12 novembre 2026 · Team VRAMfarm

RTX 3090 vs RTX 4090 per l'IA: stessi 24 GB, quanto paghi davvero per ogni lavoro

Entrambe le schede hanno 24 GB di memoria video, quindi una RTX 3090 e una RTX 4090 fanno girare esattamente gli stessi modelli. Quello che compri con la 4090 è velocità, e quanta dipende dal lavoro: circa 1,6–2,5 volte più veloce per le immagini con Flux e SDXL, circa il doppio per il training delle LoRA e solo il 10–20% di token al secondo in più quando chatti con un modello linguistico. La 3090 si noleggia da 0,30 € all’ora e la 4090 da 0,59 €, quindi quale delle due costa meno per il tuo lavoro si riduce a un solo confronto: il rapporto tra i prezzi contro il rapporto tra le velocità.

Le specifiche che contano, fianco a fianco

La riga del calcolo usa l’accumulo in FP32, la modalità che PyTorch usa di norma per il training e per quasi tutta l’inferenza.

Due righe spiegano quasi ogni benchmark che troverai. Il calcolo tensor più che raddoppia, quindi tutto ciò che è limitato dal calcolo (modelli di diffusione, training, lettura di un prompt lungo) va circa il doppio più veloce. La banda di memoria cresce solo dell’8%, quindi generare testo un token alla volta cambia poco: per ogni nuovo token la scheda legge l’intero modello dalla memoria, e le due schede leggono quasi alla stessa velocità. La cache L2 molto più grande della 4090 aggiunge un po’ sopra, ed è per questo che il guadagno reale si ferma al 10–20% invece che all’8%.

L’FP8 è la terza differenza. Entrambe le schede possono caricare pesi fp8, quindi Flux, Qwen-Image e Wan in fp8 occupano la stessa memoria su tutte e due. Solo la 4090 calcola in fp8; la 3090 prima converte i pesi a 16 bit. In ComfyUI l’opzione di avvio --fast usa i calcoli fp8 della 4090, ed è da lì che arriva la parte alta della forbice di 2,5 volte.

Il consumo conta se compri una scheda, perché 100 W in più restano per anni sulla tua bolletta (il calcolo noleggiare o comprare ne tiene conto). Su una macchina a noleggio l’elettricità è compresa nel prezzo orario, e per ogni lavoro finito la 4090 spesso consuma meno energia perché finisce prima.

Immagini e video: la 4090 è 1,6–2,5 volte più veloce

I modelli di diffusione passano quasi tutto il tempo in calcoli tra matrici, quindi seguono la riga del calcolo. I numeri qui sotto presuppongono 1024×1024, batch size 1 e una coda di ComfyUI che tiene la scheda sempre occupata, le stesse ipotesi dell’articolo sul costo per immagine.

Le colonne dei costi usano i prezzi di oggi, quindi restano aggiornate. Guardale prima di decidere: a seconda del catalogo del giorno, la scheda più lenta può risultare più economica per immagine, più o meno uguale o più cara.

Il video segue lo stesso schema. Wan 2.2 5B sta in 24 GB e gira su entrambe le schede, e la nostra app pronta per il video accetta tutte e due. La 4090 genera una clip di 5 secondi a 720p in circa 4–9 minuti; su una 3090 aspettati più o meno il doppio, perché la diffusione video è limitata dal calcolo quanto le immagini. Wan 2.2 14B chiede più di 24 GB su entrambe (vedi la guida alla VRAM).

Cosa significa in pratica: quando sei davanti a ComfyUI e aspetti ogni risultato, la 4090 dimezza l’attesa, e di solito il tuo tempo vale più della differenza di prezzo. Quando un batch gira di notte e nessuno aspetta, conta solo il costo per immagine.

Modelli linguistici: quasi la stessa velocità

Qui decide la riga della banda. Un modello da 32B a 4 bit come Qwen3 32B occupa circa 20 GB. Dividendo la banda per la dimensione del modello si ottiene un tetto di circa 47 token al secondo sulla 3090 e 50 sulla 4090; i numeri reali sono più bassi su entrambe.

Per una persona che chatta, il guadagno è così piccolo che di solito la 3090 costa nettamente meno per token. Con molte richieste in parallelo il lavoro si sposta verso il calcolo e la 4090 va avanti di circa 1,5 volte.

C’è un altro caso in cui la 4090 vince chiaramente: i prompt lunghi. Leggere un documento da 20.000 token prima di rispondere è limitato dal calcolo, quindi la 4090 elabora il prompt circa il doppio più in fretta e la prima parola della risposta arriva in metà tempo. Se riassumi documenti lunghi o fai retrieval (RAG) su blocchi grandi, la differenza si sente.

La nostra chat privata pronta con Qwen3 32B gira su entrambe le schede. È impostata con un contesto di 8k e una KV cache a 8 bit, perché con un contesto di default più lungo una parte del modello finiva sulla CPU e la velocità crollava a pochi token al secondo. Lo stesso limite vale per tutte e due: stessa memoria, stesso tetto.

Questo risponde anche a una domanda frequente: per gli LLM conta di più la VRAM o la banda? La VRAM decide se il modello gira; la banda decide quanto in fretta risponde. Tra queste due schede la VRAM è uguale e la banda quasi uguale, quindi la chat si comporta quasi allo stesso modo. Per un testo nettamente più veloce, il gradino successivo è la RTX 5090 da 32 GB con 1.792 GB/s.

Training e LoRA: circa il doppio più veloce sulla 4090

Il training è limitato dal calcolo, quindi i tensor core in più della 4090 contano per intero. Una tipica LoRA di Flux.1 dev (20–30 immagini con didascalia, circa 2.000 step, modello base caricato a 8 bit per stare in 24 GB):

Aggiungi 15–25 minuti su entrambe le schede per installare il trainer e scaricare il modello base; ogni avvio si paga per almeno 15 minuti.

Dato che la memoria è la stessa, le stesse impostazioni del trainer (risoluzione, batch size, gradient checkpointing, base a 8 bit) funzionano su tutte e due. Uno schema pratico è fare il debug di dataset e configurazione su una 3090, poi lanciare il training lungo sulla scheda che quel giorno costa meno per ora di progresso. Il fine-tuning completo di modelli da 8B in su chiede più di 24 GB su entrambe, cioè una scheda da 80 GB o più schede.

Calcolare quale scheda costa meno per il tuo lavoro

Il costo per lavoro è prezzo orario × ore. Quindi la 4090 costa meno proprio quando il suo prezzo orario è inferiore al suo vantaggio di velocità moltiplicato per il prezzo della 3090.

In questo momento vuol dire confrontare 0,59 € con 0,30 €. I prezzi del catalogo sono in tempo reale e si muovono durante la giornata, quindi controlla la pagina dei prezzi quando avvii; il prezzo al minuto resta poi fisso per quel server finché non lo fermi.

Poi aggiungi il tuo tempo. Risparmiare cinque ore su un batch da 1.000 immagini vale qualcosa anche se il costo per immagine è di qualche centesimo più alto.

Quando la 3090 è la scelta furba

• Chattare con modelli linguistici fino a 32B o servirli. Stessa memoria, quasi gli stessi token al secondo, un prezzo per token molto più basso.
• Batch notturni e del fine settimana. Nessuno aspetta, quindi l’unico numero è il costo per lavoro, e spesso vince la 3090.
• La fase di preparazione. Installare un trainer, ripulire un dataset, costruire un workflow di ComfyUI: la GPU resta ferma quasi tutto il tempo, quindi fallo sulla scheda più economica e cambia per l’esecuzione vera.
• Quando le 4090 sono tutte occupate. Il catalogo mostra quante macchine di ogni tipo sono libere.

E quando la 4090 vale la spesa: lavoro interattivo sulle immagini, modelli di immagini e video in fp8, training di cui aspetti il risultato e prompt lunghi. Se ti servono più di 24 GB, nessuna delle due ti aiuta; la pagina della RTX 4090 elenca accanto le opzioni più grandi.

Come capire quando salire di scheda

Partire dalla scheda più piccola e salire è una buona abitudine, a patto di sapere cosa guardare. Lancia nvidia-smi -l 2 in un secondo terminale mentre il lavoro gira:

• “CUDA out of memory”: ti serve più VRAM, non una scheda più veloce. Una 4090 ha gli stessi 24 GB e fallirà allo stesso modo.
• Utilizzo della GPU al 90–100% e tu stai aspettando: il collo di bottiglia è la scheda, e una scheda più veloce (4090, poi 5090) aiuta.
• Utilizzo basso o che salta tra 0 e 100%: c’è qualcos’altro di lento, di solito il caricamento dei dati, la CPU o un modello che entra ed esce dalla memoria. Una GPU più veloce non cambia niente; sistema prima la pipeline.

Se sei nel secondo caso, ferma la 3090, salva la cartella e avvia una 4090 con lo stesso setup. Perdi qualche minuto e il minimo di 15 minuti del nuovo avvio, e sai che l’accelerazione è reale.