Vypočítejte TPS modelu GeForce RTX 5090 na místních AI modelech
Každý model v našem katalogu byl posouzen vůči této kartě při délce kontextu a minimální kvalitě, kterou si zvolíte. Rychlost je odhad pro jediný požadavek, vypočítaný z šířky pásma paměti této karty a velikosti každého modelu po kompresi..
Vypočítáno pro tuto kartu
679 modely v našem katalogu dohromady
Největší model, který podporuje
Phi-3.5-MoE
60.8B · Q3_K_M · 187 tok/s
Nejrychlejší model
Gemma 3 QAT 1B
758 tok/s · 1B
Které AI modely mohou běžet na a GeForce RTX 5090?
Nastavte vstupy, přečtěte si odpověď
Více kontextu znamená více paměti pro cache konverzace. Rychlost je pro novou konverzaci a nemění se s tímto nastavením..
Skrývá modely, které by se vešly pouze tím, že by byly komprimovány pod tuto úroveň.
513 modely odpovídají
Vypočítávání| Kvantisace | Pohodlné | ||||||
|---|---|---|---|---|---|---|---|
|
758
tok/s
644–910 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
758
tok/s
644–910 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
758
tok/s
455–1,213 · nízká důvěra |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
758
tok/s
455–1,213 · nízká důvěra |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
758
tok/s
455–1,213 · nízká důvěra |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
758
tok/s
455–1,213 · nízká důvěra |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
702
tok/s
421–1,123 · nízká důvěra |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
689
tok/s
414–1,103 · nízká důvěra |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
689
tok/s
414–1,103 · nízká důvěra |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
689
tok/s
414–1,103 · nízká důvěra |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
689
tok/s
414–1,103 · nízká důvěra |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
632
tok/s
379–1,011 · nízká důvěra |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
632
tok/s
379–1,011 · nízká důvěra |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
632
tok/s
379–1,011 · nízká důvěra |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
632
tok/s
379–1,011 · nízká důvěra |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
616
tok/s
524–740 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Pohodlný |
|
608
tok/s
365–972 · nízká důvěra |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
583
tok/s
350–933 · nízká důvěra |
Phi-1 ≈ | 1.3B | Oct 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..
Na záznamu
GeForce RTX 5090 Plná specifikace
Všechny informace o této desce, seřazené podle toho, jak moc ovlivňují spuštění jazykového modelu, spíše než podle toho, jak by je uvedl seznam specifikací. Memory přichází první, protože rozhoduje o výsledku; zbytek je context..
Paměť
Dvě specifikace, které rozhodují o tom, co tato KARTA může spustit a jak rychle. Kapacita určuje, které modely se vejdou; šířka pásma určuje, kolik TOKENŮ za sekundu produkují, jakmile se vejdou.
- Velikost paměti
- 32 GB
- Šířka pásma VRAM
- 1,790 GB/s
- Typ paměti
- GDDR7
- Šířka sběrnice paměti
- 512 bit
- Frekvence paměti
- 1.75 GHz
Čip
Který procesor je na desce a jak byl vyroben. Menší výrobní technologie obvykle znamená vyšší výkon při stejné spotřebě energie.
- Grafický procesor
- GB202
- Architektura
- Blackwell 2.0
- Generace
- GeForce 50
- Foundry
- TSMC
- Velikost procesu
- 5 nm
- Tranzistory
- 92.2 billion
- Hustota tranzistorů
- 122,900 K/mm²
- Velikost čipu
- 750 mm²
- Uvolněno
- 30 January 2025
Frekvence hodin
Jak rychle procesor běží. Zde má mnohem nižší hodnotu než na herním benchmarku: generování textu je omezeno šířkou pásma paměti, takže vyšší takt sotva posune výsledek.
- Základní takt
- 2.02 GHz
- Zvýšená frekvence
- 2.41 GHz
Zpracovatelské jednotky
Co čip obsahuje. Tyto prvky ovlivňují grafický výkon a mají hlavní význam pro zpracování dlouhého promptu spíše než pro produkci odpovědi.
- Stínovací jednotky
- 21,760
- Jednotky pro mapování textur
- 680
- Renderovací výstupní jednotky
- 176
- Streaming multiprocessory
- 170
- Tensor jádra
- 680
- Jádra ray tracing
- 170
- L1 cache
- 128 KB
- L2 cache
- 96 MB
Teoretický výkon
Maximální aritmetické rychlosti zveřejněné pro kartu. Toto jsou stropy, kterých žádná skutečná pracovní zátěž nedosahuje, a generování textu dosahuje jen malé části z nich, protože je omezeno pamětí spíše než aritmetikou.
- Půl přesnost (FP16)
- 104.8 TFLOPS
- Jednoduchá přesnost (FP32)
- 104.8 TFLOPS
- Dvojitá přesnost (FP64)
- 1.6 TFLOPS
- Rychlost pixelů
- 424 GPixel/s
- Rychlost textury
- 1,637 GTexel/s
Deska
Co je potřeba k fyzickému nainstalování a napájení karty — praktické omezení, která rozhodují o tom, zda se vejde do stroje, který již vlastníte.
- Příkon (TDP)
- 575 W
- Navrhovaný zdroj napájení
- 950 W
- Napájecí konektory
- 1x 16-pin
- Rozhraní sběrnice
- PCIe 5.0 x16
- Šířka slotu
- Dual-slot
- Rozměry
- 304 mm × 40 mm
- Zobrazit výstupy
- 1x HDMI 2.1b, 3x DisplayPort 2.1b
Podpora softwaru
Jaké grafické a výpočetní rozhraní karta podporuje. CUDA výpočetní schopnost je ta, která se týká inferencí: pod 7.0 nejsou žádné tensorové jádra a moderní inferenční software se vrací ke pomalejším kódovým cestám.
- schopnost výpočtu CUDA
- 12.0
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader model
- 6.8
Seznamy
Kde koupit GPU GeForce RTX 5090
Žádný prodejce aktuálně nenabízí tuto KARTU. Seznamy pocházejí od prodejců, kteří je zde zveřejňují přímo. — procházet adresář dodavatele vidět, kdo prodává co.
Co čísla znamenají
Co znamená paměťový subsystém pro AI
Paměť
32 GB
Šířka pásma
1,790 GB/s
Největší model
Phi-3.5-MoE
GeForce RTX 5090 nese 32 GB z GDDR7. Tohle pokrývá středně velké modely, které většina lidí skutečně používá. Jakmile runtime a ovladač rezervují svůj pracovní prostor, zhruba tolik zůstane: 28.8 GB.
Šířka pásma paměti dosahuje 1,790 GB/s napříč autobusu 512 bitů. Generování tokenu znamená přečtení každé váhy jednou, takže tato hodnota určuje tempo více než jakékoli jiné číslo zde, a na této úrovni text přichází rychleji, než většina lidí čte.
Číslo je šířka sběrnice vynásobená hodinami paměti 1.75 GHz. Šíření sběrnice a zvyšování frekvence jsou dvě páky, které výrobce má, a proto může karta s nevýznamnými jádry stále generovat rychle.
Sestaveno, největší model, který se vejde, je Phi-3.5-MoE, 60.8B, komprimováno na Q3_K_M a generováním kolem 187 tokenů za sekundu
Čip a jak byl vyroben
GeForce RTX 5090 je postaven na grafickém procesoru GB202, používající architekturu Blackwell 2.0 z NVIDIA, jako součást generování GeForce 50.
Čip je vyráběn společností TSMC, na procesu 5 nm, s kostkou o rozměrech 750 mm², držení 92.2 billion Tranzistory. Menší proces obvykle znamená více výkonu při stejné spotřebě, i když pro jazykové modely to má mnohem menší význam než paměťový subsystém.
Bylo to vydáno v January 2025, hrubě 1.5010440816301 před lety. Podpora softwaru pro inference obvykle následuje hardware o rok nebo dva, takže karta tohoto stáří má obvykle k dispozici zralé, dobře optimalizované kódové cesty.
Výpočetní propustnost a proč je méně důležitá, než vypadá
FP16
104.8 TFLOPS
FP64
1.6 TFLOPS
Tensor jádra
680
Na papíře GeForce RTX 5090 dosahuje 104.8 TFLOPS při poloviční přesnosti, a 104.8 TFLOPS na jedné přesnosti. Toto jsou špičkové údaje, které žádné skutečné zatížení nepodporuje, a generování textu dosahuje pouze malé části z nich - dekódování je omezeno pamětí spíše než aritmetikou, což je důvod, proč karta může vypadat extrémně výkonně zde a přesto produkovat tokeny běžnou rychlostí.
Výkon s dvojitou přesností dosahuje 1.6 TFLOPS. Nemá to vliv na spuštění jazykového modelu — žádný inference runtime to nepoužívá — ale odděluje součásti datového centra od spotřebitelských, protože ty ostatní to úmyslně omezují.
Karta nese 680 Tensor jádra napříč 170 Streaming multiprocessory. Tyto zrychlují maticovou aritmetiku, která je základem transformátoru, a jsou tím, co činí zpracování příkazů — čtení dlouhého dokumentu před odpovědí — dramaticky rychlejší, než by tomu jinak bylo.
Hodiny běží od základu 2.02 GHz k zvýšení 2.41 GHz. Zde má mnohem nižší hodnotu než na herním benchmarku: zvyšování taktovacích frekvencí zrychluje aritmetiku, a na aritmetiku není generace čekající.
Cache a zpracovatelské jednotky
GeForce RTX 5090 má L1 cache 128 KB, podporováno L2 cache 96 MB. Cache vstřebává část paměťového provozu, který by jinak zasáhl hlavní sběrnici, což je jediné místo na této stránce, kde číslo jiné než šířka pásma tiše ovlivňuje rychlost generování — velká L2 umožňuje větší množství pracovního souboru zůstat blízko jader.
Existují 21,760 Stínovací jednotky, 680 Jednotky pro mapování textur, a 176 Renderovací výstupní jednotky. Tyto zařízení zpracovávají grafické pracovní zátěže a přispívají k zpracování výzev, ale většinu času, kdy model generuje odpověď, zůstávají nečinné.
Síla, velikost a instalace
Příkon
575 W
GeForce RTX 5090 je ohodnocen na 575 W, a navrhovaný systémový zdroj energie je 950 W. Spouštění jazykového modelu zaměstnává kartu v impulzech spíše než nepřetržitě — při generování spotřebovává hodně a mezi požadavky nečinní — takže trvalá spotřeba během pracovního dne je obvykle pod uvedenou hodnotou.
desku zabírá dual-slot, měření 304 mm dlouhý, a potřebuje 1x 16-pin. Stojí za to zkontrolovat případ a napájecí zdroj již v stroji, protože největší KARTY potřebují podstatně více obojího než typická desktopová konfigurace poskytuje.
Spojuje se přes PCIe 5.0 x16. Rozhraní určuje, jak rychle je model načten z disku do karty, nikoli jak rychle běží poté, co je tam, takže užší spojení stojí několik sekund při spuštění a nic víc.
Extrémy
Největší AI modely, které běží na GPU GeForce RTX 5090
Největší open-weight modely, které se vejdou na tuto kartu, nejnovější první. Každý je zobrazen při nejlepší kompresi, kterou karta může zvládnout..
Nejrychlejší AI modely na a GeForce RTX 5090
Kde tato KARTA produkuje TOKENY nejrychleji. Menší modely zde dominují, protože generování každého TOKENU znamená přečtení celého modelu z MEMORY jednou..
Krok za krokem
Jak vypočítat tokeny za sekundu AI modelu GeForce RTX 5090
Nemusíte nic počítat ručně — kalkulačka gputps.com na této stránce to už vypočítala pro každý model, který tato karta může podpořit. Přečtení odpovědi trvá šest kroků.
-
01
Model: AI model. Spuštění AI modelu. Nevejde se do GPU VRAM. Těsný. Pohodlný. Open-source AI model. V naší databázi. Nově vydané GPU. GPU VRAM/bandwidth. GPU karta. Kontextová délka.
Tabulka uvádí 513 modely, které karta zvládá. Vyhledávací pole přijímá název nebo velikost, jako je 27b, která odpovídá počtu parametrů.
-
02
Přizpůsobte kontext své práci
Nastavte kontext na svou skutečnou pracovní délku. Krátké otázky téměř nic nestojí, ale dlouhý dokument může spotřebovat velký podíl. 32 GB takže nastavení stojí za to udělat správně.
-
03
Vyberte, jak daleko chcete komprimovat.
Kompresce je to, co umožňuje větším modelům se vejít. Kontrola kvality vyřadí jakýkoli model, který vyžaduje více toho, než jste ochotni poskytnout.
-
04
Přečtěte si rychlost a rozsah
Čísla jsou vypočítaná, ne měřená. Nejrychlejší výsledek na této kartě je 758 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.
-
05
Přečtěte si soud o fitu naposled.
Těsné znamená, že to dnes funguje; pohodlné znamená, že to stále funguje, když se konverzace rozrůstá. Porovnejte, co každý model potřebuje, s dostupným. 32 GB.
-
06
Zkontrolujte stejný model z druhé strany
Každé jméno modelu v tabulce odkazuje na svou vlastní stránku, která provádí stejné výpočty na každé kartě, kterou máme. Tam vidíte, zda je správný nákup GeForce RTX 5090.
Odpovědi
GeForce RTX 5090 — běžné otázky
GeForce RTX 5090— může to běžet 30B modely?
Ano. Například běží ERNIE-4.5-VL-28B-A3B na Q6_K, používající přibližně 22.7 GB paměti a generování kolem 219 tokenů za sekundu
GeForce RTX 5090— kolik má paměti?
Tato karta má 32 GB z GDDR7. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 28.8 GB dostupný pro model a jeho konverzaci.
GeForce RTX 5090— jaká je její šířka pásma VRAM?
Šířka pásma paměti dosahuje 1,790 GB/s napříč autobusu 512 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.
GeForce RTX 5090— Jaký typ paměti používá?
Používá GDDR7 častěji než 1.75 GHz. Typy HBM se nacházejí na akcelerátorech datových center a mají mnohem větší šířku pásma než GDDR používané na desktopových kartách, což je důvod, proč generují tokeny podstatně rychleji při stejné kapacitě.
GeForce RTX 5090— Kdo to vyrábí?
Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 5 nm.
GeForce RTX 5090— Kdy byl vydán?
Bylo to vydáno v January 2025.
GeForce RTX 5090— kolik energie to spotřebovává?
Hodnocená výkonová karta je 575 W, a navrhovaný systémový zdroj energie je 950 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.
GeForce RTX 5090— kolik má cache?
L1 cache je 128 KB, a L2 cache je 96 MB. Cache absorbuje část paměťového provozu, který by jinak dosáhl hlavní sběrnice, takže větší L2 poskytuje skromné zvýšení rychlosti generování nad rámec toho, co předpovídá pouze šířka pásma.
GeForce RTX 5090— jaké jsou její TFLOPS?
Je hodnocena na 104.8 TFLOPS při poloviční přesnosti a 104.8 TFLOPS na jediné přesnosti. Toto jsou maximální aritmetické stropy spíše než dosažitelné rychlosti, a generování textu dosahuje pouze malé části z nich, protože je omezeno šířkou pásma VRAM.
GeForce RTX 5090— kolik má tensorových jader?
Má 680 Tensor jádra napříč 170 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.
GeForce RTX 5090— Podporuje to CUDA?
Ano. Hláší CUDA výpočetní schopnost 12.0. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.
GeForce RTX 5090— jaké rozhraní sběrnice používá?
Používá PCIe 5.0 x16. Tohoto určuje, jak rychle je model nahrán na kartu, spíše než jak rychle běží po nahrání, takže to stojí několik sekund při spuštění a nic během generace.
GeForce RTX 5090— Je to dobré pro běh místních AI modelů?
Jeho paměť pohodlně pokrývá středně velké modely, které většina lidí spouští místně, a jeho šířka pásma je dostatečně vysoká, aby generovala text rychleji, než většina lidí čte. Celkem běží 513 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.
GeForce RTX 5090— může spustit model, který se nevejde do jeho VRAM?
Může být rozdělen, přičemž přetečení je uchováváno v systémové MEMORY za hranicemi karty. 32 GB sedí v systémové paměti a běží zlomek rychlosti, takže většinou offloadovaný model se zřídka vyplatí používat. Každé číslo zde předpokládá, že je plně umístěno na kartě.
Byly by dvě GeForce RTX 5090 Karty budou dvakrát rychlejší?
Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 64 GB pracovat s spíše než dvojnásobek tokenů za sekundu — každá hodnota zde je pro jeden KARTU.
GeForce RTX 5090— které AI modely může spustit?
513 z 679 Otevřené váhové jazykové modely, které sledujeme, se vejdou na tuto kartu a mohou být spuštěny lokálně. Tabulka na této stránce obsahuje každý z nich, s pamětí, kterou potřebuje, kvantizací, na které běží, a odhadovanou rychlostí generování.
GeForce RTX 5090— jaký je největší AI model, který může spustit?
Největší model v našem katalogu, který se vejde, je Phi-3.5-MoE na 60.8B parametry, komprimované na Q3_K_M. Generuje přibližně 187 tokens za sekundu a potřebuje asi 27.2 GB VRAM karty.
GeForce RTX 5090— kolik tokenů za sekundu produkuje?
Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 758 tokenů za sekundu, zatímco větší modely běží proporčně pomaleji, protože každý token vyžaduje přečtení celého modelu z paměti jednou. Rychlosti jsou odhady pro jednorázový rozhovor.
GeForce RTX 5090— může to běžet 7B modely?
Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 113 tokenů za sekundu
GeForce RTX 5090— může to běžet 13B modely?
Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 263 tokenů za sekundu
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od hardwaru. Pokud již víte, který model chcete, a potřebujete vědět, co je potřeba k jeho spuštění, Začněte od modelu.