一张3090，五小时造出FPS

单张RTX 3090，也能让27B模型连续“干活”

9月14日，一名开发者在社区展示了一次颇具代表性的本地编程实验：用单张超频后的RTX 3090运行Q4_K_M量化版Qwen3.8-27B，再通过两套Harness驱动模型持续生成、修改和验证代码，约5小时后做出了一款可以实际游玩的第一人称僵尸射击游戏。

从公开演示和描述来看，这个游戏已经具备第一人称移动、射击、敌人以及场景反馈等基本要素。它显然谈不上完整商业游戏，画面、关卡设计、代码结构和异常处理也不太可能经得起专业团队审查，但它越过了一个重要门槛：不是只能截图展示的网页原型，而是能够启动、操作并形成基础玩法循环的软件。

更关键的是，这个过程没有依赖云端模型API，也没有用最新的数据中心GPU。RTX 3090发布于2020年，已有大量二手卡在开发者手中流通。用这样一张24GB显存的消费级显卡，把一个270亿参数模型塞进本地环境，并让它连续承担数小时的Agent编程任务，本身比“AI又做了一个小游戏”更值得关注。

先说结论：厉害的不是FPS，而是本地Agent闭环

用大模型生成射击游戏早已不算新鲜。Claude、GPT、Gemini等闭源模型都能在较短时间内写出类似Demo，一些专门面向游戏开发的Agent甚至可以直接控制编辑器、导入素材和运行测试。

这次实验的不同之处，是它把整条链路压进了一台普通工作站：

1. 模型权重在本地加载；
2. Harness负责拆解需求和调用工具；
3. 模型读取项目文件并生成代码；
4. 编译器或运行环境返回错误；
5. 模型根据日志继续修复；
6. 多轮循环后形成可运行版本。

这说明27B级开源模型的价值正在发生变化。过去，这个参数规模通常被视为“单轮问答还不错，但复杂开发不够稳”；现在，模型未必需要一次性给出完美答案，只要能在Harness里持续读日志、改文件、跑测试，它就可以用更多推理轮次换取最终完成度。

换句话说，Harness正在把模型从“答题选手”变成“能返工的开发者”。模型单次输出是否完美，仍然重要，但不再是唯一决定因素。

27B模型为什么能塞进24GB显存

Qwen3.8-27B是一个约270亿参数的稠密模型。如果直接使用FP16权重，仅参数理论上就要占用约54GB显存，单张RTX 3090肯定装不下。

此次测试使用的是Q4_K_M量化版本。这个命名通常出现在GGUF生态中，可以简单理解为一种4-bit混合量化方案：模型大部分权重以约4 bit精度保存，对部分更敏感的张量使用相对更高精度，从而在体积、速度和输出质量之间折中。

只算理论下限，270亿参数乘以4 bit，大约需要13.5GB存储空间。但真实运行时远不止模型权重，还要给以下部分留出显存：

• 量化元数据和部分高精度张量；
• KV Cache；
• CUDA运行时和算子工作区；
• 上下文输入与批处理缓存；
• 推测解码或多Token预测所需模块；
• Harness可能并发提交的任务。

因此，单卡部署真正难的不是“模型文件能不能装进去”，而是装进去以后还能否留下足够空间跑长上下文。24GB显存运行27B模型，属于能用但谈不上宽裕的状态：上下文越长，KV Cache占用越大；并发越高，显存压力也越明显。

这也是为什么单卡本地部署通常要同时控制量化档位、上下文长度和并发数。一个更现实的起步配置思路是：

model: Qwen3.8-27B-Q4_K_M
mode: single-user
context_length: 8192
concurrency: 1
prompt_cache: enabled
agent_strategy:
  - plan
  - edit
  - run
  - inspect_logs
  - repair

这不是针对某个推理框架的可直接复制配置，而是一组资源分配原则：先保证单用户、有限上下文和稳定工具循环，再考虑更长上下文或多任务并发。对编程Agent来说，稳定跑完20轮，通常比第一轮多塞几万Token更有意义。

测试者还使用MSI Afterburner对RTX 3090进行了超频，据称性能提升约12%。这个增幅有帮助，但不是实验成立的核心。没有这12%，任务可能只是从5小时变成更久，而不是彻底跑不了。真正让单卡成为可能的，仍然是4-bit量化、推理引擎优化以及对上下文和显存的精细控制。

“两套Harness”不等于“两张显卡”

这次案例在传播过程中出现了一个容易混淆的细节：部分二次转述称使用了两张二手RTX 3090，而9月15日披露的测试信息则明确指向单张超频RTX 3090，并提到使用了两套Harness方案。

Harness在这里指的是包裹模型的Agent执行框架或任务脚手架，不是GPU数量。它负责向模型暴露文件系统、终端、编译器和测试工具，并管理多轮任务状态。

现阶段更稳妥的表述是：单张3090运行Q4_K_M版Qwen3.8-27B已经具备明确的技术可行性，相关开源部署仓库也给出了单卡运行模式；至于此次游戏生成实验的全部硬件拓扑、两套Harness分别承担什么角色、是否存在阶段性切换，目前公开信息仍不完整。

这不影响案例的主要结论，但开发者不应把一个社区Demo直接理解成标准化Benchmark。5小时这个数字只有在以下条件一致时才有比较意义：

• 是否从空目录开始；
• 是否使用现成游戏模板和素材；
• 是否包含人工修改；
• Harness是否自动运行和验证项目；
• 模型实际生成了多少Token；
• 失败任务是否计入总耗时；
• GPU是否一直处于满负载状态。

“5小时做出游戏”是一个结果描述，不是严谨的性能指标。

5小时背后，Harness可能比模型更重要

如果只是让模型一次性输出一个FPS项目，成功率通常不会太高。游戏开发涉及输入系统、碰撞检测、敌人状态、资源路径、场景初始化和渲染循环，其中任何一个环节出错，都可能导致项目无法启动。

Harness的作用，就是把一个模糊目标拆成模型可以反复执行的小循环。例如：

目标：实现一个可玩的第一人称僵尸射击Demo

验收条件：
1. 项目能够无报错启动
2. 玩家可以移动和转动视角
3. 鼠标点击能够射击
4. 敌人可以接近玩家并受到伤害
5. 玩家或敌人存在生命值状态
6. 失败后可以重新开始

执行循环：
读取项目 → 制定下一步计划 → 修改文件 → 启动测试
→ 收集错误日志 → 定位问题 → 小范围修复 → 再次测试

这套方法并不依赖某个特定模型。模型能力决定每轮修改的质量，Harness则决定错误能否被及时暴露，以及任务会不会在几轮之后偏离目标。

对本地小模型来说，后者尤其重要。顶级闭源模型有时可以凭借更强的长上下文理解和代码推理能力，一次跨越多个模块；27B量化模型更适合短周期、强反馈的开发方式。让它一次重写20个文件，很容易失控；让它每次只修复一个可以通过测试验证的问题，完成率反而可能更高。

这也是该案例对开发者最实际的启示：本地编程Agent的效果，不能只看模型排行榜。项目索引、上下文裁剪、错误日志、测试脚本、文件权限和回滚机制，都会直接决定最终结果。

它证明了什么，又没有证明什么

这次实验至少证明了三件事。

1. 24GB显存仍然是本地AI开发的重要档位

RTX 3090虽然已经不新，但24GB显存使它仍然能容纳27B级4-bit模型。很多新一代消费卡算力更高，显存容量却未必明显增加。对本地大模型而言，能否加载模型往往比峰值算力更先决定体验。

二手3090的另一个吸引力是固定成本。对于每天都要跑数小时代码生成、内部文档处理或数据分析的个人开发者，本地机器不按Token计费，也不会因为一次失控的Agent循环产生意外账单。

2. 中型开源模型已经能承担长流程任务

Qwen3.8-27B相较前代强化了编程和办公场景，并提供reasoning_effort能力，用于根据任务难度调整思考深度。这个方向很适合Agent：简单的文件查询不必长时间推理，架构调整和疑难错误则可以分配更多计算预算。

真正重要的不是它在某个代码榜单上超过了谁，而是它能否在连续数小时的工具调用中保持目标、理解错误并逐步收敛。游戏Demo至少说明，它已经不只是一个本地代码补全模型。

3. 隐私敏感的开发任务有了更现实的本地选项

本地推理意味着源代码、日志、密钥配置和内部文档不必离开工作站。对于无法把仓库发送给第三方API的企业，这一点可能比模型是否快20%更重要。

但这个案例没有证明单张3090可以取代云端前沿模型。

量化会带来能力损失，尤其容易影响长上下文稳定性、复杂重构和细节遵循。单用户体验也不能外推到团队并发服务。一个人让模型慢慢写Demo，和十名工程师同时请求代码审查，是完全不同的负载。

此外，“能运行”不等于“适合生产”。如果Harness拥有终端写权限，模型可能删除文件、安装不可信依赖或执行高风险命令。本地部署解决了数据外传问题，却没有自动解决Agent安全问题。至少应使用容器、非特权账户、目录白名单和版本控制快照隔离执行环境。

真想复现，先别急着超频

对于准备在3090上尝试Qwen3.8-27B的开发者，更合理的顺序不是先拉高显卡功耗，而是先把任务和运行环境收紧。

建议从以下步骤开始：

• 选择Q4_K_M或相近的4-bit量化，先验证模型能否稳定加载；
• 将上下文控制在8K左右，根据显存余量逐步增加；
• 使用单并发模式，避免Harness同时启动多个推理任务；
• 把游戏或应用拆成可独立验收的小功能；
• 为构建、启动和基础交互编写自动化测试；
• 每轮修改后自动提交Git快照，失败时直接回滚；
• 限制Agent可执行的Shell命令和可写目录；
• 记录首Token延迟、生成速度、显存峰值和失败轮次，而不只记录总耗时。

如果项目本身没有自动化测试，模型很容易陷入“代码看起来对，但根本跑不起来”的状态。对于Agent编程，测试脚本不是最后补的工程设施，而是模型的眼睛。

3090没有突然变成游戏工作室，但门槛确实降了

单张RTX 3090、一个4-bit量化的27B模型、两套Harness，再加约5小时运行时间，就能得到一款可玩的第一人称射击Demo。这件事最值得注意的地方，不是AI将取代游戏开发者，也不是一张旧显卡可以媲美顶级云端模型。

它真正释放的信号是：本地开源模型已经开始跨过“只能聊天和补全代码”的阶段，进入可以在工具环境中持续工作的阶段。

对于个人开发者，这意味着一台成本可控的工作站就能运行全天候编程Agent；对于企业，这意味着部分代码生成、数据处理和内部自动化任务可以留在内网；对于模型厂商，竞争也不再只是参数规模和榜单分数，而是谁能在有限显存里，以更低的量化损失完成更长的任务链。

当然，一个僵尸射击Demo距离可靠软件还有很远。真正困难的仍然是需求澄清、架构设计、测试覆盖、可维护性和安全边界。模型可以在5小时里堆出一个能玩的原型，却未必能在未来5个月里维护它。

但作为一次消费级硬件上的极限测试，它已经足够说明问题：本地Agent开发不再只是高端工作站玩家的实验。六年前发布的3090，如今仍能成为一名不算快、偶尔犯错，却可以不间断返工的AI程序员。

参考来源

• IT之家：网友测试Qwen3.8-27B模型极限——介绍单张超频RTX 3090运行量化模型，并在约5小时内生成僵尸射击游戏的社区实验。
• GitHub：Qwen3.8-27B on one RTX 3090——单张RTX 3090部署Qwen3.8-27B的开源配置、补丁验证及单用户与批处理运行说明。
• 知乎：Qwen3.8-27B本地运行与游戏生成案例——对Qwen3.8-27B本地部署和第一人称射击游戏实验的二次梳理。