Kentino AI 64 Rome 5080 3600TOPS — 4x RTX 5080 Budget AI Server
Πλατφόρμα εταιρικού επιπέδου, συναρμολογημένη και δοκιμασμένη στην ΕΕ.
Kentino AI 64 Rome 5080 3600TOPS
Προϋπολογιστικός διακομιστής Blackwell 4 GPU
4x RTX 5080 | EPYC Μιλάνο | 3 600 TOPS INT8
Ο οικονομικός διακομιστής Blackwell 4 GPU της Kentino — 64 GB VRAM pool, 3.600 συνολικά TOPS INT8, η χαμηλότερη τιμή CZK ανά TOPS στη σειρά.
Ένας διακομιστής συμπερασμάτων Blackwell με 4 GPU, κατασκευασμένος γύρω από την RTX 5080 — 360 W ανά κάρτα, PCIe 5 silicon, 16 GB GDDR7 η καθεμία. Τέσσερις κάρτες παρέχουν ένα σύνολο VRAM 64 GB και συνολικά 3.600 INT8 TOPS στο καλύτερο σημείο CZK ανά TOPS που προσφέρει το Kentino. Η είσοδος στην συμπερασματική διαδικασία Blackwell με πολλαπλές GPU: ιδανική για ενσωμάτωση συμπλεγμάτων, εξυπηρέτηση μοντέλων 7-13B σε κλίμακα, δημιουργία δέσμης εικόνων/βίντεο και παράλληλη τανυστική λειτουργία 70B Q4.
υλικού
| Συστατικό | Λεπτομέρεια |
|---|---|
| GPU | 4x NVIDIA GeForce RTX 5080 16 GB GDDR7 (360 W, PCIe 5.0 x16) |
| Συγκρότημα VRAM | 64 GB |
| CPU | AMD EPYC 7643 Μιλάνο (48C/96T, 225 W, 128x λωρίδες PCIe 4.0) |
| Motherboard | Ράφι ASRock ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| RAM συστήματος | 256 GB DDR4-2666 ECC RDIMM (4 x 64 GB) |
| Αποθήκη / Αποθήκευση | 2 TB NVMe M.2 (PCIe 4.0 x4) |
| τροφοδοτικό | Μονό τροφοδοτικό ATX 2 kW |
| Σασί | Τοποθέτηση σε rack 4U, 4 GPU, παθητικοί ανυψωτήρες Gen4 x16, ροή αέρα κατευθυνόμενη από εμπρός προς τα πίσω |
| Ψύξη | Ψύκτης πύργου SP3, 3 μπροστινές εισαγωγές 120 mm + 1 πίσω εξάτμιση 120 mm (βιομηχανικοί ανεμιστήρες) |
| Δίκτυο | Ενσωματωμένη διπλή θύρα 10 GbE (Intel X550) + IPMI |
Φάκελος Power
- Κατανάλωση GPU: 4 x 360 W = 1 440 W
- Σύνολο συστήματος σε πλήρες φορτίο: ~1 765 W
- Σύνολο τροφοδοτικού: 2.000 W (μονό ATX 2 kW) — 11.75 % ελεύθερο ύψος
- Πάνω από το όριο του 10% αλλά πιο σφιχτά από άλλες εκδόσεις 4 GPU. Συνιστάται αναβάθμιση με διπλό τροφοδοτικό για φόρτους εργασίας υψηλού φορτίου.
Τοπολογία λωρίδας
Το ROMED8-2T αναπτύσσει 4x16 Gen4 από το σύμπλεγμα ρίζας CPU. Το 5080 είναι πυρίτιο PCIe Gen5 που εκτελεί Gen4 x16 χωρίς συμφόρηση εύρους ζώνης για συμπερασματολογία. Δεν υπάρχει διακόπτης PCIe. Δεν υπάρχει NVLink — παράλληλη σύνδεση τανυστήρα μέσω PCIe.
Τι μπορείτε να εκτελέσετε
Με 64 GB συγκεντρωμένης VRAM σε 4 κάρτες Blackwell, αυτός ο διακομιστής χειρίζεται 70B Q4 tensor-parallel, ενσωμάτωση συμπλεγμάτων σε κλίμακα, αγωγούς μαζικής αποθήκευσης εικόνας και βίντεο και 7-13B multi-tenant εξυπηρέτηση για 64-128 ταυτόχρονους χρήστες.
Μεταπτυχιακά Νομικής (LLM) — κείμενο / συλλογισμός / κωδικοποίηση
κινεζικά σύνορα
- Qwen3-32B Q8 (πυκνή ποιότητα σχεδόν fp16). Qwen3.5-27B bf16
- Qwen3-30B-A3B / Qwen3-Κωδικοποιητής-30B-A3B bf16 (~60 GB χωράει σφιχτά)
- Qwen3.5-122B-A10B Δ΄ τρίμηνο (~70-75 GB — περιορισμένο, μεταφερόμενο σε DDR4 RAM)
- Hunyuan-A13B fp8 (~80 GB εγγενής — σφιχτή, προτιμώ Q6)
- Σπόρος-OSS-36B bf16 (~72 GB περιορισμένο)
- DeepSeek-R2 32B sparse MoE bf16 (~64 GB) (~45-60 tok/s single-stream στο Q4 στο Blackwell, δημοσιευμένη αναφορά)
- GLM-4.5-Air 106B/12B Q3_K (~55 GB) — περιορισμένο ύψος KV
- ERNIE-4.5-47B-A3B Q4 (~28 GB με ελεύθερο χώρο για το δεύτερο μοντέλο)
Δυτικά σύνορα
- Λάμα 3.3 70Β Q4_K_M (~43 GB) — το ιδανικό σημείο για αυτήν την ομάδα (~30-36 tok/s single-stream σε 4x 5080, δημοσιευμένη αναφορά)
- Ερμής 3 70Β / Τούλου 3 70Β Q4 — ανοιχτά παράγωγα Llama με πλήρη διαφάνεια μετά την προπόνηση
- Mistral Small 3 / Magistral / Devstral Small 2 24Β bf16
- Gemma 3 27B bf16 πολυτροπικό
- Φι-4 14Β / Nemotron-Super 49B Q6-Q8
- gpt-oss-20b MXFP4 (16 GB — 4 παρουσίες σε 4 κάρτες για παράλληλους ενοίκους). gpt-oss-120b MXFP4 (80 GB — στεγανό· διαχειρίσιμο σε περίπτωση διαρροής)
Γλώσσα όρασης
Qwen3-VL-32B / Qwen3-VL-30B-A3B / Qwen3-Omni-30B-A3B; InternVL3.5-38B Q6-Q8; Llama 3.2 90B Vision Q4 (~52 GB σφιχτό); Pixtral 12B / Pixtral Large 124B Q2-Q3; Gemma 3 27B πολυτροπικό bf16; PaliGemma 2 28B bf16; Molmo 72B Q4 (~45 GB); Aya Vision 32B bf16.
Δημιουργία εικόνας
FLUX.1 [dev] / [schnell] fp16 — παράλληλη παρτίδα-4 (~10-15 δευτερόλεπτα ανά εικόνα 1024x1024 στο fp8 στο Blackwell, δημοσιευμένη αναφορά). FLUX.1 Kontext [dev] — επεξεργασία εντός πλαισίου σε 4 μισθωτές. SD 3.5 Large (18 GB fp16) — 4 παράλληλες γεννήτριες. SDXL 1.0 + ControlNet + AnimateDiff στοίβες x 4. HunyuanImage-2.1 bf16 ανά κάρτα. AuraFlow v0.3 / OmniGen v1 / Kolors 2.0 / PixArt-Sigma.
Δημιουργία βίντεο
Wan 2.2 TI2V-5B bf16 σε μία μόνο κάρτα — 4 παράλληλοι μισθωτές· Wan 2.1 14B T2V/I2V Q4-Q6 ανά κάρτα· HunyuanVideo 13B Q4 (~30 GB) τανυστική παράλληλη 2 κατευθύνσεων· HunyuanVideo 1.5 (8.3B) bf16 ανά κάρτα· Open-Sora 2.0 (11B) Q8 ανά κάρτα — 4 παράλληλες γενιές· CogVideoX-5B int8· Mochi-1 Q4 ανά κάρτα.
Ήχος / Ομιλία / TTS
Πλήρης στοίβα ήχου Δυτικής και Κινέζικης γλώσσας χωράει ανά κάρτα: Whisper v3 + Parakeet + Canary + Moshi + Step-Audio 2 / R1 + CosyVoice 3.0 + Kokoro + Stable Audio Open + MusicGen + AudioGen + SeamlessM4T v2. Με 4 κάρτες, κάθε κάρτα μπορεί να φιλοξενήσει έναν αποκλειστικό χρήστη ομιλίας. Το Whisper v3 turbo λειτουργεί με ~50x πραγματικό χρόνο ανά κάρτα (δημοσιευμένη αναφορά).
Πολλαπλών μοντέλων / πολλαπλών ενοικιαστών
Η περίπτωση χρήσης-στόχος. 16 GB ανά κάρτα ανταμείβει τα διαμερισμένα φόρτα εργασίας:
- Ενσωμάτωση συμπλέγματος: BGE-M3 / Nomic / Jina-embed / E5 / Cohere Embed v3 — 4 ενοικιαστές σε υψηλό RPS
- 7-13B που σερβίρει σε κλίμακα: 16-32 ταυτόχρονοι χρήστες ανά κάρτα μέσω vLLM / SGLang. 64-128 ταυτόχρονοι χρήστες συνολικά
- Μικτός αγωγός: Κάρτα 1 = Qwen3-14B + reranker· Κάρτα 2 = Whisper + Moshi· Κάρτα 3 = FLUX.1· Κάρτα 4 = Wan 2.2 TI2V
- Τετραμερής τανυστική παράλληλη σύνδεση για 70B Q4 — Llama 3.3 70B AWQ INT4 σε 4 κάρτες, ~90-130 tok/s σύνολο παρτίδας (προέκταση από τον πάγκο gf-logic 4x4090)
Στοχευμένα φόρτα εργασίας
- Οικονομική πλατφόρμα εξυπηρέτησης τεχνητής νοημοσύνης πολλαπλών GPU για μια νεοσύστατη επιχείρηση ή εργαστήριο σε επίπεδο κεφαλαιουχικών δαπανών
- Ενσωμάτωση + υποδομή RAG σε οριζόντια κλίμακα 4 κατευθύνσεων
- Παραγωγή εικόνας/βίντεο σε παρτίδες (Stable Diffusion / FLUX / Wan 2.2)
- Μικρό μοντέλο 7-13B που εξυπηρετεί σε κλίμακα — 4 ανεξάρτητοι ενοικιαστές ή 64-128 ταυτόχρονα συγκεντρωμένοι
- Πλαίσιο σταδιοποίησης ανάπτυξης για ροές εργασίας τενσορ-παράλληλες 70B Q4
Δημοσιευμένες αναφορές απόδοσης
Μετρήσεις Kentino (αναφορά 4x4090) + δημοσιευμένες εκτιμήσεις 5080
| αναφοράς | Αποτέλεσμα |
|---|---|
| Αναφορά 4x4090: παρατεταμένο fp16 | 647 TFLOPS |
| Αναφορά 4x4090: vLLM Llama 3.3 70B AWQ (battch-32) | 179.3 tok/s σύνολο |
| Αναφορά 4x4090: llama.cpp 70B Q4_K_M (μονό) | 20.3 tok/s αποκωδικοποίηση |
| 5080 εκτιμήσεις: Llama 3.3 70B Q4 TP-4 single | ~15-20 tok/δευτ. |
| Εκτιμώμενο 5080: FLUX.1 FP8 ανά κάρτα | ~2.2-2.8 s ανά 1024x1024 σε 20 βήματα |
Απόδοση τανυστή 5080 ~1.35x 4090 ανά INT8 TOPS. Η αποκωδικοποίηση μονής ροής είναι περιορισμένη στο εύρος ζώνης μνήμης (GDDR7 ~960 GB/s έναντι 4090 ~1 008 GB/s — περίπου ισοτιμία).
Δεν είναι ιδανικό για
- Πυκνότητα 70B στο 6ο τρίμηνο+ (όριο 16 GB ανά κάρτα ανά αποτύπωμα κάρτας· το σύνολο των 64 GB είναι περιορισμένο για το 6ο τρίμηνο)
- Ναυαρχίδες MoE για μεγάλο χρονικό διάστημα (Qwen3-235B, GLM-4.5) — ανεπαρκής VRAM ακόμη και στο δεύτερο τρίμηνο
- Εργασία ευαίσθητη στην καθυστέρηση μίας ροής σε πολύ μεγάλα μοντέλα (η επιβάρυνση TP καταναλώνει κάρτες 16 GB)
Εγγύηση και χρόνος παράδοσης
Η κατασκευή περιλαμβάνει συναρμολόγηση, διαμόρφωση BIOS, εγκατάσταση προγράμματος οδήγησης, δοκιμή burn-in και επαλήθευση λειτουργίας. Ο χρόνος παράδοσης εξαρτάται από τη διαθεσιμότητα των εξαρτημάτων, η οποία επιβεβαιώνεται κατά την παραγγελία.
Προτεινόμενα πρόσθετα
- Αναβάθμιση τροφοδοτικού σε διπλό συγχρονισμένο ATX 2 kW — αύξηση του χώρου στο 55%
- NVIDIA ConnectX-5 100 GbE MCX555A-ECAT
- Αναβάθμιση μονάδας εκκίνησης σε 4 TB NVMe
- Αναβάθμιση μνήμης RAM σε 384 GB (6x 64 GB) — καλύτερος χώρος ταυτόχρονης χρήσης για πολλαπλά μοντέλα
- PDU rack (μετρημένο C13/C19) και online UPS 3 kVA
Οι ερωτήσεις που μας κάνουν συχνότερα οι αγοραστές πριν παραγγείλουν έναν σερβιτόρο.
Πόση ώρα θα πάρει?
Μηχανήματα κατασκευασμένα από εξαρτήματα που παραδίδουμε γρήγορα. Οτιδήποτε απαιτεί συγκεκριμένη γενιά GPU εξαρτάται από την προσφορά. Σας δίνουμε μια ημερομηνία πριν πληρώσετε και αν αλλάξει, σας ενημερώνουμε αντί να σας αφήσουμε να το μάθετε.
Μπορεί να αλλάξει η διαμόρφωση πριν την κατασκευή;
Σχεδόν πάντα. Οι GPU, η μνήμη, ο χώρος αποθήκευσης και η ψύξη επιλέγονται ανά παραγγελία και η αναγραφόμενη διαμόρφωση αποτελεί σημείο εκκίνησης και όχι ένα σταθερό πακέτο. Εάν χρειάζεστε περισσότερη VRAM, ταχύτερη αποθήκευση ή διαφορετική προσέγγιση ψύξης, ενημερώστε το πριν από την παραγγελία και θα σας αναφέρουμε την αλλαγή.
Μπορώ να παραλάβω τον διακομιστή αυτοπροσώπως;
Μπορείτε. Η αποθήκη μας βρίσκεται στην Πράγα και η παραλαβή από κοντά είναι ευπρόσδεκτη — οι περισσότεροι άνθρωποι που έρχονται χρησιμοποιούν την επίσκεψη για να δουν το μηχάνημα με τον μηχανικό μας και να κάνουν τις ερωτήσεις που τους έρχονται άβολα μέσω email. Για παραγγελίες εντός της Τσεχικής Δημοκρατίας, προσπαθούμε επίσης να παραδώσουμε προσωπικά και να σας καθοδηγήσουμε στη διαδικασία εγκατάστασης επί τόπου.
Μπορώ να μιλήσω με κάποιον που κατανοεί πραγματικά τον φόρτο εργασίας;
Ναι. Έχουμε έναν μηχανικό που εργάζεται ειδικά σε συστήματα τεχνητής νοημοσύνης, όχι σε ένα γενικό γραφείο πωλήσεων. Εάν η ερώτησή σας αφορά τα μεγέθη παρτίδων, την κβαντοποίηση, τη διασύνδεση ή το πού θα βρίσκεται το σημείο συμφόρησης, ρωτήστε την — αυτή η συζήτηση συνήθως αλλάζει τη διαμόρφωση προς το καλύτερο.
Ποιο μοντέλο μπορώ να χρησιμοποιήσω σε αυτήν τη διαμόρφωση;
Ναι. Κάθε μηχάνημα συναρμολογείται, δοκιμάζεται η εγκατάστασή του και συγκρίνεται με πραγματικά φόρτα εργασίας τεχνητής νοημοσύνης πριν από την αποστολή του, και αυτό μας αφήνει με ένα LLM ήδη εγκατεστημένο και σε λειτουργία. Το συνδέετε, το συνδέετε στο δίκτυό σας και ξεκινάτε την εργασία — η μόνη απόφαση που απομένει είναι ποιο έργο θα εκτελεστεί πρώτο.
Πώς δοκιμάζετε έναν διακομιστή πριν από την αποστολή;
Το δοκιμάζουμε με βάση τα πραγματικά φόρτα εργασίας τεχνητής νοημοσύνης και όχι με συνθετικές βαθμολογίες: απόδοση συμπερασμάτων, συμπεριφορά συνεχούς φορτίου και θερμικές τιμές υπό συνεχή λειτουργία. Λαμβάνετε τα αποτελέσματα αναφοράς με το μηχάνημα, επομένως η απόδοση που σας υποσχέθηκαν είναι η απόδοση που μπορείτε να επαληθεύσετε από την πρώτη κιόλας μέρα.
Είναι ο διακομιστής έτοιμος να λειτουργήσει όταν φτάσει;
Ναι. Κάθε μηχάνημα συναρμολογείται, δοκιμάζεται η εγκατάστασή του και συγκρίνεται με πραγματικά φόρτα εργασίας τεχνητής νοημοσύνης πριν από την αποστολή του, και αυτό μας αφήνει με ένα LLM ήδη εγκατεστημένο και σε λειτουργία. Το συνδέετε, το συνδέετε στο δίκτυό σας και ξεκινάτε την εργασία — η μόνη απόφαση που απομένει είναι ποιο έργο θα εκτελεστεί πρώτο.
Αποστέλλεται από την αποθήκη μας στην ΕΕ. Τα βαριά αντικείμενα ενδέχεται να απαιτούν διευθέτηση μεταφοράς — επικοινωνήστε μαζί μας για μια προσφορά αποστολής και τον χρόνο παράδοσης. 2ετής περιορισμένη εγγύηση με προηγμένη υποστήριξη RMA. Διατίθεται εκτεταμένη εγγύηση.
Δεν είναι ακριβώς αυτό που χρειάζεσαι;
Πείτε μας τον φόρτο εργασίας σας και θα σχεδιάσουμε αυτήν την πλατφόρμα με βάση αυτόν — GPU, μνήμη, αποθηκευτικό χώρο και ψύξη που ταιριάζουν με αυτά που πραγματικά χρησιμοποιείτε.