Karta NVIDIA RTX PRO 6000 z 96 GB pamięci przewyższa cztery karty RTX 5090 w modelu AI o mocy 230 miliardów, zużywając zaledwie 25% mniej energii

Karta graficzna NVIDIA RTX Pro 6000 Blackwell dowodzi, że pojedynczy procesor graficzny może przewyższać tradycyjne konfiguracje wieloprocesorowe, szczególnie w kontekście obsługi rozbudowanych modeli AI. Co ciekawe, wydajność tej karty przewyższa wydajność czterech kart RTX 5090.

Pojedyncza karta graficzna RTX PRO 6000 Blackwell wykonuje model sztucznej inteligencji 230B, zużywając jedną czwartą mocy w porównaniu z czterema kartami RTX 5090

Badania przeprowadzone przez Steveibe’a na platformie X podkreślają wykonalność obsługi dużych modeli AI w środowiskach domowych. Korzystając z MiniMax M2.7, modelu wnioskowania AI o 230 miliardach parametrów, testy przeprowadzono w czterech konfiguracjach z procesorami graficznymi NVIDIA, wykorzystując rozmiar kontekstu 32 KB i maksymalną długość tokena 4096.

MiniMax M2.7 ma parametry 230B. Czy da się go uruchomić w domu? Testowałem UD-IQ3_XXS Unslotha (80 GB) na 4 różnych platformach: 🟠 4x RTX 4090 (96 GB): 71, 52 tok/s, TTFT 1045 ms 🟢 4x RTX 5090 (128 GB): 120, 54 tok/s, TTFT 725 ms 🟡 1x RTX PRO 6000 (96 GB): 118, 74 tok/s, TTFT 765 ms 🟣 DGX… pic.twitter.com/yK8bGg6RtX

— stevibe (@stevibe) 18 kwietnia 2026

Podczas testów porównawczych wykorzystano metodę kwantyzacji IQ3_XXS, czyli GGUF, która obsługuje konfiguracje z mniejszą pamięcią VRAM. Wybrano tę konkretną kwantyzację, ponieważ maksymalnie wykorzystywała 96 GB pamięci VRAM karty graficznej RTX PRO 6000. Poniżej przedstawiono wyniki wydajności dla różnych konfiguracji:

4x RTX 4090 (96 GB): 71, 52 tokenów na sekundę, TTFT 1045 ms
4x RTX 5090 (128 GB): 120, 54 tokenów na sekundę, TTFT 725 ms
1x RTX PRO 6000 (96 GB): 118, 74 tokenów na sekundę, TTFT 765 ms
DGX Spark (128 GB): 24, 41 tokenów na sekundę, TTFT 741 ms

Pojedyncza karta graficzna NVIDIA RTX PRO 6000 Blackwell osiągnęła imponującą prędkość 118, 74 tokenów na sekundę, niemal dorównując wydajności czterech kart RTX 5090, osiągając 120, 54 tokenów na sekundę. Starsza konfiguracja RTX 4090, składająca się z czterech kart graficznych, osiągnęła znacznie niższą wydajność, wynoszącą 71, 52 tokenów na sekundę. Dla porównania, komputer DGX Spark Mini AI PC z pamięcią 128 GB wypadł gorzej, osiągając 24, 41 tokenów na sekundę.

Wykres porównania wydajności wielu konfiguracji GPU pod kątem szybkości generowania tokenów AI

Chociaż szybkość generowania tokenów przemawia na korzyść kart RTX PRO 6000 Blackwell i RTX 5090, istotne jest uwzględnienie dodatkowych czynników, takich jak zużycie energii i koszt.

Porównanie zużycia energii

Analizując zużycie energii w tych konfiguracjach, można dostrzec wyraźne rozróżnienie:

4x RTX 4090: Maksymalne zużycie energii 1800 W (450 W na kartę graficzną)
4x RTX 5090: Maksymalne zużycie energii 2300 W (575 W na kartę graficzną)
1x RTX PRO 6000: Maksymalny pobór mocy wynosi zaledwie 600 W
DGX Spark: Całkowita moc systemu 240 W

Oznacza to, że pojedyncza karta RTX PRO 6000 pobiera zaledwie jedną czwartą mocy w porównaniu z poczwórną konfiguracją RTX 5090 i około jedną trzecią mocy w porównaniu z czterema kartami RTX 4090. Pomimo niższej mocy, DGX Spark działa wydajnie jako kompletne rozwiązanie systemowe.

Przegląd cen

Z finansowego punktu widzenia, koszty tych GPU mówią same za siebie. Cena RTX PRO 6000 Blackwell wynosi około 9500 dolarów, podczas gdy pojedyncza karta RTX 5090 kosztuje około 3500 dolarów, co daje łącznie 14 000 dolarów za cztery. Cena detaliczna DGX Spark wynosi obecnie 4699 dolarów, po korekcie.

Średnia cena detaliczna karty RTX 4090: 3000 USD (za kartę graficzną)
Średnia cena detaliczna karty RTX 5090: 3500 USD (za kartę graficzną)
Średnia cena detaliczna karty RTX PRO 6000: 9500 USD (za kartę graficzną)
Średnia cena detaliczna komputera DGX Spark AI: 4699 USD

Chociaż wiele układów GPU może zwiększyć wydajność modeli AI i wykorzystać większą ilość pamięci, może to również generować obciążenie systemu, które wpływa na ogólną wydajność. Z kolei karta RTX PRO 6000 Blackwell, z konfiguracją 96 GB, zapewnia wyższą wydajność, zapewniając bardziej wydajne i ekonomiczne rozwiązanie dla wymagających zadań AI.

Źródło i obrazy