Kentino AI 48 Rome 4090 1322TOPS — serveur IA d'entrée de gamme 2x RTX 4090
Plateforme de qualité professionnelle, assemblée et testée dans l'UE.
Kentino AI 48 Rome 4090 1322TOPS
Serveur 2 GPU d'entrée de gamme, 48 GB de VRAM
2x RTX 4090 | EPYC Rome | 1 322 TOPS INT8
48 GB de VRAM mutualisés sur deux RTX 4090 — le plancher tarifaire de l'inférence en parallélisme tensoriel sur les modèles de classe 32B.
Un serveur IA bi-GPU de classe station de travail, à architecture Ada, bâti sur ROMED8-2T / EPYC Rome. Les deux RTX 4090 offrent une enveloppe de 48 GB de VRAM mutualisés, qui fait tourner sans difficulté les modèles denses 32B en Q6-Q8, Hunyuan-A13B en Q6, la vidéo Wan 2.1 14B et la vision Pixtral 12B — le meilleur éventail de modèles par euro de toute la gamme Kentino, avant de passer à Blackwell.
Matériel
| Composant | Détail |
|---|---|
| GPU | 2x NVIDIA GeForce RTX 4090 24 GB GDDR6X (450 W, PCIe 4.0 x16) |
| Pool de VRAM | 48 GB (sans NVLink — parallélisme tensoriel via PCIe) |
| Processeur | AMD EPYC 7542 Rome (32C/64T, 225 W, 128 lignes PCIe 4.0) |
| Carte mère | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| Mémoire système | 128 GB DDR4-2666 ECC RDIMM (2x 64 GB) |
| Démarrage / stockage | 1 TB NVMe M.2 (PCIe 4.0 x4) |
| Alimentation | Une alimentation ATX 2 kW |
| Châssis | Rack 4U, risers passifs Gen4 x16 |
| Refroidissement | Ventirad tour SP3, 3x 120 mm en aspiration frontale + 1x 120 mm en extraction arrière |
| Réseau | Double 10 GbE intégré (Intel X550) + IPMI |
Enveloppe électrique
- Consommation GPU : 2 x 450 W = 900 W
- Total système en pleine charge : ~1 225 W
- Puissance de l'alimentation : 2 000 W (une seule ATX 2 kW) — 38.75 % de marge
- Marge confortable sur une alimentation unique
Topologie des lignes PCIe
La ROMED8-2T distribue 2x16 lignes directement depuis le complexe racine du processeur — sans commutateur PLX. La 4090 grand public n'a pas de NVLink ; le parallélisme tensoriel passe par le PCIe. PCIe Gen4 x16 sur les deux GPU.
Ce que vous pouvez exécuter
Avec 48 GB de VRAM mutualisés sur 2 cartes, ce serveur prend en charge les LLM denses de classe 32B en Q6-Q8, les MoE de pointe, la génération d'images et de vidéos, l'IA vocale et le service multi-locataire.
LLM — texte / raisonnement / code
Modèles chinois de pointe
- Qwen3-32B dense Q6-Q8 (~25-35 tok/s en flux unique sur 2x 4090, référence publiée) ; QwQ-32B Q6 ; Qwen3.5-27B Q6-Q8
- Qwen3-30B-A3B / Qwen3-Coder-30B-A3B bf16 (~60 GB, trop juste ; préférez Q6)
- Hunyuan-A13B Q6 ou fp8 (~48 GB) — MoE 80B/13B, contexte 256k
- Seed-OSS-36B Q6 — contexte natif 512k
- DeepSeek-R2 32B MoE sparse bf16 (~64 GB, trop juste — préférez Q6, ~45 GB) (~30-40 tok/s en flux unique en Q4, référence publiée)
- ERNIE-4.5-47B-A3B Q4 (~28 GB avec de la marge) / Q6 (~42 GB)
Modèles occidentaux de pointe
- Llama 3.3 70B Q4_K_M (~43 GB) en parallélisme tensoriel sur 2 cartes — le meilleur compromis de cette catégorie (~14-17 tok/s en flux unique sur 2x 4090, référence publiée)
- Llama 4 Scout MoE 109B/17B Q3_K (~51 GB, trop juste)
- Mistral Small 3 / Magistral Small / Devstral Small 2 (24B) bf16
- Mixtral 8x7B Q6
- Gemma 3 27B bf16 ; Phi-4 14B bf16
- Nemotron-Super 49B Q4 (~28 GB)
- Autres : OLMo 2 32B ; Reka Flash 3 21B bf16 ; Falcon H1R 7B
Vision-langage
Qwen3-VL-32B / Qwen3-VL-30B-A3B MoE / Qwen3-Omni-30B-A3B ; InternVL3-38B Q4-Q5 ; InternVL3.5-38B ; DeepSeek-VL2 ; ERNIE-4.5-VL-28B-A3B-Thinking ; Llama 3.2 11B Vision bf16 ; Pixtral 12B bf16 ; Gemma 3 27B multimodal ; PaliGemma 2 28B Q4 ; MiniCPM-V 2.6 / MiniCPM-o 2.6.
Génération d'images
FLUX.1 [dev] / [schnell] fp16 (24 GB) ou fp8 (~12 GB) avec de larges lots (~15-25 secondes par image 1024x1024 en fp8 et par carte, référence publiée) ; FLUX.1 Kontext [dev] ; SD 3.5 Large (18 GB fp16) ; SDXL 1.0 + ControlNet + AnimateDiff ; HunyuanImage-2.1 bf16 (~34 GB, tient dans le pool) ; AuraFlow v0.3 / OmniGen v1 / Kolors 2.0.
Génération vidéo
Wan 2.1 14B T2V/I2V Q6/fp8 ; Wan 2.2 TI2V-5B bf16 sur une seule carte ; Wan 2.2 T2V-A14B / I2V-A14B Q4 (~32 GB) ; HunyuanVideo 13B Q4-Q5 (~30 GB) ; HunyuanVideo 1.5 (8.3B) bf16 ; Open-Sora 2.0 (11B) Q8 ; CogVideoX-5B / 1.5 bf16 ; Mochi-1 Q4-Q8 ; LTX-Video 2B ; Pyramid Flow 2B.
Audio / voix / synthèse vocale
Toute la pile de la catégorie 24 GB tient en mémoire avec de la place pour un usage simultané : Whisper v3 large + Parakeet-TDT + Canary 1B + Moshi + Step-Audio 2 mini + CosyVoice 3.0 + Kokoro 82M + Stable Audio Open peuvent tous résider en même temps. Whisper v3 turbo tourne à environ 50x le temps réel sur une seule carte (référence publiée).
Multi-modèle / multi-locataire
- 2 à 4 utilisateurs simultanés sur des LLM de classe 32B en Q6 via vLLM en parallélisme tensoriel
- Charge de travail mixte : Qwen3-32B Q6 (~20 GB) + FLUX.1 fp8 (~12 GB) + Whisper-turbo (1.6 GB) + Moshi (8 GB) résidents sur les 2 cartes
- Fine-tuning LoRA / QLoRA confortable sur les modèles 7-14B, plus juste de 24 à 32B
Charges de travail visées
- Station de travail IA pour deux opérateurs, avec piles LLM + image + audio mélangées
- Point de service de classe 32B pour une petite équipe de développement (4 à 8 utilisateurs simultanés sur Qwen3-32B / Gemma 3 27B)
- Chaîne de génération d'images (FLUX.1 + SD 3.5 + ControlNet) en production par lots
- Machine de développement en génération vidéo (Wan 2.1 / Wan 2.2 TI2V / HunyuanVideo 1.5)
- Machine de recherche pour le fine-tuning LoRA / QLoRA de poids chinois et occidentaux de 7 à 34B
Références de performance publiées
Référence publiée | matériel comparable 2x RTX 4090
| Test | Résultat |
|---|---|
| Décodage llama.cpp Llama 3.3 70B Q4_K_M | ~14-17 tok/s en flux unique |
| Qwen3-32B Q6 vLLM en flux unique | ~35-45 tok/s en décodage |
| FLUX.1 [dev] fp8 | ~2.5-3.0 s par image 1024x1024 en 20 étapes |
| vLLM en lot de 32, débit cumulé (extrapolé depuis 4x4090) | ~90 tok/s cumulés |
Points de référence publiés pour du matériel 2x4090 comparable. Non mesurés sur du matériel Kentino.
Ce pour quoi il n'est pas adapté
- Les modèles denses 70B en Q6 et au-delà (il faut un pool de 96 GB — passez à 4x RTX 4090 ou 4x RTX 5090)
- Les MoE de pointe de plus de 100B en bf16 (GLM-4.5, Kimi K2, Mistral Large 3)
Garantie et délai de livraison
L'assemblage comprend le montage, la configuration du BIOS, l'installation des pilotes, les tests de rodage et la vérification fonctionnelle. Le délai dépend de la disponibilité des composants et est confirmé à la commande.
Options recommandées
- NVIDIA ConnectX-5 100 GbE MCX555A-ECAT
- Passage du disque de démarrage à 2 TB NVMe
- Passage de la mémoire à 256 GB (4x 64 GB) — plus de marge de cache KV pour les MoE à contexte long
- PDU de rack (C13/C19 avec mesure) et onduleur online 2 kVA
Les questions que les acheteurs nous posent le plus fréquemment avant de commander un serveur.
Combien de temps cela prend-il ?
Les machines assemblées à partir de composants que nous avons en stock partent vite ; tout ce qui exige une génération de GPU précise dépend de l'approvisionnement. Nous vous donnons une date avant le paiement et, si elle bouge, nous vous prévenons plutôt que de vous laisser le découvrir.
La configuration peut-elle être modifiée avant l'assemblage ?
Presque toujours. Les GPU, la mémoire, le stockage et le refroidissement sont choisis commande par commande, et la configuration affichée est un point de départ plutôt qu'un ensemble figé. Si vous avez besoin de plus de VRAM, d'un stockage plus rapide ou d'une autre approche de refroidissement, dites-le nous avant de commander et nous chiffrerons la modification.
Puis-je venir récupérer le serveur sur place ?
Bien sûr. Notre entrepôt est à Prague et le retrait sur place est le bienvenu — la plupart de ceux qui viennent en profitent pour passer la machine en revue avec notre ingénieur et poser les questions qui passent mal par e-mail. Pour les commandes en République tchèque, nous essayons aussi de livrer en personne et de vous accompagner dans l'installation sur site.
Puis-je parler à quelqu'un qui comprend vraiment la charge de travail ?
Oui. Nous avons un ingénieur dédié aux systèmes d'IA, et non un simple service commercial. Si votre question porte sur les tailles de batch, la quantification, l'interconnexion ou l'endroit où se situera votre goulot d'étranglement, posez-la — cette conversation améliore généralement la configuration.
Quel modèle puis-je faire tourner sur cette configuration ?
Oui. Chaque machine est assemblée, soumise à un test de rodage et évaluée sur de véritables charges de travail IA avant son expédition, et elle quitte nos ateliers avec un LLM déjà installé et opérationnel. Vous la branchez, vous la connectez à votre réseau et vous commencez à travailler — la seule décision qui vous reste est de choisir le premier projet qu'elle fera tourner.
Comment testez-vous un serveur avant son expédition ?
Nous les éprouvons sur de véritables charges de travail IA plutôt que sur des scores synthétiques : débit d'inférence, tenue en charge soutenue et comportement thermique en fonctionnement continu. Vous recevez les résultats des tests avec la machine : les performances promises sont donc celles que vous pouvez vérifier dès le premier jour.
Le serveur est-il prêt à fonctionner à son arrivée ?
Oui. Chaque machine est assemblée, soumise à un test de rodage et évaluée sur de véritables charges de travail IA avant son expédition, et elle quitte nos ateliers avec un LLM déjà installé et opérationnel. Vous la branchez, vous la connectez à votre réseau et vous commencez à travailler — la seule décision qui vous reste est de choisir le premier projet qu'elle fera tourner.
Expédition depuis notre entrepôt dans l’UE. Les articles lourds peuvent nécessiter un transport en fret — contactez-nous pour un devis d’expédition et un délai de livraison. Garantie limitée de 2 ans avec support RMA avancé ; extension de garantie disponible.
Pas tout à fait ce qu'il vous faut ?
Dites-nous votre charge de travail et nous configurons cette plateforme autour d'elle — GPU, mémoire, stockage et refroidissement adaptés à ce que vous exécutez vraiment.