关键要点
- RTX 4090自2026年起已停产(EOL)——市场上所有的卡都是二手的，价格约为$2,000-2,600，远高于年初的约$999-1,299。
- RTX 5090仍在生产，但2026年的GDDR7内存短缺已将市场价推高至$4,300-$5,000以上，超过其$1,999建议零售价的两倍。
- 在大型模型(70B Q4)上，RTX 5090的本地LLM推理速度比RTX 4090快约30-50%。在7B-13B模型上差距较小(约20%)。
- RTX 5090配备32GB GDDR7，而RTX 4090为24GB GDDR6X——这8GB的差异对34B Q8以及大上下文的70B Q4运行很重要。
- 二手RTX 4090(每百万token约$56-72)每token生成成本仍低于按当前市场价购买的全新RTX 5090(每百万token约$83-96)。
- 对于7B-13B模型：无论价格如何，4090都是过剩的。你会在榨干GPU之前先遇到CPU或散热瓶颈。
- 对于70B模型：5090表现出色，可并行运行2-3个较小的70B模型，或以更大的批处理规模运行单个70B模型。
- 除非需要双GPU配置，否则RTX 5080通常在本地LLM上比5090提供更好的性价比，但它同样受到短缺导致的价格上涨影响。
📍 简单一句话
RTX 4090已停产，仅能在二手市场购得，而RTX 5090仍在生产中，但由于GDDR7内存短缺，其价格已超过官方指导价的两倍；RTX 5090在大型模型上快30-50%，拥有32GB显存（相比4090的24GB），但二手4090每美元生成的token数仍然更划算。
💬 简单来说
如果你已经拥有RTX 4090，现在几乎没有理由升级——5090的溢价对大多数本地LLM用途来说并不划算。如果你是全新购买且需要能运行70B模型的显卡，二手4090尽管因停产带来溢价，仍是更好的性价比选择，因为5090本身的价格也因内存短缺被推高了。
真实的速度差异是多少？
RTX 5090：21,760个CUDA核心，1,457 TFLOPS，约1,792 GB/秒显存带宽，32GB GDDR7。建议零售价$1,999，但由于GDDR7短缺，截至2026年8月市场价为$4,300-$5,000以上。
RTX 4090：16,384个CUDA核心，826 TFLOPS，约1,008 GB/秒显存带宽，24GB GDDR6X。已停产(EOL)——NVIDIA已停止生产。 市面上出售的每一张都是二手的，价格约为$2,000-2,600。
真实世界LLM推理(Llama 3.3 70B，Q4，batch=1)：RTX 5090达到约50-55 tokens/秒，RTX 4090达到约36 tokens/秒。在70B模型上快40-50%。 这些单卡速度不受价格变化影响——变化的只是获得它们的成本。
对于7B模型(受显存带宽限制而非算力限制)：RTX 5090达到约90 tokens/秒，RTX 4090达到约75 tokens/秒。快约20%。 在较小模型上差距更小。
4090和5090之间VRAM重要吗？
RTX 5090拥有32GB GDDR7。RTX 4090拥有24GB GDDR6X。 这8GB的差异对特定模型大小很重要——这一VRAM计算不受4090停产或任一显卡当前价格的影响。
5090的VRAM优势是真实的：34B Q8(约需28GB)在32GB中运行舒适，但在24GB中相当紧张。70B Q4(约需38-40GB)在任一单卡上都无法容纳——需要双GPU或Apple Silicon。对于7B-13B模型，24GB绰绰有余。
每token成本：哪个真正更便宜？
- 二手RTX 4090：约$2,000-2,600(EOL，仅在二手市场，相比2026年初的约$999-1,299)。在Llama 70B上达到36 tokens/秒。每token成本：每百万token约$56-72。
- 全新RTX 5090：市场价$4,300-5,000以上(建议零售价$1,999，因2026年GDDR7短缺而抬高)。在Llama 3.3 70B Q4上达到约52 tokens/秒。每token成本：每百万token约$83-96。
- 结论：4090每生成token的成本仍然更低， 即便在其停产导致价格上涨之后——因为5090的短缺溢价增长得比4090更快。
什么时候真正应该从4090升级到5090？
永远不要为7B-13B推理而升级。 无论价格如何，4090对这些模型都是过剩的。你无论如何都会受限于CPU或散热。
如果你已经拥有4090：请保留它。 在5090市场价为$4,300-5,000以上的情况下，升级的性价比比以往任何时候都差。只有在70B上需要超过40 tok/秒，或需要32GB来运行34B Q8且成本不是障碍时才考虑更换。
如果你两者都没有且需要一张能运行70B的显卡： 比较当前的挂牌价格。二手4090(约$2,000-2,600，EOL/仅二手)在每token成本上仍优于全新5090(约$4,300-5,000以上)，代价是吞吐量低30-50%。
双GPU替代方案已经改变： 两张二手RTX 4090合计现在约需$4,000-5,200——接近单张5090的市场价——在70B Q4上合计可获得约65-72 tokens/秒(与单张5090相当或更好)。代价是仅能从二手渠道采购(无保修，EOL供应)以及更复杂的配置(张量并行)。
关于5090的常见误解
- 认为RTX 4090仍在售卖全新款——并非如此。NVIDIA已于2026年停产RTX 40系列；市场上的每一张4090都是二手的，价格远高于年初水平。
- 认为RTX 5090的$1,999建议零售价就是你实际支付的价格——截至2026年8月，由于GDDR7短缺，市场价为$4,300-$5,000以上。
- 认为5090比4090快2倍——在70B上只快40-50%，在7B模型上仅快约20%。
- 假设两张卡显存相同——并非如此。5090有32GB，4090有24GB。这8GB的差异对34B Q8模型很重要。
- 认为运行70B模型必须要5090——4090以36 tokens/秒运行得很好，这对大多数用户来说已经"足够"，而且即使在停产导致价格上涨后，它仍是每token成本最低的显卡。
常见问题
2026年RTX 4090还能买到全新的吗？
不能。NVIDIA已于2026年停产RTX 40系列。现在出售的每一张RTX 4090都是二手的，价格已升至约$2,000-2,600——原因是停产导致的稀缺性，以及RTX 50系列自身GDDR7短缺带来的需求外溢。
运行Llama 3.3 70B值得买RTX 5090吗？
现在比以往任何时候都更取决于价格。4090以约$2,000-2,600的二手价提供约36 tok/秒。5090提供约52 tok/秒，但截至2026年8月市场价为$4,300-$5,000以上。如果持续运行70B则值得；否则二手4090是更务实的选择。
应该买一张RTX 5090还是两张RTX 4090？
两张二手4090(总计约$4,000-5,200)在70B原始速度上(合计约72 tok/秒对约52 tok/秒)优于单张5090(市场价约$4,300-5,000以上)。但双GPU配置增加了复杂性——张量并行、二手卡无保修。5090配置更简单且仍在生产，并为34B Q8场景提供32GB统一显存。
RTX 5090的显存比4090多吗？
是的。RTX 5090拥有32GB GDDR7，而RTX 4090为24GB GDDR6X。多出的8GB使5090能够宽裕地运行34B Q8模型(需约28GB)。两张卡都无法在不跨GPU拆分的情况下容纳70B Q4(需约38-40GB)。这一显存差异与4090的停产无关。
对于14B模型来说RTX 5090是否过剩？
在大多数情况下是的。14B Q4模型需要约9GB显存，在4090上已能以约55-65 tok/秒运行——已经很快。5090将提供约65-75 tok/秒，提升有限。二手4090(甚至3090)对于14B推理的性价比要高得多，尤其是在目前的5090价格下。
RTX 5090笔记本电脑显卡有32GB显存吗？
没有。RTX 5090 Laptop GPU由于功耗和散热限制，显存被削减至24GB GDDR7(桌面版为32GB)。它比桌面版5090慢得多，但在同一任务上仍比4090快。
5090的价格会跌回$1,999的建议零售价吗？
只有当2026年的GDDR7内存短缺缓解后才会——目前没有确定的时间表。当前市场价为$4,300-$5,000以上，超过建议零售价的两倍。4090的价格历史提醒我们，二手市场价格并非总是只跌不涨：它从2022年发布时的$1,499跌至二手最低约$999，之后在2026年停产后又反弹至约$2,000-2,600。
我可以用750W电源使用RTX 5090吗？
勉强可以。RTX 5090单卡功耗为575W。请搭配850W或1000W电源，以避免负载下的电压骤降。
RTX 5080比5090更值得购买吗？
对大多数人来说是的——5080的速度约为5090的80%，价格却低得多，尽管它同样受到2026年GDDR7短缺导致的价格上涨影响。对于本地LLM，5080通常是最佳性价比选择。
在Qwen-VL 70B等多模态模型上5090快多少？
同样有20-25%的提升。多模态计算仍然受显存带宽限制，因此5090的带宽优势有帮助，但不算显著。
来源
- NVIDIA RTX 5090和4090官方规格：CUDA核心数、TFLOPS、显存带宽
- MLCommons MLPerf推理基准测试：LLaMA 70B和Mistral模型的token生成速度
- TechPowerUp GPU数据库：RTX 5090对比4090的功耗与显存带宽比较