Die NVIDIA RTX 3080 ist eine Consumer- GPU, basiert auf der Ampere-Architektur und verfügt über 10 GB Speicher mit 760 GB/s Speicherbandbreite und einer TDP von 320 W. Sie liefert 29,8 TFLOPS FP32-Rechenleistung. Derzeit bei 3 Anbieter verfügbar, ab 0,03 €/GPU/Stunde, mit einem Marktmedian von 0,11 €/GPU/Stunde über 14 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
3 Angebote von 3 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | 16 | 63 GB | Ab0,026 € +4.3% 30T | Ab0,03 € | Starten | ||
| ×1 | 8 | 15 GB | -- | Ab0,069 € +50.0% 30T | Ab0,07 € | Starten | |
Theta EdgeCloudIm Trend | ×1 | 40 | 110 GB | Ab0,172 € 0.0% 30T | Ab0,17 € | Starten |
LLMs, die auf die NVIDIA RTX 3080 passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 10 GB pro GPU. Gezeigt werden die 12 größten passenden Modelle.
| Modell | Parameter | 16 Bit | 8 Bit | 4 Bit |
|---|---|---|---|---|
| Laguna-S 2.1 Poolside | 118 Mrd. 8 Mrd. aktiv | — Nicht veröffentlicht | 155 GB Zu groß | 90 GB Knapp auf 8× · 6 % übrig |
| gpt-oss-120b OpenAI | 117 Mrd. 5,1 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 78 GB 8× · 1,7 GB frei |
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB Knapp auf 8× · 11 % übrig | 47 GB 8× · 33 GB frei oder 4× · 1 % übrig | 28 GB 4× · 12 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB 8× · 1,4 GB frei | 43 GB 8× · 37 GB frei oder 4× · 10 % übrig | 25 GB 4× · 15 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB 8× · 4,9 GB frei | 41 GB 8× · 39 GB frei oder 4× · 16 % übrig | 24 GB 4× · 16 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB 8× · 5,1 GB frei | 41 GB 8× · 39 GB frei oder 4× · 16 % übrig | 24 GB 4× · 16 GB frei oder 2× · 0 % übrig |
| Qwen3.6 27B Alibaba | 27,8 Mrd. | 67 GB 8× · 13 GB frei | 37 GB 4× · 3,3 GB frei | 21 GB 4× · 19 GB frei oder 2× · 12 % übrig |
| Mistral Small 3.2 24B Mistral AI | 24 Mrd. | 58 GB 8× · 22 GB frei | 32 GB 4× · 8,3 GB frei | 18 GB 2× · 1,6 GB frei |
| gpt-oss-20b OpenAI | 21 Mrd. 3,6 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 17 GB 2× · 3,5 GB frei |
| Gemma 3 12B Google | 12,2 Mrd. | 29 GB 4× · 11 GB frei | 16 GB 2× · 3,9 GB frei | 9,4 GB Passt knapp auf 1× |
| Granite 4.1 8B IBM | 8,8 Mrd. | 21 GB 4× · 19 GB frei oder 2× · 13 % übrig | 12 GB 2× · 8,4 GB frei oder 1× · 3 % übrig | 6,8 GB 1× · 3,2 GB frei |
| Qwen3 8B Alibaba | 8,2 Mrd. | 20 GB Passt knapp auf 2× | 11 GB 2× · 9,2 GB frei oder 1× · 10 % übrig | 6,3 GB 1× · 3,7 GB frei |
Schätzungen: Modellgewichte plus 20 % für KV-Cache und Laufzeit-Overhead, bei kurzen Kontextlängen. Lange Kontexte und große Batches benötigen mehr. Als „knapp“ markierte Zeilen fassen die Gewichte, aber nicht diesen vollen Puffer. Ein ×N-Wert ist der gesamte VRAM über N dieser GPUs und sagt nichts über den Durchsatz der Verbindung aus. Wie wir das schätzen · Stattdessen vom Modell aus starten
Mehr von dieser Seite?
Falsche Daten?

