两张3090别硬拼48G，拆开分工才最值
两张3090，9成新也好，老卡也好，很多人都在做同一件事：绑一起跑大模型。显存是大了，但第二张卡从此失去独立身份，只能跟着第一张一起排队。真正让两张3090物尽其用的，不是堆显存，而是分工。一张负责模型推理，另一张负责图像生成。夜里让 agent 自动派单，写稿、出图可以并行。方法并不复杂，关键只有一个环境变量和一次服务重启，耗时大约五分钟。
我用的环境如下：Z690 HERO 主板、i5-12490F、32G DDR5-6000、Windows 10、NVIDIA 驱动 616.92、Ollama 0.33.0、ComfyUI portable 0.37.1。两张3090分别插在两条 x8 槽上，没有额外花活。
先别急着把两张卡绑成48G。Ollama 作为常驻服务，默认按总显存分配资源。只要两张卡都可见，它可能把模型层拆到两张卡上。表面上显存更宽裕，但每层计算后都要跨卡搬运中间结果，额外通信会拖慢整体速度。
我用的27B Q4版本约17G，一张24G卡装下后，还剩约7G空间放上下文。第二张卡本来没有出场机会。硬拆的结果，是满额任务量，实际效率却打八折。
目标状态应该长这样：0号卡常驻大模型，1号卡基本空闲，随时能接活。
用下面命令看显存：
nvidia-smi
我的结果：0号卡22651 MiB，1号卡571 MiB。
0号卡上是一个27B模型，256K上下文全部放在显存里。再看服务状态：
ollama ps
显示100% GPU，模型常驻不释放。1号卡基本是空的，只有显示输出的底占用，随时可以交给 ComfyUI。
这不是48G拼一块大卡，而是两条独立生产线。
第一步，给大模型指定一张卡。需要设置系统级变量：
CUDA_VISIBLE_DEVICES=GPU-...
这里填的是目标卡的 UUID，也就是 nvidia-smi 里 GPU- 开头的那串。不要填0或1，同型号双卡重启后序号可能变化，UUID才稳定指向同一块物理卡。查询命令：
nvidia-smi --query-gpu=index,uuid --format=csv,noheader
第二步，优化KV缓存。为了让256K上下文塞进单卡，设置：
OLLAMA_KV_CACHE_TYPE = q4_0
如果想让模型尽量吃满整张卡，不留CPU余量，再设置：
OLLAMA_MAX_VRAM = 100
第三步，退出 Ollama 托盘图标，再重新启动。很多人卡在这一步。它读取的是启动时的环境，不重启前面设置无效。注意是退出托盘再启动，不是关窗口。
验证是否成功：
跑一个任务后，用下面命令盯两张卡：
nvidia-smi
目标卡应从几百M升到20G以上并稳定，另一张基本不动。如果两张同时上涨，说明切分没关，要重来。
再看：
ollama ps
100% GPU、上下文262144是正确状态。如果出现CPU字样，说明有层掉出显存，KV没有全部进卡。
再喂128K长任务压一下，目标卡占用应在20G上下稳定。如果在18到22G之间反复跳，说明仍有批次跨卡，要回头查变量。
我的实测：0号卡22651 MiB，1号卡571 MiB，三关都过。
常见坑：
- 改了变量没重启 Ollama，等于没改。
- 填了0/1序号，同型号双卡重启后可能对调，必须用UUID。
- 变量只挂用户级，某些启动方式读不到，钉卡相关建议统一挂系统级。
- 如果还留着下面这个变量，它会主动切卡，和钉卡冲突，删掉：
OLLAMA_SCHED_SPREAD=1
- 单卡装得下的模型硬切分，通信开销白付，小模型反而可能变慢。
钉完大模型后，1号卡完全空闲。ComfyUI portable 自带 Python，启动前同样先声明它要用的卡，把它的 UUID 设置进去。启动参数里必须带：
--disable-pinned-memory
不加这个参数，ComfyUI 可能钉住约90%物理内存，32G机器在跑大模型时容易被内核 OOM 干掉。同配置下，加上后我的实测内存占用从29.8G降到7.5G。这不是可选项。
出图时，1号卡会涨到15-20G，0号卡那22.6G基本不动，验证通过。
最有用的是两张卡能同时干活。给 agent 一句“写篇文章，配三张插图”：0号卡负责写文、拆提示词；1号卡负责出图；图再回0号卡，让27B自己审，因为它原生能看图；不满意就改词重出，满意就继续下一段。
9月底跑短剧时，0号卡挂着22.7G的大模型写剧本、审分镜，1号卡同时在烤 LTX 2.5 的17.5G，两边互不等待，两条流水线并行。
https://teaikeji.com/data/attachment/forum/rehost/wx20261002b6_1.jpg
别只盯着生图：
“一张大模型、一张干活”是通用结构，干活内容可以换。社区里常见玩法：
- 有人把4090卖了，组成双3090，用48G做8bit微调7B；更极限的玩法还有双3090 QLoRA 微调70B。
- 主力卡负责聊天和写代码，副卡半夜自动捞论文、打标签。
- 3090本身是渲染卡出身，突发渲染负载和常驻推理节奏正好错开。
- 如果上NVLink，可以把48G当一块卡用，适合纯模型训练/推理场景。
具体选哪种，看日常负载。前提都是先把卡钉住，后面才能换负载。
买卡前显存优先：
跑模型那张卡，显存是第一指标。模型权重和KV缓存都要进显存，加起来超过容量就会掉到CPU，速度会断崖。
24GB正好是27B Q4的甜点：模型约17G进卡，剩约7G放上下文。往上换70B，单卡塞不下，分工结构直接塌方。往下换7B/14B，显存富裕，但能力不够。
现阶段消费级本地，27B稠密Q4基本是最优解：单卡装得下、原生能看图、支持262K上下文和原生工具调用、Apache 2.0可商用。选卡顺序很简单：显存优先，算力其次。12G上限基本是14B封顶，多花一倍钱往往只是token速度更快。
第二张3090买的不是48G显存，而是一条独立生产线。钉卡五分钟的活，换来一张卡24小时不用排队。
你家另一张卡在干嘛？评论区说说，看看谁还有更野的用法。觉得有用先收藏，别等划走了找不到。
页:
[1]