快速结论

快速结论

nemotron-3-nano:30b 在 24GB RTX 3090 上是一个中等速度的通用模型（57.0 tok/s）。值得在本地测试，适用于批处理或离线工作负载。对于实时交互使用，在投入使用前，请测量您典型提示长度的端到端延迟。

nemotron-3-nano:30b 在更高的量化级别下接近 24GB 边界。如果您在 RTX 3090 上需要上下文余量，请考虑 Q4 或 Q5。在当前测量的 RTX 3090 模型中，它在吞吐量方面排名18个模型中的第8位。下一个更快的模型是 deepseek-r1:14b (74.4 tok/s，快30%)。下一个更慢的模型是 mistral-small:22b (54.8 tok/s，慢4%)。

每日目标很简单：帮助 RTX 3090 用户决定今晚下载什么、跳过什么，以及何时使用云端备用方案能更好地利用时间。

今日精选

• 模型： nemotron-3-nano:30b
• 类别： 通用
• 尺寸级别： 大型
• 性能级别： 中等
• RTX 3090 速度： 57.0 tok/s
• 延迟： 2468 毫秒
• 测试时间： 2026-04-01T11:53:50Z
• 基准命令：

ollama run nemotron-3-nano:30b

谁应该尝试

• RTX 3090 用户决定今晚是否下载 nemotron-3-nano:30b 进行本地实验。
• 在确定工作流程之前，将本地推理速度与云租赁（RunPod, Vast）进行比较的用户。
• 任何构建本地 LLM 工具箱并希望获得此模型验证基准的用户。

谁应该跳过

• 在持续运行得到验证之前，需要长上下文生产稳定性的用户。
• 工作负载要求在并发下具有可预测的 p95 延迟的团队。
• 8GB/12GB GPU 用户，除非存在更小的量化变体。

注意事项

• 工作负载特定测试：通用基准测试不能保证在您的特定用例中表现良好。
• 上下文长度：在假定生产就绪之前，请务必在目标上下文长度下进行测试。
• 量化权衡：较低的量化级别可以节省 VRAM，但可能会降低细微任务的输出质量。

已验证的基准锚点

• gpt-oss:20b: 156.1 tok/s | latency 1524 ms | test 2026-04-29T05:39:58Z
• qwen3-coder:30b: 140.5 tok/s | latency 935 ms | test 2026-06-17T07:31:11Z
• qwen3:8b: 121.7 tok/s | latency 1429 ms | test 2026-06-17T07:31:11Z
• qwen2.5-coder:32b: 92.2 tok/s | latency 1609 ms | test 2026-06-17T07:31:11Z
• qwen2.5:14b: 84.0 tok/s | latency 946 ms | test 2026-04-29T05:39:58Z

RTX 3090 决策指南

1. 批处理是最佳选择：nemotron-3-nano:30b 最适合离线/批处理作业，在这些作业中，吞吐量比单次延迟更重要。
2. 在您的上下文长度下进行测试：中等速度模型在较长的上下文下可能会显著变慢。
3. 量化选择很重要：从 Q8 切换到 Q4 可以提高速度，但请首先测试质量下降情况。
4. 云端备用方案：如果本地延迟未达到您的目标，请使用 RunPod/Vast 进行时间敏感的运行。

待验证的比较

• nemotron-3-nano:30b 与基准测试中下一个最快和下一个最慢的模型进行比较。
• nemotron-3-nano:30b 与 gpt-oss:20b — 相同尺寸级别，57 tok/s 对比 156 tok/s。
• nemotron-3-nano:30b 的本地功耗成本与 A100 租赁相同工作负载的成本进行比较。

下一步行动

• 估算 VRAM 适用性：/en/tools/vram-calculator/
• 模型页面：/en/models/nemotron-3-nano-30b-q4/
• 基准测试更新日志：/en/benchmarks/changelog/
• 本地硬件路径：/en/affiliate/hardware-upgrade/
• 云端备用：/go/runpod and /go/vast

联盟披露：本文可能包含联盟链接。LocalVRAM 可能会赚取佣金，您无需支付额外费用。