الاختيار بين RTX 4090 وRTX 5090 وH100 SXM5 للحوسبة الذاتية لـ AI في 2026 نادراً ما يتعلق بأرقام TFLOPS الرئيسية. GPU الصحيح هو الذي يناسب فئة النموذج وشكل الدفعة التي تُشغّلها فعلاً من حيث VRAM وعرض نطاق الذاكرة والسعر لكل ساعة استدلال. يستعرض هذا الدليل مستويات GPU الأربعة في ServPrivacy وأعباء العمل التي تناسب كل منها وكيفية قراءة أرقام الإنتاجية على الرسم البياني.
المستويات الأربعة في فقرة واحدة
RTX 4090 (GPU-S, $249-329/شهرياً) يوفر 24 GB من GDDR6X بعرض نطاق ذاكرة ~1 TB/s و~83 TFLOPS FP16. هو الخيار الصحيح لنماذج اللغة 7B-13B وتوليد صور FLUX.1 / SDXL وWhisper transcription وBark text-to-speech. RTX 5090 (GPU-M, $399-519/شهرياً) يرتفع إلى 32 GB GDDR7 بـ ~1.8 TB/s و~104 TFLOPS FP16؛ الـ 8 GB الإضافية و~80% تحسن عرض النطاق يُتيحان نماذج 27B-32B بشكل مريح (Gemma-3-27B وQwen3-32B وMistral-Small-3) ومساحة لضبط Llama الصغيرة دقيقاً. H100 SXM5 (GPU-L, $1699-1899/شهرياً) فئة مختلفة — 80 GB HBM3 بـ ~3.35 TB/s و~989 TFLOPS FP16 (Tensor-Core)، مع نسيج NVLink متاح؛ مُحجَّم لنماذج اللغة من فئة 70B والاستدلال بسياق أطول والتدريب الأسرع. 2× H100 SXM5 (GPU-XL, $3199-3599/شهرياً) للاستدلال على 70B بدقة كاملة والتدريب متعدد GPU ونماذج 100B+ بـ Q4 / Q5.
عرض نطاق الذاكرة يهيمن على استدلال LLM
لاستدلال المحوّل ذي الترميز فقط بأحجام دفعات تصل إلى ~16 تقريباً، الاختناق هو عرض نطاق الذاكرة لا FLOPS الخام. كل رمز مُولَّد يستلزم قراءة كاملة لأوزان النموذج من VRAM (مرحلة الملء تُعيد استخدام K-V cache، لكن كل رمز جديد يقرأ مصفوفات الأوزان مجدداً). الـ 3.35 TB/s من HBM3 في H100 هو ما يجعله ~3x أسرع لكل رمز من 4090 على نموذج من فئة 70B — ليس رقم TFLOPS الأعلى. هذا أيضاً لماذا تقفز RTX 5090 من GDDR6X إلى GDDR7 (~1.8 TB/s مقابل ~1 TB/s) تهمّ للاستدلال أكثر من قفز FLOPS الخام. إذا كان عبء عملك مهيَّماً بالاستدلال لا التدريب، أعطِ الأولوية لعرض النطاق على TFLOPS.
ما يناسب 24 GB / 32 GB / 80 GB
الكمّ يُغيّر الصورة. عند Q4_K_M (كمّ نموذجي "جودة جيدة"): نموذج 7B يحتاج ~4.5 GB، و13B يحتاج ~8 GB، و27-32B يحتاج ~20 GB، و70B يحتاج ~42 GB، و100B يحتاج ~60 GB. أضف ~10-15% هامش لـ K-V cache وفضاء عمل CUDA. الملاءمة العملية: 24 GB = 7B-13B مريح، 27-32B مع ألم الإزاحة، 70B غير قابل. 32 GB = 27-32B مريح، 70B مع إزاحة CPU (بطيء). 80 GB = 70B مريح بـ Q4-Q5، 100B مع إزاحة. 160 GB (H100 مزدوج) = 70B بـ FP16 / BF16، و100-180B بـ Q4. عند FP16 / BF16 (بلا كمّ) تتضاعف الأرقام: نموذج 70B بـ FP16 يحتاج ~140 GB، ولهذا 2× H100 هو نقطة الدخول للاستدلال بدقة كاملة على النماذج الرائدة.
متى تكون RTX 5090 الإجابة الصحيحة
أوجدت RTX 5090 في مطلع 2025 نقطة توازن جديدة. لنماذج 27B-32B الأكثر أهمية في 2026 (Gemma-3-27B وQwen3-32B وMistral-Small-3 وPhi-4 وDeepSeek-R1-Distill-Qwen-32B)، تُقدّم 5090 ما يقارب 2.5x إنتاجية 4090 بنصف تكلفة H100. إذا كان عبء عملك "أريد نموذج مساعد قادر حقاً مع استدلال ودعم متعدد اللغات ونافذة سياق 32K، لكنني لا أحتاج 70B+"، مستوى GPU-M هو حيث يجب أن تبدأ. يُضاعف أيضاً كمنصة توليد صور سخية — FLUX.1-dev يعمل بشكل مريح مع هامش 16 GB VRAM للدفعات عالية الدقة.
متى تريد H100 لا 4090
ثلاث إشارات تدفع قرار الشراء إلى GPU-L (H100 واحد): (1) تخدم نماذج من فئة 70B أو DeepSeek-R1-Distill-Llama-70B وتريد وقت أول رمز أقل من ثانية عند دفعة 1؛ (2) تُشغّل استدلالاً متزامناً بدفعة عالية (vLLM مع دفعة 16+ مستخدماً) حيث يكسر عرض نطاق ذاكرة H100 الاختناق؛ (3) تُدرّب أو تضبط دقيقاً بـ LoRA على مجموعات بيانات أكبر من ~10M رمز وتريد مسار تدريب FP8 الذي لا تملكه 4090 / 5090. محرك FP8 Transformer Engine لـ H100 يُضاعف تقريباً إنتاجية التدريب مقارنةً بـ FP16، وهذا ما يجعل ضبط 70B Llama دقيقاً ممكناً على بطاقة واحدة.
اقتصاديات $/رمز
للأعباء عالية الحجم، المقارنة الصحيحة هي الدولارات لكل مليون رمز بإنتاجية مستدامة. على Llama-3.1-70B Q4 وvLLM 0.7+ ودفعة 16: RTX 4090 لا تستطيع استضافة النموذج بدون إزاحة (إزاحة CPU-RAM تُدمّر الإنتاجية بـ ~10x). RTX 5090 مع إزاحة CPU تقع حول $X لكل 1M رمز (تقريبي؛ يتباين حسب الكمّ). H100 SXM5 واحدة تقع حول $1.40-2.20 لكل 1M رمز مخرج عند سعرنا الافتتاحي $1699/شهرياً. قارن بـ GPT-4o مخرج بـ OpenAI بـ ~$10 / 1M وClaude Sonnet بـ ~$15 / 1M — بمجرد أن يصل عبء عملك إلى ~30M رمز يومياً، الاستضافة الذاتية على H100 واحد أرخص من استدعاء APIs مستضافة، والنتيجة من الناحية الخصوصية من الطرف إلى الطرف. للأحجام الأقل، تتفوق APIs المستضافة في التكلفة.
أعباء عمل الصور والفيديو والصوت
توليد الصور نادراً ما يحتاج أكثر من 4090 — FLUX.1-dev وSDXL وSD 3.5 كلها تناسب 24 GB بجودة إنتاجية، و~83 TFLOPS FP16 من RTX 4090 كافٍ. الانتقال إلى 5090 / H100 يمنحك أساساً هامش حجم الدفعة (المزيد من التوليدات المتزامنة) لا سرعة لكل صورة. فيديو AI (Wan-2.1 وCogVideoX-5B وسير عمل من فئة Runway) أكثر تطلباً — GPU-M هو نقطة الدخول العملية، GPU-L للإنتاج عالي الجودة طويل الأمد. Whisper Large v3 ASR وBark TTS يعملان بشكل مريح على 4090؛ H100 مبالغة فيهما. الضبط الدقيق بـ LoRA أو QLoRA على 7B-13B يعمل على 4090؛ ضبط 32B-70B دقيقاً يريد 5090 كحد أدنى واقعياً، H100 إذا قدّرت الوقت.
ماذا عن RTX 5090 مقابل RTX A6000 / A100؟
إذا نظرت إلى خيارات GPU خارج خط البطاقات الاستهلاكية، ربما صادفت RTX A6000 (48 GB، بطاقة خادمية) أو A100 (40 / 80 GB، HBM2e جيل سابق). حكم سريع: A6000 هي تقريباً قدرة 4090 مع ضعف VRAM، مفيدة إذا كانت VRAM هي اختناقك لكن عرض النطاق ليس كذلك (نادر)؛ A100 جيل خلف H100 ومتاحة أساساً في السوق الثانوية الآن — إذا وجدتها بسعر مناسب تبقى بطاقة استدلال 70B موثوقة، لكن البنى الجديدة في 2026 عادةً H100. لا نقدم حالياً مستويات A6000 أو A100؛ الكتالوج يقفز من RTX 5090 إلى H100.
ما نوفره وما تختاره
لتلخيص قرار شراء GPU بجملة واحدة لكل عبء عمل: روبوت محادثة / مساعد برمجة تحت 32B → GPU-S (RTX 4090) لـ 7B-13B، GPU-M (RTX 5090) لـ 27B-32B؛ استدلال 70B رائد (Llama-3.3-70B-Instruct وDeepSeek-R1-Distill-Llama-70B) → GPU-L (H100 SXM5)؛ 70B بدقة كاملة أو تدريب متعدد GPU → GPU-XL (2× H100 SXM5)؛ توليد صور / فيديو / صوت → GPU-S ما لم تحتج هامش دفعة، ثم GPU-M. جميع المستويات الأربعة تأتي مع CUDA 12.4 + cuDNN مثبَّتين مسبقاً وقوالب vLLM / Ollama / ComfyUI / Stable Diffusion بنقرة واحدة. المواصفات الكاملة للأجهزة في /gpu.