这里使用Ollama部署Qwen3模型进行推理场景的性能实测，比较3080 20G和3090 24G的差异到底多大？

RTX 3080 20G显卡是基于3080 10G魔改的卡，目前市面比较多得被用于小规模参数的大语言模型推理场景，被认为是性价比比3090还高的推理显卡。

因为其在二手交易市场的价格差不多是3090的一半左右，算力租赁市场的几个也只有3090的70%，而其算力和显存都是3090的80%多。

之前测试过3090 24G和4090 24G两张显卡在大模型推理场景的性能差异，参考：
Ollama大模型推理场景下3090和4090性能实测

3080 20G和3090 24G的显卡参数对比

	RTX 3080 20G	RTX 3090 24G
架构	Ampere	Ampere
CUDA核心数	8704	10496
显存容量	20 GB GDDR6X	24 GB GDDR6X
显存带宽	760 GB/s	936 GB/s
TDP功耗	320W	350W
FP32 算力	29.8 TFLOPS	35.6 TFLOPS
Tensor FP16 算力	119 TFLOPS	142 TFLOPS

对比显卡参数，很有意思的是，3080 20G在核心数量、显存、带宽、算力方面基本都是3090 24G的83%左右。

Ollama大模型推理测试

大模型选择

这里选择 Qwen3的模型进行测试，考虑到3080显存只有20GB，分别选择一个FP16精度和一个Q4_K_M量化后的大模型进行测试：

模型	精度	大小
qwen3:8b	fp16	16 GB
qwen3:14b	q4_K_M	9.3 GB

借助DeepSeek 生成测试脚本，使用复杂度近似的8个prompts；MAX_TOKENS配置256，让每次请求需要一定的生成时长便于采样显卡的使用指标，减少波动；同时需要模型预热，消除第一次推理响应延时过大的问题。

AI算力租赁平台有 3080 20G 的不多，这里只找到了 AutoDL 和 晨涧云 两家，创建3080 20G和3090 24G两种显卡的Ollama容器实例，启动后访问Open WebUI 选择模型：

然后就可以执行推理性能测试脚本，查看输出结果。

3080 20G推理性能

3090 24G推理性能

测试结果解释

• Latency (s)：多次推理平均响应时长

• Throughput (tokens/s)：多次推理平均Token生成速度

• VRAM (MB)：多次推理平均显存使用量

• GPU Util (%)：多次推理平均GPU使用率

3080 20G显卡和3090 24G显卡在两个模型推理过程中的显存使用和GPU使用率都比较接近，主要比较平均响应时长及平均Token生成速度两个指标：

		qwen3:8b fp16	qwen3:14b q4_K_M
响应时长(s)	3080	6.53	4.52
响应时长(s)	3090	5.39	3.79
响应时长(s)	差异	121.2%	119.3%
Token生成速度(tokens/s)	3080	39.22	56.64
Token生成速度(tokens/s)	3090	47.46	67.62
Token生成速度(tokens/s)	差异	82.6%	83.8%

FP16精度和Q4_K_M量化模型的推理性能 3080 20G 都是 3090 24G 的83%左右，和显卡参数算力的差异基本一致。

相比二手市场3080 20G价格只有3090的一般多点，GPU算力租赁市场3080 20G的价格也只有3090的70%，所以在性价比上3080 20G还是有其优势的，前提是3080 20G的显存能装得下推理的模型。