قياس أداء RTX 5090 كـ cloud GPU: كيف تقارن بـ RTX 4090 في الذكاء الاصطناعي

باختصار: في الاختبارات المستقلة أدناه، تولّد RTX 5090 توكنات LLM أسرع من RTX 4090 بنحو 1.3 إلى 1.6 مرة. وتشغّل SDXL وFLUX.1 أسرع بنحو 1.3 إلى 1.6 مرة عند الدقة العددية (precision) نفسها. أما قراءة الـ prompts (prefill) فسرعتها فيها متقاربة تقريبًا، وكانت في أحد الاختبارات أبطأ. ولديها أيضًا 32 GB من VRAM مقابل 24 GB في 4090. لم نجد مقارنة مستقلة ومتكافئة لتوليد الفيديو، لذا لا تقدّم هذه الصفحة أي ادعاء بشأن سرعة الفيديو على 5090، بل تعرض بدلًا من ذلك أوقات Wan 2.2 التي قسناها بأنفسنا على RTX 4090.

كل رقم أدناه مأخوذ من المصدر المذكور بجانبه، أو قسناه بأنفسنا على مثيل RTX 4090 في CloudGPU في 2026-11-04. عمود التسريع هو حسابنا الخاص على تلك الأرقام المنشورة.

المواصفات

RTX 4090 RTX 5090
VRAM 24 GB GDDR6X 32 GB GDDR7
عرض نطاق الذاكرة (bandwidth) 1,008 GB/s 1,792 GB/s
الحد الأدنى للدقة العددية المدعومة في tensor cores FP8 FP4

المصدر: صفحات منتجات NVIDIA. يفيد عرضُ نطاق ذاكرة أعلى في الغالب أحمالَ العمل التي تقرأ كل الأوزان في كل خطوة، مثل توليد التوكنات في LLM.

توليد الصور (SDXL وSD 1.5 وFLUX.1)

الاختبار الإعدادات RTX 4090 RTX 5090 5090 مقابل 4090 المصدر
SDXL FP16, UL Procyon 1024×1024, 100 steps, batch 1 7.461 s/image 5.223 s/image 1.43× StorageReview, 2025-01-23
SD 1.5 FP16, UL Procyon 512×512, 100 steps, batch 4 1.188 s/image 0.763 s/image 1.56× StorageReview, 2025-01-23
SD 1.5 INT8, UL Procyon 512×512, 100 steps, batch 4 0.503 s/image 0.394 s/image 1.28× StorageReview, 2025-01-23
SDXL Base 1.0, SD.Next 512×512, 50 steps, batch 16 67.19 it/s 85.75 it/s 1.28× Puget Systems, 2025-02-21
SDXL Base 1.0, SD.Next 512×512, 50 steps, batch 1 16.78 it/s 16.16 it/s 0.96× Puget Systems, 2025-02-21
FLUX.1-dev، TensorRT، FP8 على البطاقتين 30 steps (دقة الصورة غير مذكورة) 10,620 ms 6,681 ms 1.59× NVIDIA Technical Blog, 2025-05-14
FLUX.1-dev، TensorRT، 5090 بـ FP4 مقابل 4090 بـ FP8 30 steps (دقة الصورة غير مذكورة) 10,620 ms 3,853 ms 2.76× NVIDIA Technical Blog, 2025-05-14

ملاحظات:

  • تعزو Puget Systems نتيجة SDXL ذات الدفعة الصغيرة، التي كانت فيها 5090 أبطأ قليلًا، إلى عنق زجاجة في CPU. فصورة صغيرة واحدة لا تُبقي أيًّا من البطاقتين مشغولة بالكامل.
  • يقارن رقم 2.76× في FLUX.1 بين 5090 بدقة FP4 و4090 بدقة FP8. لا تملك 4090 مسار FP4، لذا يأتي جزء من هذا المكسب من الدقة العددية الأقل لا من البطاقة وحدها. وعند دقة FP8 نفسها يبلغ الرقم 1.59×.

استدلال LLM

الاختبار الإعدادات RTX 4090 RTX 5090 5090 مقابل 4090 المصدر
توليد التوكنات، llama.cpp b4493 Phi-3-mini-4k-instruct Q4_K_M 245 tok/s 316 tok/s 1.29× Puget Systems, 2025-02-21
معالجة الـ prompt، llama.cpp b4493 Phi-3-mini-4k-instruct Q4_K_M 13,697 tok/s 9,967 tok/s 0.73× Puget Systems, 2025-02-21
UL Procyon AI Text Generation، Mistral TensorRT 183.3 tok/s 255.9 tok/s 1.40× StorageReview, 2025-01-23
UL Procyon AI Text Generation، Llama 3 TensorRT 150.0 tok/s 214.3 tok/s 1.43× StorageReview, 2025-01-23
UL Procyon AI Text Generation، Llama 2 TensorRT 92.9 tok/s 134.5 tok/s 1.45× StorageReview, 2025-01-23
توليد التوكنات (tg128، مع تفعيل flash attention)، llama-bench Llama 2 7B Q4_0 188.96 tok/s 300.40 tok/s 1.59× llama.cpp CUDA scoreboard، نتائج المجتمع*
معالجة الـ prompt (pp512، مع تفعيل flash attention)، llama-bench Llama 2 7B Q4_0 14,770.63 tok/s 14,970.15 tok/s 1.01× llama.cpp CUDA scoreboard، نتائج المجتمع*

* أرسل صفوفَ لوحة النتائج (scoreboard) مستخدمون مختلفون، على أجهزة مختلفة وإصدارات llama.cpp مختلفة. تعامل معها كمؤشر لا كاختبار مضبوط.

مكسب 5090 في توليد التوكنات أكبر منه في غيره، وهذا يتّسق مع كون عرض نطاق ذاكرتها أعلى. أما في معالجة الـ prompt فالمكسب قليل. وفي اختبار llama.cpp الذي أجرته Puget مطلع 2025 كانت أبطأ على 5090، وقد تغيّر إصداراتٌ أحدث هذه النتيجة. لم نجد مقارنة مستقلة لـ vLLM بين البطاقتين.

توليد الفيديو: قياساتنا على RTX 4090

لم نجد مقارنة مستقلة ومتكافئة لـ Wan أو HunyuanVideo بين البطاقتين، لذا لا نقدّم رقم تسريع لـ 5090 في الفيديو. ما يمكننا تقديمه هو ما قسناه بأنفسنا على مثيل RTX 4090.

النموذج (ComfyUI) المخرجات الإعدادات الوقت لكل مقطع ذروة VRAM
Wan 2.2 TI2V-5B، أوزان FP16 1280×704، 121 frames (5 s بمعدل 24 fps) text to video، 20 steps، uni_pc، CFG 5 175 s في التشغيل الأول، 169 s في التشغيل الثاني 21.7 GB
Wan 2.2 T2V-A14B، أوزان FP8 scaled (خبيرا high-noise وlow-noise) 832×480، 81 frames (5 s بمعدل 16 fps) text to video، 20 steps (10 لكل خبير)، euler، CFG 3.5 361 s في التشغيل الأول، 354 s في التشغيل الثاني 21.0 GB

كيف قسنا:

  • بطاقة RTX 4090 24 GB واحدة على CloudGPU، وdriver 580.105.08، وPyTorch 2.14.1 مع CUDA 13.0، وعُقد ComfyUI الأصلية (native nodes)؛ قيست في 2026-11-04.
  • كان مُرمِّز النص umt5_xxl_fp8_e4m3fn_scaled، واستخدمنا إدارة الذاكرة الافتراضية في ComfyUI، دون عُقد تسريع إضافية مثل TeaCache أو Sage Attention.
  • الوقت لكل مقطع هو الوقت الفعلي (wall-clock) من وضع الـ prompt في قائمة الانتظار حتى اكتمال ملف MP4.
  • التشغيل الأول هو أول عملية توليد بعد تحميل النموذج. واستخدم التشغيل الثاني seed جديدًا، مع وجود النموذج في الذاكرة مسبقًا.
  • لا يشمل ذلك وقت تنزيل النموذج وتثبيته.

بالأسعار الحالية، يكلّف مقطع 5B واحد يستغرق توليده نحو 3 دقائق حوالي $0.019 من وقت RTX 4090. ويكلّف مقطع 14B واحد يستغرق نحو 6 دقائق حوالي $0.039. سعر RTX 4090 هو $0.39/ساعة وسعر RTX 5090 هو $0.69/ساعة (الأسعار حتى 2026-11-07 18:10 (UTC+8)، والأسعار المباشرة في /pricing).

بلغت ذروة كلا سيرَي العمل نحو 21 GB، وهو قريب من 24 GB في 4090. وتتيح الـ 8 GB الإضافية في 5090 مجالًا لمقاطع أطول، أو دقة أعلى، أو إبقاء جزء أكبر من النموذج على البطاقة بدلًا من نقله خارجها (offloading).

أي بطاقة تستأجر؟

  • تقديم LLM والمحادثة، حيث تهمّ سرعة توليد التوكنات: كانت 5090 أسرع من 4090 في كل اختبارات توليد التوكنات أعلاه. كما تتسع ذاكرتها البالغة 32 GB لنماذج مكمّمة أكبر أو لسياقات أطول.
  • توليد الصور على دفعات: كانت 5090 أسرع بـ 1.3 إلى 1.6 مرة في الاختبارات أعلاه. أما للصور الصغيرة المفردة فكانت البطاقتان متقاربتين تقريبًا.
  • فيديو Wan 2.2 في ComfyUI: شغّلت 4090 سيرَي العمل 5B و14B FP8 كليهما في اختبارنا، بالأوقات المذكورة أعلاه. إذا كانت مقاطعك تحتاج إلى أكثر من 24 GB، فاستأجر 5090، أو بطاقة 48 GB أو بطاقة 80 GB.
  • الأعمال كثيفة الـ prompt (مستندات طويلة، RAG): كانت سرعة prefill متقاربة على البطاقتين، لذا قارن الأسعار في /pricing.

الفوترة بالدقيقة، بحد أدنى دقيقة واحدة، لذا يمكنك تشغيل المهمة نفسها على البطاقتين والاحتفاظ بالبطاقة التي تكون أسرع. تعرض /deploy البطاقات التي يمكنك تشغيلها الآن.

إذا فشل بناء PyTorch على 5090 مع الرسالة “no kernel image is available”، فراجع كيف تصلح خطأ CUDA “no kernel image” على RTX 5090 (بالإنجليزية). تحتاج 5090 إلى CUDA 12.8 أو إصدار أحدث.

الأسئلة الشائعة

هل RTX 5090 أسرع من RTX 4090 في الذكاء الاصطناعي؟

في توليد التوكنات في LLM وتوليد الصور على دفعات، نعم. تُظهر الاختبارات المنشورة سرعة تبلغ نحو 1.3 إلى 1.6 مرة. أما في معالجة الـ prompt في LLM والصور الصغيرة المفردة، فالنتائج المنشورة متقاربة تقريبًا، وفي بعض الاختبارات كانت 5090 أبطأ.

هل RTX 5090 أسرع في توليد الفيديو بـ Wan؟

لم نجد اختبارًا مستقلًا ومتكافئًا، لذا لا نذكر رقمًا. على RTX 4090 قسنا في ComfyUI ‏169–175 s لكل مقطع Wan 2.2 TI2V-5B بدقة 720p مدته 5 ثوانٍ، و354–361 s لكل مقطع Wan 2.2 14B FP8 بدقة 480p مدته 5 ثوانٍ.

هل يتسع Wan 2.2 14B في RTX 4090 بذاكرة 24 GB؟

في ComfyUI مع أوزان FP8 scaled، بدقة 832×480 و81 frames، نعم في اختبارنا، وبلغت الذروة 21.0 GB. أما سكربت Wan2.2 الرسمي فيطلب 80 GB لنماذج 14B.

كم تبلغ ذاكرة VRAM في RTX 5090؟

32 GB من GDDR7، مقابل 24 GB من GDDR6X في RTX 4090.

هل أحتاج إلى إصدار خاص من PyTorch لـ RTX 5090؟

نعم. تحتاج إلى إصدار مبني لـ CUDA 12.8 أو إصدار أحدث، لأن الإصدارات السابقة لا تحتوي على kernels لمعمارية 5090.

المصادر