciones provienen de las fuentes indicadas; los requisitos de memoria y las velocidades son estimaciones calculadas con fórmulas publicadas. Cómo usamos la IA

Cabe Según la comprobación de carga predeterminada de llama.cpp, Qwen3-Coder-30B-A3B-Instruct cabe en NVIDIA GeForce RTX 5090 con Q6_K y un contexto de 8192 tokens. Una tarjeta necesita 26,5 GiB disponibles para «Cabe».

Con Q6_K, la mayor longitud de contexto que cabe es de 36.608 tokens.

“Cabe” significa que la comprobación de carga predeterminada --fit de llama.cpp colocaría todas las capas en la GPU: nuestra estimación de los búferes de llama.cpp, más su margen de error, más la reserva de 1 GiB por tarjeta de llama.cpp, está dentro de la memoria contada como disponible. No garantiza que quepa el pico de memoria durante la generación. Cómo se deciden los resultados

Valores actualizados el 19 oct 2026 · Calculadora

Perfil de ejecución: llama.cpp, motor de ejecución CUDA (GPU discreta NVIDIA), todas las capas en la GPU, Flash Attention activado, micro-lote (-ub) 512, KV cache F16, contexto (-c) según se indica; «Cabe» se determina con las 4 secuencias paralelas predeterminadas de llama-server (-np auto, KV cache unificada) y «No cabe» con 1 secuencia; GPU inactiva, sin otros programas que usen su memoria.

Memoria contada como disponible para «Cabe» (C_low): 29,25 GiB por tarjeta = 32 GiB nominales − 659 MiB (nominal menos el total que llama.cpp indicó para esta GPU en registros públicos) − 2112 MiB (el mayor uso de arranque y de ejecución observado en los registros públicos de este perfil), redondeado hacia abajo a un múltiplo de 64 MiB.

Estos resultados se aplican a la configuración observada en registros públicos, en la que llama.cpp indicó 32.109 MiB de memoria total para esta GPU. No se cubren los ajustes que reducen la memoria utilizable (por ejemplo, ECC, si la tarjeta lo admite).

Memoria usada para «No cabe» (C_high): los 32 GiB completos por tarjeta. Perfiles de ejecución y sus mediciones

Memoria necesaria por cuantización y longitud de contexto

Memoria disponible necesaria para “Cabe” (X, GiB por tarjeta) y el resultado en NVIDIA GeForce RTX 5090.
Cuantización	4096	8192	32.768	131.072
BF16	61,0 GiB No cabe	61,4 GiB No cabe	63,8 GiB No cabe	73,5 GiB No cabe
Q8_0	33,2 GiB Al límite	33,6 GiB Al límite	36,0 GiB Al límite	45,7 GiB No cabe
Q6_K	26,1 GiB Cabe	26,5 GiB Cabe	28,9 GiB Cabe	38,5 GiB No cabe
Q5_K_M	22,8 GiB Cabe	23,2 GiB Cabe	25,6 GiB Cabe	35,3 GiB Al límite
Q4_K_M	19,7 GiB Cabe	20,1 GiB Cabe	22,5 GiB Cabe	32,2 GiB Al límite
Q4_0	18,6 GiB Cabe	19,0 GiB Cabe	21,4 GiB Cabe	31,1 GiB Al límite
IQ4_XS	17,6 GiB Cabe	18,0 GiB Cabe	20,4 GiB Cabe	30,1 GiB Al límite
Q3_K_M	16,0 GiB Cabe	16,4 GiB Cabe	18,8 GiB Cabe	28,5 GiB Cabe
Q2_K	12,6 GiB Cabe	13,0 GiB Cabe	15,5 GiB Cabe	25,1 GiB Cabe

¿Qué tan rápido puede generar?

Con Q6_K, el límite teórico es de aproximadamente 536 tokens por segundo (1792 GB/s ÷ 3,34 GB leídos por token).

El techo de velocidad es el ancho de banda de memoria dividido entre los bytes leídos por cada token generado. Es un límite superior teórico; las pruebas de rendimiento públicas de llama.cpp suelen alcanzar entre la mitad y cuatro quintos de ese valor, y con modelos pequeños y modelos de mezcla de expertos a menudo alcanzan menos. Pruebas de rendimiento públicas

Alternativas

Otras GPUs de 32 GB en las que Qwen3-Coder-30B-A3B-Instruct cabe

Ninguna otra GPU con la misma cantidad de memoria puede alojar este modelo.

Fuentes

Página del modelo, con todas las cuantizaciones y sus archivos: Qwen3-Coder-30B-A3B-Instruct
Página de la GPU, con cada especificación y sus fuentes: NVIDIA GeForce RTX 5090
Archivos del modelo en Hugging Face (revisiones fijadas): Qwen/Qwen3-Coder-30B-A3B-Instruct@b2cff64, unsloth/Qwen3-Coder-30B-A3B-Instruct-GGUF@b17cb02
Tamaño de memoria de NVIDIA GeForce RTX 5090 según: Wikipedia: List of Nvidia graphics processing units (CC BY-SA 4.0), GetDeploying GPU Models (CC BY 4.0)
Metodología