Представьте себе сцену: вы собираете игровой компьютер, который должен «сломать все рекорды», но цель — не игры. Цель — искусственный интеллект. Именно так начинается эксперимент, в центре которого находится не просто видеокарта, а аномалия рынка — MSI RTX 5090 Lightning. Это не обычная референсная карта, это специализированное решение с лимитом энергопотребления в 1000 Вт, упакованное в коробку, которая выглядит как реликвия. В то же время, на столе стоит «коробка» — RTX Pro 6000 Blackwell с 96 ГБ видеопамяти, которая позиционируется как рабочая станция, но способна ли она обогнать потребительский флагман в задачах генерации текста и видео?
В этом разборе мы не просто посмотрим на бенчмарки. Мы разберем архитектуру сборки, стоимость компонентов в контексте доступности, физику потребления энергии и, самое главное, почему 1000 Вт на бумаге не всегда означают 1000 Вт пользы в LLM (Large Language Models). Мы проверим, стоит ли переплачивать за «мощность» или же 96 ГБ VRAM от Pro-серии — это единственная реальная инвестиция для серьезного ИИ. Разбор включает тесты Quen 3, Quen 3.5, Wan 2.1 и стресс-тесты на чистых матричных операциях.
01Сборка мечты: Компоненты и стоимость
Сборка начинается с выбора корпуса и системы охлаждения. В качестве платформы был выбран корпус в стиле игры Doom, что подчеркивает игровой характер проекта, но начинка полностью ориентирована на вычислительную мощь. Ключевым элементом стала система охлаждения Arctic Pro с экраном, на который можно выводить информацию о температуре или даже демо Doom. Однако для ИИ-нагрузок критически важна стабильность температур, поэтому были выбраны вентиляторы Arctic Pro с высоким статическим давлением (более 6 мм вод. ст.), которые обеспечивают тихую, но эффективную циркуляцию воздуха.
Сердцем системы стал процессор AMD Ryzen 7 9800X3D. Примечательно, что в обзоре упоминается Ryzen 9 9850X3D, который по сути является тем же чипом, но с тактовой частотой на 400 МГц выше. Для задач ИИ разница минимальна, так как нагрузка ложится преимущественно на GPU. Материнская плата X870E обеспечивает поддержку PCIe 5.0 как для видеокарты, так и для NVMe SSD, что важно для быстрой загрузки моделей.
Особое внимание уделено оперативной памяти. В рамках специального предложения (bundle) была получена конфигурация с 64 ГБ ОЗУ. Это критически важно, так как в последние месяцы цены на память были завышены, и отдельная покупка 64 ГБ обходилась примерно в $700 сверх стоимости сборки. Память имеет тайминги CL30, что является «золотой серединой» для платформы AM5, обеспечивая низкую задержку. Также в сборку вошел SSD Crucial, способный выдавать до 14 900 МБ/с, что необходимо для быстрой подгрузки весов моделей в VRAM.
Блок питания — отдельная история. Для питания RTX 5090 Lightning требуется источник, способный выдать стабильные 1000 Вт. Был выбран Super Flower Leadex VII Titanium мощностью 1300 Вт. Этот блок питания имеет сертификат Titanium, что гарантирует высокий КПД даже под нагрузкой, и уровень шума, соответствующий стандарту 0dB (вентилятор останавливается при низкой нагрузке). Стоимость блока составила около $429, что делает его разумной инвестицией для такой системы. Общая стоимость сборки до налогов составила около $2110, что делает её одной из самых дорогих игровых/ИИ-систем, собранных за последнее время.
02RTX 5090 Lightning: Аномалия с лимитом 1000 Вт
MSI RTX 5090 Lightning — это не просто кастомная версия референсной карты. Это устройство с лимитом энергопотребления (TDP/TGP) в 1000 Вт. Для сравнения, стандартная RTX 5090 имеет лимит в 600 Вт. Карта оснащена 32 ГБ видеопамяти GDDR7. Корпус карты включает массивный жидкостный кулер, который физически меньше, чем некоторые воздушные решения, но эффективнее отводит тепло от перегретого чипа.
Главный вопрос, на который отвечает этот тест: дает ли увеличение лимита мощности с 600 до 1000 Вт реальный прирост производительности в задачах ИИ? На первый взгляд, 1000 Вт — это колоссальная разница. Однако, как покажут тесты, архитектура современных GPU и природа задач ИИ накладывают жесткие ограничения. Карта требует двух 16-pin коннекторов питания, что подчеркивает её экстремальный статус. В комплекте идет вертикальный mount, так как карта весит значительно больше стандартных моделей.
03Тестирование LLM: Quen 3 (4B) и базовые метрики
Тестирование начиналось с модели Quen 3 с 4 миллиардами параметров в формате BF16. Это легковесная модель, используемая для получения базовых метрик. Тест проводился в двух режимах: Pre-fill (загрузка промпта) и Decode (генерация токенов).
В режиме Pre-fill (скорость обработки входных данных): - RTX 5090 (стандартная): 27 000 токенов/с. - RTX 5090 Lightning: 29 414 токенов/с. Прирост составил около 8%. - RTX Pro 6000: 49 520 токенов/с. Эта карта оказалась почти в два раза быстрее.
В режиме Decode (скорость генерации текста, токенов в секунду): - RTX 5090 (стандартная): 160 токенов/с. - RTX 5090 Lightning: 162 токенов/с. Практически идентично. - RTX Pro 6000: 151 токен/с. Здесь Pro-карта оказалась медленнее.
Интересный момент: во время теста на Quen 3 Lightning потребляла всего 553 Вт. Несмотря на лимит в 1000 Вт, чип не запрашивал больше энергии. Это означает, что для легких моделей 4B избыток мощности просто «сидит мертвым грузом». Прирост в 8% на Pre-fill есть, но он не оправдывает разницу в цене и сложности охлаждения. RTX Pro 6000, несмотря на меньшую скорость генерации, демонстрирует огромную пропускную способность памяти, что критично для Pre-fill.
04Тестирование LLM: Quen 3.5 (9B) и нагрузка на память
Переход к модели Quen 3.5 с 9 миллиардами параметров показал более заметные различия. В режиме Pre-fill RTX 5090 Lightning начала демонстрировать преимущество. Она потребляла 670 Вт (P50 — медианное значение), в то время как стандартная RTX 5090 уперлась в свой лимит в 600 Вт. Разница в 70 Вт вычислительной мощности дала прирост производительности на 7-12%.
Это первый «победный балл» для Lightning. Когда нагрузка на вычислительные ядра (Tensor Cores) возрастает, чип может использовать больше энергии. Однако, как только мы перешли к модели 14B BF16, ситуация изменилась кардинально.
05Проблема 32 ГБ VRAM: Тест на 14B BF16
Модель Quen 3.5 с 14 миллиардами параметров в формате BF16 (без квантования) требует около 28 ГБ только для весов. С учетом накладных расходов CUDA Graphs и буферов vLLM, общий объем требуемой VRAM превышает 32 ГБ. Это критический момент для RTX 5090 (и Lightning).
При попытке запустить 14B BF16 на 32 ГБ картах: 1. Модель не помещается в VRAM полностью. 2. Приходится использовать режим Eager, который отключает оптимизации CUDA Graphs, убивая эффективность. 3. При конкурентности (concurrency) 8 запросов скорость стандартной RTX 5090 падает с 8700 токенов/с до 3300 токенов/с. Lightning ведет себя аналогично, показывая незначительное преимущество. RTX Pro 6000 с 96 ГБ VRAM не испытывает никаких проблем. При той же конкурентности 8 запросов она выдает 12 362 токенов/с, не снижая производительности. Это демонстрирует главное преимущество Pro-карт: объем памяти. Если модель не помещается в VRAM, никакая мощность чипа не поможет. Lightning здесь бессильна, так как её 32 ГБ — это физический предел.
06Высокая конкурентность: Где светится 1000 Вт?
Чтобы заставить RTX 5090 Lightning работать на полную, тестер вернулся к модели 9B, где памяти хватает, но увеличил конкурентность (количество одновременных запросов) до 96. В этом сценарии стандартная RTX 5090, упершись в лимит 600 Вт, начала сбрасывать частоты, и скорость упала до 10 900 токенов/с. RTX 5090 Lightning, имея запас в 1000 Вт, смогла поддерживать высокую частоту и выдала 13 150 токенов/с. Это прирост около 20%.
Однако, даже в этом пиковом сценарии Lightning не потребляла больше 695 Вт. Чип просто не запрашивал больше энергии. Это подтверждает гипотезу: задачи LLM (Large Language Models) ограничены не вычислительной мощностью чипа, а пропускной способностью памяти (Memory Bandwidth) и латентностью. Tensor Cores простаивают, ожидая данных из VRAM.
07Генерация видео: Wan 2.1 и диффузия
Следующий этап — генерация видео с помощью модели Wan 2.1 (2.5B параметров) через ComfyUI. Здесь диффузионные шаги требуют плотных матричных вычислений, что должно лучше использовать Tensor Cores.
Результаты: - RTX 5090 (стандартная): 113 секунд. Потребление: 600 Вт (пиково). - RTX 5090 Lightning: 109 секунд. Потребление: 639 Вт (P50). Пиковое потребление не превысило 652 Вт. - RTX Pro 6000: 120 секунд. Потребление: 600 Вт. Lightning снова оказалась быстрее, но разница минимальна (4 секунды). И здесь чип не смог преодолеть барьер в 650 Вт. Тестер проверил настройки persistent mode и лимиты, но результат не изменился. Архитектура диффузионных моделей, судя по всему, имеет внутренние ограничения, не позволяющие Tensor Core работать на 100% загрузки постоянно из-за операций чтения памяти и маскирования внимания.
08Стресс-тест: Чистая математика
Чтобы доказать, что 1000 Вт — это не просто цифра на коробке, был проведен искусственный стресс-тест: цикл умножения матриц 16x16 BF16 в PyTorch. Это задача, не требующая памяти, только чистая вычислительная мощность Tensor Cores.
Результаты: - RTX 5090 Lightning потребляла 1139 Вт (P50: 760 Вт, P95: 1000 Вт, Max: 1018 Вт). - Пропускная способность: 257 TFLOPS BF16, 716 TFLOPS FP8. Чип действительно способен потреблять и использовать более 1000 Вт. Он уперся в лимит и держал его. Это доказывает, что аппаратная часть Lightning способна на большее, чем стандартная 5090. Однако, как выяснилось, задачи ИИ (LLM и Video Generation) просто не могут «накормить» чип такой нагрузкой. Они упираются в память, а не в вычисления.
09RTX Pro 6000: Король памяти
RTX Pro 6000 Blackwell — это рабочая станция с 96 ГБ VRAM и лимитом 600 Вт. Несмотря на то, что она медленнее в чистой генерации токенов (Decode) и не имеет «игрового» дизайна, её 96 ГБ VRAM открывают возможности, недоступные для 32 ГБ карт. Она может запускать модели 14B BF16 с высокой конкурентностью без падения скорости. Для профессионалов, работающих с длинными контекстами, мультимодальными моделями или требующих высокой стабильности, Pro 6000 является более практичным выбором, чем Lightning.
10Выводы: Кому что подойдёт
Итак, что мы имеем в итоге? Сборка на базе RTX 5090 Lightning — это впечатляющий, шумный (хотя и тихий под нагрузкой благодаря кулеру) и очень дорогой проект. Но для задач ИИ он имеет серьезные ограничения.
- RTX 5090 Lightning (32 ГБ, 1000 Вт): Подходит, если вам нужна максимальная скорость в задачах, ограниченных вычислениями (например, обучение моделей или специфические научные расчеты), а также если вы хотите «играть» в ИИ с высокой конкурентностью на моделях до 9B. Также это отличный выбор для геймеров, которые хотят тишины и низких температур. Но для серьезного ИИ с моделями 14B+ вы упретесь в 32 ГБ VRAM.
- RTX 5090 Standard (32 ГБ, 600 Вт): Базовый вариант. Разница с Lightning в ИИ-задачах минимальна (до 12% в Pre-fill, почти 0% в Decode). Переплата за Lightning не оправдана, если вы не планируете стресс-тесты.
- RTX Pro 6000 (96 ГБ, 600 Вт): Лучший выбор для профессионального ИИ. 96 ГБ VRAM позволяют запускать большие модели (14B, 30B+ в квантовании) с высокой конкурентностью. Если ваша цель — локальный LLM, работа с длинными документами или стабильная генерация, Pro 6000 выигрывает у обеих 5090, несмотря на меньшую тактовую частоту.
Для рынка РФ: RTX Pro 6000 и RTX 5090 являются эксклюзивами, доступными через специализированные импортеры. Цены на Pro-карты могут быть выше из-за статуса «профессионального» оборудования, но 96 ГБ VRAM делают их единственной возможностью для запуска тяжелых моделей без использования нескольких карт. RTX 5090 Lightning — это скорее коллекционный экземпляр или инструмент для энтузиастов, чем рабочая лошадка для ИИ.
Источник: видео-разбор (YouTube) ↗