Kentino AI 32 Rome 5090 1676TOPS — stacja robocza AI z 1x RTX 5090
Platforma klasy korporacyjnej, składana i testowana w UE.
Kentino AI 32 Rome 5090 1676TOPS
Stacja robocza Blackwell z jednym GPU
1x RTX 5090 | EPYC Milan | 1 676 TOPS INT8
Jedno GPU Blackwell, 32 GB GDDR7, natywne fp8 — najostrzejsza jednokartowa stacja robocza AI w ofercie Kentino.
Serwer AI klasy stacji roboczej z jednym GPU, zbudowany na platformie ROMED8-2T / EPYC Milan. Jedna karta RTX 5090 daje 32 GB pamięci VRAM GDDR7 z natywną arytmetyką tensorową fp8 — idealny punkt dla maszyny deweloperskiej, endpointu inferencyjnego małego zespołu albo stacji do generowania obrazu i wideo, gdzie jedno mocne GPU bije dwa słabsze. Format 4U do racka, ale równie dobrze sprawdzi się jako ciche stanowisko pod biurkiem.
Sprzęt
| Komponent | Szczegóły |
|---|---|
| GPU | 1x NVIDIA GeForce RTX 5090 32 GB GDDR7 (575 W, PCIe 5.0 x16, Blackwell) |
| Pula VRAM | 32 GB |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128x linii PCIe 4.0) |
| Płyta główna | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| Pamięć systemowa | 128 GB DDR4-2666 ECC RDIMM (2x 64 GB) |
| Dysk startowy / magazyn | 1 TB NVMe M.2 (PCIe 4.0 x4) |
| Zasilacz | Pojedynczy zasilacz ATX 2 kW |
| Obudowa | Rackowa 4U, pasywny riser Gen4 x16 |
| Chłodzenie | Chłodzenie wieżowe SP3 (klasa Arctic Freezer 4U-M), 3x 120 mm wlot przedni + 1x 120 mm wylot tylny |
| Sieć | Zintegrowane podwójne 10 GbE (Intel X550) + IPMI |
Bilans mocy
- Pobór GPU: 1 x 575 W = 575 W
- Łączny pobór systemu przy pełnym obciążeniu: ~900 W
- Moc zasilacza: 2 000 W (pojedynczy ATX 2 kW) — 55 % zapasu
- Duży margines na stany przejściowe, cicha praca przy niskim obciążeniu
Topologia linii PCIe
PCIe Gen4 x16 na GPU (ROMED8-2T pracuje w Gen4; 5090 to krzem Gen5 działający w Gen4 bez straty przepustowości przy inferencji). 16 linii prosto z root complex procesora. Bez przełącznika PCIe. GeForce 5090 nie obsługuje NVLink.
Co można uruchomić
Dzięki 32 GB pamięci VRAM GDDR7 i natywnej arytmetyce tensorowej fp8 ta stacja robocza obsługuje modele LLM o otwartych wagach do 32B dense, generowanie obrazu z FLUX.1, generowanie wideo, AI mowy oraz wielomodelowe stosy jednego dewelopera.
LLM — tekst / rozumowanie / kodowanie
Czołówka chińska
- Qwen3-32B dense Q6_K — kontekst 32k, flagowe rozumowanie ogólne (~40-55 tok/s w pojedynczym strumieniu na Blackwell fp8, dane publikowane)
- Qwen3-30B-A3B MoE w Q4_K_M z dużym zapasem na KV (Qwen3-Coder-30B-A3B agentowy, kontekst 256k)
- QwQ-32B Q6 — zapowiedź modelu rozumującego
- DeepSeek-R2 32B sparse MoE w Q4-Q6 — rozumowanie na jednym GPU z wynikiem 92.7 % w AIME-2025 (~45-60 tok/s w pojedynczym strumieniu na Blackwell fp8, dane publikowane)
- Qwen3.5-27B dense Q6 (premiera w lutym 2026)
- Hunyuan-A13B w Q4_K_M (~28-30 GB) — MoE 80B/13B, kontekst 256k, rozumowanie dwutrybowe
- Seed-OSS-36B Q4_K_M — natywny kontekst 512k do analizy długich dokumentów
Czołówka zachodnia
- Llama 3.3 70B w Q2_K (~27 GB, ciasno) lub Q3_K (~34 GB z przelewem do RAM) — nadaje się do ogólnego czatu
- Mistral Small 3 / Magistral Small / Devstral Small 2 (24B dense) w Q6-Q8 lub bf16
- Gemma 3 27B multimodalny w Q6 z kontekstem 128k
- Phi-4 14B / Phi-4-reasoning bf16
- Reka Flash 3 (21B Apache 2.0) w bf16
- gpt-oss-20b natywnie MXFP4 (~16 GB — mieści się z dużym zapasem na KV)
Modele wizyjno-językowe
Qwen3-VL-8B / -32B w 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 — ciasno, lepiej Q8); Gemma 3 12B / 27B multimodalny; PaliGemma 2 (3/10B); Phi-4-multimodal 5.6B; Aya Vision 8B.
Generowanie obrazu
FLUX.1 [dev] / [schnell] fp8 (~12 GB) z natywnym przyspieszeniem Blackwell (~8-12 sekund na obraz 1024x1024 przy 20 krokach na Blackwell, dane publikowane); FLUX.1 Kontext [dev] — edycja w kontekście, spójność postaci; 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.
Generowanie wideo
Wan 2.2 TI2V-5B przy ~16 GB — 720p@24fps na jednej karcie 5090; Wan 2.1 T2V/I2V 14B w Q4-Q6 (~16 GB); HunyuanVideo 1.5 (8.3B) — minimum 14 GB; CogVideoX-5B / 5B-I2V int8 (~12 GB); LTX-Video 2B w klasie czasu rzeczywistego 30 fps; Mochi-1 Q4 (~17-18 GB).
Dźwięk / mowa / TTS
- ASR: Whisper v3 large / turbo (~50x szybciej niż czas rzeczywisty na jednym GPU, dane publikowane); NVIDIA Parakeet-TDT 1.1B; Canary 1B
- TTS: CosyVoice 2.0 / Fun-CosyVoice 3.0; Kokoro 82M; Stable Audio Open
- Czas rzeczywisty / S2S: Kyutai Moshi (7B) — jedyny otwarty model głosowy full-duplex czasu rzeczywistego; Step-Audio 2 mini / R1
Wiele modeli / wielu użytkowników
- Stos rezydentny dla jednego dewelopera: Qwen3-32B Q6 (~20 GB) + FLUX.1 fp8 (~12 GB, ciasno) z przełączaniem, albo Qwen3-14B Q6 (~9 GB) + FLUX.1 + Whisper-turbo + Kokoro jednocześnie (~20-24 GB przypiętych)
- 2-4 równoczesnych użytkowników na modelach LLM klasy 14-32B przez vLLM / SGLang
- Dostrajanie LoRA / QLoRA modeli dense 7-14B
Docelowe obciążenia
- Stacja robocza dla pojedynczego inżyniera AI łączącego inferencję z generowaniem obrazu
- Endpoint agenta kodującego dla małego zespołu (Qwen3-Coder-30B-A3B) z 1-4 równoczesnymi użytkownikami
- Pipeline treści: wsadowe generowanie obrazu FLUX.1 lub SD 3.5 Large + krótkie wideo Wan 2.2
- Lokalny stos głosowy ASR + TTS (Whisper + Kokoro + Moshi) dla oddziału firmy
- Maszyna badawcza LLM + VLM klasy prosumer — testy Qwen3, Llama 3.3, Gemma 3 i Phi-4 na realnym sprzęcie
Publikowane punkty odniesienia wydajności
Dane publikowane | porównywalny sprzęt z jedną RTX 5090
| Benchmark | Wynik |
|---|---|
| Llama 3.3 70B Q4_K_M dekodowanie w llama.cpp | ~18-22 tok/s z odciążeniem KV na CPU |
| Qwen3-32B Q6 vLLM, pojedynczy strumień | ~45-55 tok/s dekodowania przy fp8 |
| FLUX.1 [dev] fp8 na Blackwell | ~1.7-2.0 s na obraz 1024x1024 przy 20 krokach |
| Wan 2.2 TI2V-5B, klip 720p | ~3-4 minuty przy fp16 |
Punkty odniesienia publikowane dla porównywalnego sprzętu z jedną kartą 5090. Pomiary Kentino zostaną opublikowane, gdy gf-logic rozszerzy benchmark o konfigurację z jedną 5090.
Nie nadaje się do
- Modeli dense 70B przy Q6+ (32 GB to za mało — potrzebne 2x 5090 dla pełnej puli 64 GB)
- Równoczesnej obsługi wielu użytkowników na dużą skalę (pojedyncza partycja tensor-parallel)
- Czołowych modeli MoE 100B+ (GLM-4.5, Kimi K2, Mistral Large 3 — poza zasięgiem jednej karty konsumenckiej)
Gwarancja i czas realizacji
Build obejmuje montaż, konfigurację BIOS, instalację sterowników, testy wygrzewania i weryfikację działania. Czas realizacji zależy od dostępności podzespołów i jest potwierdzany przy zamówieniu.
Rekomendowane dodatki
- NVIDIA ConnectX-5 100 GbE MCX555A-ECAT
- Rozszerzenie dysku startowego do 2 TB NVMe — lub 4 TB
- Rozszerzenie pamięci do 256 GB (4x 64 GB DDR4) dla większego KV cache i równoległych stosów wielomodelowych
- PDU do racka (mierzone C13/C19) oraz UPS online 2 kVA
Pytania, które kupujący zadają nam najczęściej przed zamówieniem serwera.
Ile to trwa?
Maszyny budowane z podzespołów, które mamy na stanie, wysyłamy szybko; wszystko, co wymaga konkretnej generacji GPU, zależy od dostępności. Termin podajemy przed płatnością, a jeśli się przesunie, informujemy o tym sami, zamiast pozostawiać Państwa w niepewności.
Czy konfigurację można zmienić przed montażem?
Niemal zawsze. Karty GPU, pamięć, nośniki i chłodzenie dobieramy pod konkretne zamówienie, a podana konfiguracja jest punktem wyjścia, a nie sztywnym pakietem. Jeśli potrzebują Państwo więcej VRAM, szybszych nośników lub innego rozwiązania chłodzenia, prosimy o informację przed złożeniem zamówienia — wycenimy zmianę.
Czy serwer można odebrać osobiście?
Jak najbardziej. Nasz magazyn znajduje się w Pradze i zapraszamy po odbiór osobisty — większość osób, które przyjeżdżają, wykorzystuje wizytę na przejrzenie maszyny razem z naszym inżynierem i zadanie pytań, które źle się zadaje mailem. Przy zamówieniach na terenie Czech staramy się również dostarczyć sprzęt osobiście i na miejscu przeprowadzić Państwa przez konfigurację.
Czy można porozmawiać z kimś, kto naprawdę rozumie to obciążenie?
Tak. Mamy inżyniera, który zajmuje się wyłącznie systemami AI, a nie ogólny dział sprzedaży. Jeśli pytanie dotyczy rozmiarów batcha, kwantyzacji, interconnectu albo tego, gdzie pojawi się wąskie gardło — prosimy je zadać. Taka rozmowa zwykle zmienia konfigurację na lepsze.
Jaki model można uruchomić w tej konfiguracji?
Tak. Każda maszyna jest składana, poddawana testom burn-in i benchmarkom na rzeczywistych obciążeniach AI przed wysyłką, a opuszcza nas z zainstalowanym i działającym modelem LLM. Wystarczy ją podłączyć do zasilania i sieci, aby rozpocząć pracę — jedyną decyzją, jaka pozostaje, jest to, który projekt uruchomić jako pierwszy.
Jak testujemy serwer przed wysyłką?
Testujemy go na rzeczywistych obciążeniach AI, a nie na syntetycznych wynikach punktowych: przepustowość inferencji, zachowanie przy trwałym obciążeniu i temperatury w pracy ciągłej. Wyniki benchmarków otrzymują Państwo razem z maszyną, więc obiecana wydajność to dokładnie ta wydajność, którą można zweryfikować pierwszego dnia.
Czy serwer po dostarczeniu jest gotowy do pracy?
Tak. Każda maszyna jest składana, poddawana testom burn-in i benchmarkom na rzeczywistych obciążeniach AI przed wysyłką, a opuszcza nas z zainstalowanym i działającym modelem LLM. Wystarczy ją podłączyć do zasilania i sieci, aby rozpocząć pracę — jedyną decyzją, jaka pozostaje, jest to, który projekt uruchomić jako pierwszy.
Wysyłka z naszego magazynu w UE. Ciężkie przedmioty mogą wymagać zorganizowania transportu spedycyjnego — prosimy o kontakt w sprawie wyceny wysyłki i terminu realizacji. 2-letnia gwarancja ograniczona z zaawansowanym wsparciem RMA; dostępne przedłużenie gwarancji.
Nie znaleźli Państwo tego, czego szukają?
Prosimy opisać swoje obciążenie, a dobierzemy tę platformę pod nie — GPU, pamięć, dyski i chłodzenie dopasowane do tego, co faktycznie Państwo uruchamiają.