Kentino AI 32 Rome 5090 1676TOPS — 1x RTX 5090 AI-arbetsstation
Plattform i företagsklass, monterad och testad i EU.
Kentino AI 32 Rome 5090 1676TOPS
Blackwell-arbetsstation med en GPU
1x RTX 5090 | EPYC Milan | 1 676 TOPS INT8
En Blackwell-GPU, 32 GB GDDR7, nativ fp8 — den vassaste AI-arbetsstationen med ett kort som Kentino bygger.
En AI-server i arbetsstationsklass med en GPU på plattformen ROMED8-2T / EPYC Milan. Ett RTX 5090 ger 32 GB GDDR7-VRAM med nativ fp8-tensorberäkning — det optimala valet för en utvecklarmaskin, en inferensendpoint för ett mindre team eller en arbetsstation för bild- och videogenerering där en stark GPU slår två svagare. 4U-rackformat, men passar lika bra för tyst placering under skrivbordet på kontoret.
Hårdvara
| Komponent | Detaljer |
|---|---|
| GPU | 1x NVIDIA GeForce RTX 5090 32 GB GDDR7 (575 W, PCIe 5.0 x16, Blackwell) |
| VRAM-pool | 32 GB |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128x PCIe 4.0-banor) |
| Moderkort | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| Systemminne | 128 GB DDR4-2666 ECC RDIMM (2x 64 GB) |
| Boot / lagring | 1 TB NVMe M.2 (PCIe 4.0 x4) |
| Nätaggregat | Ett 2 kW ATX-nätaggregat |
| Chassi | 4U-rackmontering, passiv Gen4 x16-riser |
| Kylning | SP3-tornkylare (Arctic Freezer 4U-M-klass), 3x 120 mm intagsfläktar fram + 1x 120 mm utblåsfläkt bak |
| Nätverk | Inbyggd dubbel 10 GbE (Intel X550) + IPMI |
Effektbudget
- GPU-förbrukning: 1 x 575 W = 575 W
- Systemet totalt vid full last: ~900 W
- Nätaggregat totalt: 2 000 W (ett 2 kW ATX) — 55 % marginal
- Generös marginal för transienter, tyst drift vid låg last
Bantopologi
PCIe Gen4 x16 till GPU:n (ROMED8-2T är Gen4; 5090 är Gen5-kisel som körs i Gen4 utan bandbreddsförlust vid inferens). 16 banor direkt från CPU:ns root complex. Ingen PCIe-switch. Ingen NVLink på GeForce 5090.
Vad du kan köra
Med 32 GB GDDR7-VRAM och nativ fp8-tensorberäkning hanterar arbetsstationen LLM:er med öppna vikter upp till 32B dense, bildgenerering med FLUX.1, videogenerering, tal-AI och flermodellsstackar för en utvecklare.
LLM:er — text / resonemang / kodning
Kinesiska frontiermodeller
- Qwen3-32B dense Q6_K — 32k kontext, flaggskepp för generellt resonemang (~40-55 tok/s single-stream på Blackwell fp8, publicerad referens)
- Qwen3-30B-A3B MoE vid Q4_K_M med gott KV-utrymme (Qwen3-Coder-30B-A3B agentisk, 256k kontext)
- QwQ-32B Q6 — förhandsversion med resonemang
- DeepSeek-R2 32B sparse MoE vid Q4-Q6 — resonemang på en GPU som når 92.7 % på AIME-2025 (~45-60 tok/s single-stream på Blackwell fp8, publicerad referens)
- Qwen3.5-27B dense Q6 (släppt i februari 2026)
- Hunyuan-A13B vid Q4_K_M (~28-30 GB) — 80B/13B MoE, 256k kontext, resonemang i två lägen
- Seed-OSS-36B Q4_K_M — 512k nativ kontext för analys av långa dokument
Västerländska frontiermodeller
- Llama 3.3 70B vid Q2_K (~27 GB, tight) eller Q3_K (~34 GB med spill till RAM) — användbar för allmän chatt
- Mistral Small 3 / Magistral Small / Devstral Small 2 (24B dense) vid Q6-Q8 eller bf16
- Gemma 3 27B multimodal vid Q6 med 128k kontext
- Phi-4 14B / Phi-4-reasoning bf16
- Reka Flash 3 (21B Apache 2.0) vid bf16
- gpt-oss-20b nativ MXFP4 (~16 GB — ryms med generöst KV-utrymme)
Vision-språk
Qwen3-VL-8B / -32B vid 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 — tight, använd Q8); Gemma 3 12B / 27B multimodal; PaliGemma 2 (3/10B); Phi-4-multimodal 5.6B; Aya Vision 8B.
Bildgenerering
FLUX.1 [dev] / [schnell] fp8 (~12 GB) med nativ Blackwell-acceleration (~8-12 sekunder per 1024x1024-bild vid 20 steg på Blackwell, publicerad referens); FLUX.1 Kontext [dev] — redigering i kontext, karaktärskonsistens; 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.
Videogenerering
Wan 2.2 TI2V-5B på ~16 GB — 720p@24fps på ett enda 5090; Wan 2.1 T2V/I2V 14B vid Q4-Q6 (~16 GB); HunyuanVideo 1.5 (8.3B) — minst 14 GB; CogVideoX-5B / 5B-I2V int8 (~12 GB); LTX-Video 2B i realtidsklass, 30 fps; Mochi-1 Q4 (~17-18 GB).
Ljud / tal / TTS
- ASR: Whisper v3 large / turbo (~50x realtid på en GPU, publicerad referens); NVIDIA Parakeet-TDT 1.1B; Canary 1B
- TTS: CosyVoice 2.0 / Fun-CosyVoice 3.0; Kokoro 82M; Stable Audio Open
- Realtid / S2S: Kyutai Moshi (7B) — den enda öppna full-duplex-röstmodellen i realtid; Step-Audio 2 mini / R1
Flera modeller / flera tenants
- Resident stack för en utvecklare: Qwen3-32B Q6 (~20 GB) + FLUX.1 fp8 (~12 GB, ryms tight) med växling, eller Qwen3-14B Q6 (~9 GB) + FLUX.1 + Whisper-turbo + Kokoro samtidigt (~20-24 GB fastlåst)
- 2-4 samtidiga användare på LLM:er i 14-32B-klassen via vLLM / SGLang
- LoRA / QLoRA-finjustering av dense-modeller på 7-14B
Typiska arbetsbelastningar
- Utvecklararbetsstation för en AI-ingenjör som kör blandad inferens + bildgenerering
- Endpoint för kodagenter i små team (Qwen3-Coder-30B-A3B) med 1-4 samtidiga användare
- Innehållspipeline: batchgenerering av bilder med FLUX.1 eller SD 3.5 Large + kortformatsvideo med Wan 2.2
- Lokal röststack med ASR + TTS (Whisper + Kokoro + Moshi) för ett filialkontor
- Forskningsmaskin för LLM + VLM på prosumentnivå — testa Qwen3, Llama 3.3, Gemma 3, Phi-4 på riktig hårdvara
Publicerade prestandareferenser
Publicerad referens | jämförbar hårdvara med ett RTX 5090
| Benchmark | Resultat |
|---|---|
| Llama 3.3 70B Q4_K_M llama.cpp-avkodning | ~18-22 tok/s med KV-avlastning till CPU |
| Qwen3-32B Q6 vLLM, en ström | ~45-55 tok/s avkodning vid fp8 |
| FLUX.1 [dev] fp8 på Blackwell | ~1.7-2.0 s per 1024x1024-bild vid 20 steg |
| Wan 2.2 TI2V-5B 720p-klipp | ~3-4 minuter vid fp16 |
Publicerade referensvärden från jämförbar hårdvara med ett 5090. Kentinos egna mätvärden publiceras när gf-logic utökar testbänken till ett enda 5090.
Mindre lämplig för
- 70B dense-modeller vid Q6+ (32 GB räcker inte — använd 2x 5090 för en ordentlig pool på 64 GB)
- Servering för många samtidiga användare i stor skala (en enda tensorparallell partition)
- Frontier-MoE på 100B+ (GLM-4.5, Kimi K2, Mistral Large 3 — utom räckhåll för ett enda konsumentkort)
Garanti och leveranstid
Bygget omfattar montering, BIOS-konfiguration, drivrutinsinstallation, inbränningstest och funktionskontroll. Leveranstiden beror på komponenttillgång och bekräftas vid beställning.
Rekommenderade tillval
- NVIDIA ConnectX-5 100 GbE MCX555A-ECAT
- Uppgradera bootdisken till 2 TB NVMe — eller 4 TB
- Uppgradera RAM till 256 GB (4x 64 GB DDR4) för större KV-cache / flera samtidiga modellstackar
- Rack-PDU (C13/C19 med mätning) och 2 kVA online-UPS
De frågor köpare oftast ställer till oss innan de beställer en server.
Hur lång tid tar det?
Maskiner byggda av komponenter vi har i lager skickas snabbt; allt som kräver en viss GPU-generation beror på tillgången. Vi ger dig ett datum innan du betalar, och om det ändras säger vi till i stället för att låta dig upptäcka det själv.
Kan konfigurationen ändras innan ni bygger den?
Nästan alltid. GPU:er, minne, lagring och kylning väljs per order, och den listade konfigurationen är en utgångspunkt snarare än ett fast paket. Behöver du mer VRAM, snabbare lagring eller en annan kyllösning, säg till innan du beställer så offererar vi ändringen.
Kan jag hämta servern personligen?
Det kan du. Vårt lager ligger i Prag och du är välkommen att hämta personligen – de flesta som kommer passar på att gå igenom maskinen med vår ingenjör och ställa de frågor som är krångliga via mejl. För beställningar inom Tjeckien försöker vi också leverera personligen och gå igenom installationen med dig på plats.
Kan jag prata med någon som faktiskt förstår arbetsbelastningen?
Ja. Vi har en ingenjör som arbetar specifikt med AI-system, inte en allmän säljavdelning. Om din fråga gäller batchstorlekar, kvantisering, interconnect eller var din flaskhals kommer att uppstå, så ställ den — det samtalet brukar förändra konfigurationen till det bättre.
Vilken modell kan jag köra på den här konfigurationen?
Ja. Varje maskin monteras, inbränningstestas och benchmarkas på riktiga AI-arbetsbelastningar innan den skickas, och den lämnar oss med en LLM redan installerad och igång. Du kopplar in den, ansluter den till ditt nätverk och börjar arbeta – det enda beslut som återstår är vilket projekt den ska köra först.
Hur testar ni en server före leverans?
Vi kör den mot verkliga AI-arbetsbelastningar i stället för syntetiska poäng: inferensgenomströmning, beteende under ihållande last och temperaturer vid kontinuerlig drift. Du får benchmarkresultaten tillsammans med maskinen, så att den prestanda du blev lovad är den prestanda du kan verifiera redan första dagen.
Är servern redo att köras när den levereras?
Ja. Varje maskin monteras, inbränningstestas och benchmarkas på riktiga AI-arbetsbelastningar innan den skickas, och den lämnar oss med en LLM redan installerad och igång. Du kopplar in den, ansluter den till ditt nätverk och börjar arbeta – det enda beslut som återstår är vilket projekt den ska köra först.
Skickas från vårt lager i EU. Tunga artiklar kan kräva särskild godsfrakt — kontakta oss för en fraktoffert och leveranstid. 2 års begränsad garanti med avancerad RMA-support; förlängd garanti finns.
Inte riktigt vad du behöver?
Berätta om din arbetsbelastning så specificerar vi plattformen kring den – GPU:er, minne, lagring och kylning anpassade efter det du faktiskt kör.