RTX 3090 para LLM local em 2026: comprar ou alugar?

Os dois caminhos dão a mesma GPU e os mesmos 24 GB de VRAM. A única pergunta real é quantas horas você vai realmente usá-la, e se seus dados podem sair da sua rede.

A RTX 3090 importa por um motivo: 24 GB de VRAM pelo preço mais baixo que alguém cobra por isso. Tudo mais na placa é comum em 2026 — é um projeto de 2020, consome 350 W, e uma placa atual a supera em toda métrica de eficiência. Nada disso muda o fato de que os pesos de um modelo cabem na memória de vídeo ou não cabem.

VRAM é um precipício, não uma rampa. Um modelo que cabe roda em velocidade total; um modelo que ultrapassa mesmo em um gigabyte transborda para a RAM do sistema e desaba para uma fração da velocidade. Isso faz dos 24 GB um limiar de capacidade, não um número de desempenho, e a 3090 é a placa mais barata que o alcança.

O segundo número importante é a largura de banda de memória. A geração de tokens de um modelo quantizado é limitada por memória, não por processamento, então 936 GB/s prevê melhor a sensação de velocidade do que qualquer contagem de núcleos CUDA. É também por isso que a 3090 permanece competitiva com placas intermediárias mais novas que têm mais poder de processamento, mas barramento de memória mais estreito.

Na prática: folga confortável para um modelo de classe 27B em quantização de 4 bits, inferência rápida em modelos de 7B–14B com contexto longo, e — com uma segunda placa — a capacidade de manter um modelo de classe 70B na VRAM sem offloading.

"Cabe em 24 GB" e "roda com conforto para uso interativo" são duas afirmações diferentes, e guias de compra que misturam as duas criam expectativas erradas. Um modelo pode tecnicamente carregar e ainda assim não deixar espaço para contexto, o que significa que funciona para um único prompt curto e falha assim que a conversa fica longa. A tabela abaixo separa as duas afirmações.

A variável que move um modelo entre essas colunas é o comprimento do contexto: cada token do histórico de conversa e cada token gerado precisa de espaço no cache KV, além dos próprios pesos. Um modelo 27B em quantização de 4 bits com contexto de 4K cabe com conforto; o mesmo modelo levado a 32K de contexto pode consumir a folga que a quantização ganhou.

Os 24 GB da RTX 3090 são especialmente relevantes para Ollama e LM Studio, porque ambos carregam um modelo inteiramente na memória da GPU por padrão quando ele cabe, e recorrem a um offloading CPU/GPU mais lento quando não cabe. Com 24 GB disponíveis, as duas ferramentas conseguem rodar modelos de classe 27B inteiramente na placa em vez de dividi-los.

A velocidade real em tokens por segundo depende do modelo específico, do nível de quantização, do comprimento do contexto, de qual build do backend está em uso (llama.cpp por trás dos dois), de quanto do prompt ainda precisa ser processado versus o que já está em cache, e do que mais está rodando na mesma máquina. Nenhuma das duas ferramentas publica benchmarks oficiais da RTX 3090, então trate qualquer número isolado de "X tokens/s" visto em outro lugar como a configuração de uma pessoa, não uma garantia para a sua.

Na prática: instale uma das duas ferramentas, carregue um modelo de classe 27B em quantização de 4 bits, e verifique o uso de memória da GPU no nvidia-smi (ou no próprio indicador da ferramenta) enquanto ele roda — se o uso ficar confortavelmente abaixo de 24 GB, o modelo está totalmente na placa e você está obtendo toda a largura de banda de memória da RTX 3090.

Toda RTX 3090 tem os mesmos 24 GB de VRAM, então a questão de quais modelos cabem já está resolvida no momento em que você escolhe "RTX 3090". O que muda entre as placas é o quanto é suportável possuir uma. Nenhum design de cooler de um fabricante é objetivamente o melhor em todos os anúncios — o estado no mercado usado varia mais que o design — mas estes são os fatores que vale a pena checar antes de comprar.

O argumento a favor do aluguel não é que ele seja sempre mais barato — é que uma GPU ociosa custa o mesmo que uma ocupada. Uma placa num desktop usado nos fins de semana já custou o preço de compra inteiro. Uma GPU alugada não custa nada entre as sessões.

As razões para alugar são concretas, não filosóficas: sem desembolso inicial, sem risco de depreciação numa placa de cinco anos, sem restrições de fonte, gabinete ou refrigeração, sem fim de semana perdido quando uma ventoinha falha. Você também pode alugar uma placa que nunca compraria — testar um modelo de classe 70B em duas GPUs alugadas por uma tarde custa alguns dólares, contra cerca de US$ 1.700 por um par usado.

O contra-argumento honesto é que alugar tem atrito real. Você envia dados para a máquina de outra pessoa, espera por uma instância, e em provedores de marketplace às vezes você pega um host que some no meio do trabalho. Isso não são motivos para descartar — são motivos pelos quais a decisão depende da sua carga de trabalho, não só da tarifa por hora.

Contra um aluguel mediano de US$ 0,15/hora, uma placa de US$ 850 leva cerca de 12.300 horas de GPU para se pagar — cerca de quatro anos com oito horas por dia, ou dezessete anos com duas. Esse é o número que a maioria dos guias de compra ignora, e é o que deveria decidir a compra.

O cálculo subtrai o que custa operar a placa. A 450 W na tomada e na média dos EUA de 2026 de US$ 0,18/kWh, a inferência local custa cerca de US$ 0,08 por hora em eletricidade, então você não está comparando US$ 850 contra US$ 0,15/hora, mas contra os cerca de US$ 0,07/hora que realmente economiza.

Premissas: placa de US$ 850, consumo do sistema de 450 W, US$ 0,18/kWh. Substitua pela sua própria tarifa de energia — ela move o resultado mais do que qualquer outra coisa na tabela, e em mercados acima de US$ 0,30/kWh o argumento de comprar praticamente desaparece.

Pule se seus modelos cabem em 16 GB. Se você roda modelos 7B e 14B em 4 bits e nunca toca em nada maior, uma placa atual de 16 GB mais barata é mais silenciosa, consome bem menos energia e vem com garantia. Pagar o acréscimo dos 24 GB por uma folga que você nunca usa é o erro mais comum nessa compra.

Pule também se você está comprando para treinar em vez de para inferência. Um ajuste fino substancial numa única placa de 24 GB significa quantização agressiva e longas esperas; alugar uma placa maior por algumas horas é ao mesmo tempo mais rápido e mais barato.

E pule se sua eletricidade é cara. A US$ 0,30/kWh ou mais, só o custo de operação já se aproxima das tarifas mais baratas da nuvem, e o argumento de possuir a placa praticamente desaparece.

Compre uma RTX 3090 usada se for usá-la mais de cerca de quatro horas por dia nos próximos dois anos, ou se seus dados não puderem sair do seu prédio — ainda é a forma mais barata de possuir 24 GB de VRAM. Alugue uma se seu uso for ocasional, irregular, ou você ainda estiver descobrindo se a inferência local combina com sua carga de trabalho. Na dúvida, alugue primeiro.

Para uso frequente de LLM local e privacidade: compre. Para experimentação ocasional: alugue. Para uso incerto ou em mudança: alugue primeiro, e reavalie a decisão em seis meses, quando conhecer suas horas reais. Para quem busca especificamente VRAM de 24 GB barata, uma RTX 3090 usada em bom estado continua atraente em 2026 — o aumento de preço pela escassez de memória não mudou isso, só empurrou o ponto de equilíbrio mais adiante. Para uma compra nova em que eficiência, garantia e recursos atuais importam mais que o preço inicial, compare em vez disso com uma placa atual.

Resumindo: a vantagem da RTX 3090 são 24 GB de VRAM a preços de mercado usado. Seus custos são idade, alto consumo de energia, calor, ruído e falta de garantia. Nenhum dos dois lados dessa troca mudou em 2026 — só o preço de compra mudou, e foi contra a compra.