Kentino AI 32 Rím 5090 1676TOPS — 1x pracovná stanica s umelou inteligenciou RTX 5090
Platforma podnikovej triedy, zostavená a testovaná v EÚ.
Kentino AI 32 Rome 5090 1676TOPS
Pracovná stanica Blackwell s jedným grafickým procesorom
1x RTX 5090 | EPYC Miláno | 1 676 TOPS INT8
Jedna grafická karta Blackwell, 32 GB GDDR7, natívna FP8 — najostrejšia pracovná stanica s umelou inteligenciou s jednou grafickou kartou, akú Kentino zostavuje.
Server s umelou inteligenciou na úrovni pracovnej stanice s jednou grafickou kartou a grafickou kartou na platforme ROMED8-2T / EPYC Milan. Jedna grafická karta RTX 5090 poskytuje 32 GB pamäte GDDR7 VRAM s natívnou tenzorovou matematikou FP8 – ideálne riešenie pre vývojárov, inferenčný koncový bod pre malé tímy alebo pracovnú stanicu na generovanie obrázkov/videa, kde jedna silná grafická karta poráža dve slabšie. Formát 4U rack, ale zároveň možnosť pripojenia pre tiché nasadenie pod stôl v kancelárii.
technické vybavenie
| Zložka | detail |
|---|---|
| GPU | 1x NVIDIA GeForce RTX 5090 32 GB GDDR7 (575 W, PCIe 5.0 x16, Blackwell) |
| fond VRAM | 32 GB |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128 liniek PCIe 4.0) |
| Základná doska | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| Systémová RAM | 128 GB DDR4-2666 ECC RDIMM (2x 64 GB) |
| Bootovanie / úložisko | 1 TB NVMe M.2 (PCIe 4.0 x4) |
| Zdroj | Jeden 2 kW ATX zdroj |
| Podvozok | 4U rackový riser, pasívny Gen4 x16 |
| Chladenie | Vežový chladič SP3 (trieda Arctic Freezer 4U-M), 3x 120 mm predné nasávanie + 1x 120 mm zadné odsávanie |
| sieť | Duálny integrovaný 10 GbE (Intel X550) + IPMI |
Napájacia obálka
- Spotreba grafického procesora: 1 x 575 W = 575 W
- Celkový výkon systému pri plnom zaťažení: ~900 W
- Celkový výkon zdroja: 2 000 W (jeden 2 kW ATX) — 55 % rezervy
- Veľkorysá prechodová rezerva, tichá prevádzka pri nízkom zaťažení
Topológia jazdných pruhov
PCIe Gen4 x16 na GPU (ROMED8-2T je Gen4; 5090 je kremík Gen5 s Gen4 bez zníženia šírky pásma pre inferenciu). 16 liniek priamo z koreňového komplexu CPU. Žiadny prepínač PCIe. Žiadny NVLink na GeForce 5090.
Čo môžete spustiť
Vďaka 32 GB pamäte GDDR7 VRAM a natívnej tenzorovej matematike FP8 táto pracovná stanica spracováva otvorené LLM s hustotou až 32B, generovanie obrázkov pomocou FLUX.1, generovanie videa, rečovú umelú inteligenciu a viacmodelové stacky s jedným vývojárom.
LLM – text / uvažovanie / kódovanie
Čínska hranica
- Qwen3-32B hustý Q6_K — 32k kontext, vlajková loď všeobecných úvah (~40-55 tok/s jeden stream na Blackwell fp8, publikovaná referencia)
- Qwen3-30B-A3B MoE v Q4_K_M s dlhou KV rezervou (Qwen3-Coder-30B-A3B agentic, 256k ctx)
- QwQ-32B Otázka 6 – prehľad odôvodnenia
- DeepSeek-R2 32B riedke MoE v Q4-Q6 — uvažovanie o jednom GPU, ktoré dosahuje skóre 92.7 % AIME-2025 (~45-60 tok/s jeden stream na Blackwell FP8, publikovaná referencia)
- Qwen3.5-27B hustý Q6 (vydanie vo februári 2026)
- Hunyuan-A13B v Q4_K_M (~28-30 GB) — 80B/13B MoE, 256k ctx, duálne uvažovanie
- Seed-OSS-36B Q4_K_M — 512k natívny kontext pre analýzu dlhých dokumentov
Západná hranica
- Lama 3.3 70B v Q2_K (~27 GB málo) alebo Q3_K (~34 GB s prebytkom RAM) – použiteľné pre všeobecný chat
- Mistral Malý 3 / Magistral Malý / Devstral Malý 2 (hustota 24B) v Q6-Q8 alebo bf16
- Gemma 3 27B multimodálny v 6. štvrťroku so 128 000 kontextom
- Phi-4 14B / Úvaha Fí-4 bf16
- Reka Flash 3 (21B Apache 2.0) v bf16
- gpt-oss-20b natívny MXFP4 (~16 GB — zodpovedá štedrému KV)
Vízia-Jazyk
Qwen3-VL-8B / -32B v Q4-Q6; Qwen3-VL-30B-A3B MoE; InternVL3.5-8B / -38B Q4; MiniCPM-V 2.6 / MiniCPM-o 2.6 (8B); Llama 3.2 11B Vision bf16; Pixtral 12B bf16 (24 GB — tesný, použite Q8); Gemma 3 12B / 27B multimodálny; PaliGemma 2 (3/10B); Phi-4-multimodálny 5.6B; Aya Vision 8B.
Generovanie obrazu
FLUX.1 [dev] / [shnell] fp8 (~12 GB) natívne zrýchlenie Blackwella (~8-12 sekúnd na obrázok 1024x1024 pri 20 krokoch na Blackwelle, publikovaná referencia); FLUX.1 Kontext [dev] — úprava v kontexte, konzistencia znakov; SD 3.5 Large (18 GB fp16 / 11 GB fp8); SDXL 1.0 10-12 GB fp16; HunyuanImage-2.1 NF4 (~14 GB); Kolors 2.0 fp8; AuraFlow v0.3 / OmniGen v1 / PixArt-Sigma.
Generovanie videa
Wan 2.2 TI2V-5B pri ~16 GB — 720p@24fps na jednej 5090; Wan 2.1 T2V/I2V 14B pri Q4-Q6 (~16 GB); HunyuanVideo 1.5 (8.3B) — minimálne 14 GB; CogVideoX-5B / 5B-I2V int8 (~12 GB); LTX-Video 2B v reálnom čase 30 fps; Mochi-1 Q4 (~17-18 GB).
Zvuk / Reč / TTS
- ASR: Whisper v3 large / turbo (~50x reálny čas na jednej GPU, publikovaná referencia); NVIDIA Parakeet-TDT 1.1B; Canary 1B
- TTS: CosyVoice 2.0 / Fun-CosyVoice 3.0; Kokoro 82M; Stabilný zvuk Otvorené
- V reálnom čase / S2S: Kyutai Moshi (7B) — iba otvorený hlas v reálnom čase s plným duplexom; Step-Audio 2 mini / R1
Viacmodelový / viacnájomný
- Rezidentný stack pre jedného vývojára: Qwen3-32B Q6 (~20 GB) + FLUX.1 fp8 (~12 GB sa zmestí tesne) na swape alebo Qwen3-14B Q6 (~9 GB) + FLUX.1 + Whisper-turbo + Kokoro súčasne (~20-24 GB pripnutých)
- 2-4 súbežní používatelia na LLM triedy 14-32B cez vLLM / SGLang
- Jemné doladenie LoRA / QLoRA modelov s hustotou 7-14B
Cieľové pracovné zaťaženia
- Vývojárska pracovná stanica pre jedného inžiniera umelej inteligencie, ktorý spúšťa zmiešanú inferenciu a generovanie obrázkov
- Koncový bod kódovacieho agenta pre malé tímy (Qwen3-Coder-30B-A3B) s 1 – 4 súbežnými používateľmi
- Obsahový kanál: FLUX.1 alebo SD 3.5 Generovanie veľkých dávok obrázkov + krátke video Wan 2.2
- Lokálny hlasový zásobník ASR + TTS (Whisper + Kokoro + Moshi) pre pobočku
- Výskumný box Prosumer LLM + VLM — testovanie Qwen3, Llama 3.3, Gemma 3, Phi-4 na reálnom hardvéri
Publikované referencie výkonnosti
Publikovaná referencia | porovnateľný hardvér s jednou RTX 5090
| mierka | Výsledok |
|---|---|
| Lama 3.3 70B Q4_K_M dekódovanie lamy.cpp | ~18-22 tok/s s odľahčením CPU KV |
| Qwen3-32B Q6 vLLM jednoprúdový | ~45-55 tok/s dekódovanie pri fp8 |
| FLUX.1 [dev] fp8 na Blackwell | ~1.7 – 2.0 s na obrázok s rozlíšením 1024 x 1024 pri 20 krokoch |
| Klip Wan 2.2 TI2V-5B 720p | ~3-4 minúty pri fp16 |
Zverejnené referenčné body z porovnateľného hardvéru s jedným prvkom 5090. Namerané čísla od spoločnosti Kentino budú zverejnené, keď spoločnosť gf-logic rozšíri testovací systém na hardvér s jedným prvkom 5090.
Nie ideálne pre
- Modely s hustotou 70B v 6. štvrťroku+ (32 GB je nedostatočných – pre správny 64 GB pool použite 2x 5090)
- Súbežné poskytovanie viacerým používateľom vo veľkom meradle (jedna tenzorovo-paralelná partícia)
- Frontier 100B+ MoE (GLM-4.5, Kimi K2, Mistral Large 3 – mimo dosahu jednej spotrebiteľskej karty)
Záruka a dodacia lehota
Zostavenie zahŕňa montáž, konfiguráciu BIOSu, inštaláciu ovládačov, testovanie a overenie funkčnosti. Dodacia lehota závisí od dostupnosti komponentov, ktorá sa potvrdí pri objednávke.
Odporúčané doplnky
- NVIDIA ConnectX-5 100 GbE MCX555A-ECAT
- Zvýšte kapacitu bootovacieho disku na 2 TB NVMe – alebo 4 TB
- Rozšírte RAM na 256 GB (4x 64 GB DDR4) pre väčšiu vyrovnávaciu pamäť KV / viacmodelové súbežné zásobníky
- Rack PDU (C13/C19 s meračom) a 2 kVA online UPS
Otázky, ktoré nám kupujúci kladú najčastejšie pred objednaním servera.
Ako dlho to trvá?
Stroje vyrobené z komponentov, ktoré máme pripravené, expedujeme rýchlo; čokoľvek, čo vyžaduje konkrétnu generáciu GPU, závisí od dodávok. Pred zaplatením vám oznámime dátum a ak sa dodávka zmení, oznámime vám to, namiesto toho, aby ste sa o tom dozvedeli.
Dá sa konfigurácia zmeniť pred zostavením?
Takmer vždy. Grafické karty, pamäť, úložisko a chladenie sa vyberajú pre každú objednávku a uvedená konfigurácia je skôr východiskovým bodom ako fixným balíkom. Ak potrebujete viac VRAM, rýchlejšie úložisko alebo iný prístup k chladeniu, oznámte to pred objednaním a my vám poskytneme cenovú ponuku.
Môžem si server vyzdvihnúť osobne?
Môžete. Náš sklad sa nachádza v Prahe a osobný odber je vítaný – väčšina ľudí, ktorí prídu, využije návštevu na to, aby si s naším technikom prezreli stroj a položili otázky, ktoré sú cez e-mail nepríjemné. V prípade objednávok v rámci Českej republiky sa tiež snažíme doručiť osobne a sprevádzať vás nastavením na mieste.
Môžem sa porozprávať s niekým, kto skutočne rozumie pracovnej záťaži?
Áno. Máme inžiniera, ktorý pracuje konkrétne na systémoch umelej inteligencie, nie na všeobecnom predajnom oddelení. Ak sa vaša otázka týka veľkosti dávok, kvantizácie, prepojení alebo toho, kde bude vaše úzke miesto, opýtajte sa – takýto rozhovor zvyčajne zmení konfiguráciu k lepšiemu.
Ktorý model môžem spustiť na tejto konfigurácii?
Áno. Každý stroj je pred odoslaním zostavený, otestovaný v praxi a porovnaný s reálnymi záťažami umelej inteligencie. Po odoslaní máme nainštalovaný a spustený LLM. Zapojíte ho, pripojíte k sieti a začnete pracovať – zostáva už len rozhodnutie, ktorý projekt spustíte ako prvý.
Ako otestujete server pred odoslaním?
Porovnávame ho so skutočnými záťažami umelej inteligencie, a nie so syntetickými skóre: inferenčná priepustnosť, trvalé správanie pri záťaži a teploty pri nepretržitej prevádzke. Výsledky benchmarkov získate so strojom, takže výkon, ktorý vám bol sľúbený, je výkon, ktorý si môžete overiť hneď v prvý deň.
Je server pripravený na spustenie, keď dorazí?
Áno. Každý stroj je pred odoslaním zostavený, otestovaný v praxi a porovnaný s reálnymi záťažami umelej inteligencie. Po odoslaní máme nainštalovaný a spustený LLM. Zapojíte ho, pripojíte k sieti a začnete pracovať – zostáva už len rozhodnutie, ktorý projekt spustíte ako prvý.
Odosielame z nášho skladu v EÚ. Ťažké položky môžu vyžadovať prepravu – kontaktujte nás pre cenovú ponuku na prepravu a dodaciu lehotu. 2-ročná obmedzená záruka s rozšírenou podporou RMA; k dispozícii je predĺžená záruka.
Nie je to presne to, čo potrebujete?
Povedzte nám o vašej pracovnej záťaži a my túto platformu prispôsobíme jej špecifikáciám – grafické karty, pamäť, úložisko a chladenie zodpovedajú tomu, čo skutočne používate.