Porównanie wydajności pomiędzy V100 a RTX 4090, przeprowadzone na podstawie 45 standardowych testów AI zebranych z naszej floty produkcyjnej. Testy pokazują, że V100 wygrywa w 9 spośród 45 benchmarków (wskaźnik zwycięstw wynoszący 20%), podczas gdy RTX 4090 wygrywa w 36 testach. Wszystkie wyniki benchmarków są automatycznie zbierane z aktywnych serwerów dzierżawionych, dostarczając danych o rzeczywistej wydajności.
Dla serwerów API produkcyjnych i systemów AI multi-agent obsługujących wiele współbieżnych żądań, V100 jest o 43% wolniejszy niż RTX 4090 (mediana z 3 benchmarków). Dla Qwen/Qwen3-4B, V100 osiąga 401 tokenów/s, podczas gdy RTX 4090 osiąga 706 tokenów/s (o 43% wolniej). V100 nie wygrywa żadnego z 3 testów przepustowości, co sprawia, że RTX 4090 jest lepiej dostosowany do obciążeń API produkcyjnych.
Dla osobistych asystentów AI i lokalnego rozwoju z jednym żądaniem na raz, V100 jest o 33% wolniejszy niż RTX 4090 (mediana z 12 benchmarków). Uruchamiając gpt-oss:20b, V100 generuje 113 tokenów/s, podczas gdy RTX 4090 osiąga 183 tokenów/s (o 38% wolniej). V100 nie wygrywa żadnego z 12 testów dla pojedynczego użytkownika, co czyni RTX 4090 lepszym wyborem do lokalnego rozwoju AI.
Dla obciążeń Stable Diffusion, SDXL i Flux, V100 jest o 46% wolniejszy niż RTX 4090 (mediana z 22 testów porównawczych). Testując sd3.5-medium, V100 generuje obraz w 16 s, podczas gdy RTX 4090 w 28 s (69% szybciej). V100 wygrywa 4 z 22 testów generowania obrazów, co czyni RTX 4090 lepszym wyborem do obciążeń Stable Diffusion.
Dla obciążeń wizyjnych o wysokiej współbieżności (16-64 równoległych żądań), V100 zapewnia przepustowość o 54% niższą niż RTX 4090 (mediana z 4 benchmarków). Testując llava-1.5-7b, V100 przetwarza 53 obrazów/min, podczas gdy RTX 4090 osiąga 217 obrazów/min (76% wolniej). V100 nie wygrywa żadnego z 4 testów wizyjnych, co czyni RTX 4090 lepszym wyborem dla obciążeń wizyjnej sztucznej inteligencji o wysokiej przepustowości.
Zamów serwer z kartą GPU V100 Wszystkie benchmarki serwerów z kartami GPU
Ładowanie danych porównawczych...
Zbieramy nasze testy wydajności automatycznie z serwerów wyposażonych w karty GPU typu V100 i RTX 4090 z naszej floty. W przeciwieństwie do testów laboratoryjnych, wyniki te pochodzą z rzeczywistych serwerów produkcyjnych obsługujących rzeczywiste obciążenia AI, zapewniając przejrzyste, realne dane dotyczące wydajności.
vLLM (Wysokoprzetwornicowy) oraz Ollama (Jednouserowy). Testy z użyciem ramienia vLLM pokazują wydajność kart V100 i RTX 4090 przy obsłudze od 16 do 64 równoległych żądań – idealne dla produktowych botów czatowych, wieloagentowych systemów AI oraz serwerów API. Benchmarki Ollamy mierzą prędkość pojedynczych żądań przeznaczonych dla osobistych asystentów AI i lokalnego rozwoju. Spośród modeli przetestowano m.in.: Llama 3.1, Qwen3, DeepSeek-R1, a także inne.
Benchmarki generowania obrazów obejmują architektury Flux, SDXL i SD3.5. Jest to kluczowe dla tworzenia sztuki AI, prototypowania projektów oraz aplikacji kreatywnych. Skupienie na prędkości generowania pojedynczego polecenia pozwala zrozumieć, jak karty V100 i RTX 4090 radzą sobie z obciążeniem związanym z pracą nad obrazami.
Testy wizyjne sprawdzają przetwarzanie multimodalne i dokumentów pod obciążeniem wysokiego równoległego obciążenia (16–64 żądań jednocześnie), wykorzystując dane z rzeczywistych scenariuszy. LLaVA 1.5 7B (model językowo-wizualny o parametrach 7B) analizuje zdjęcie starszej kobiety na polu kwiatowym z golden retrieverem, testując rozumienie sceny oraz logiczne rozumowanie wzrokowe przy wielkości partii wynoszącej 32, aby zgłaszać wynik jako obrazów na minutę. TrOCR-base (model OCR o parametrach 334M) przetwarza 2750 stron Hamleta Szekspira zeskanowanych ze starych książek z typografią epoki przy wielkości partii wynoszącej 16, mierząc wydajność jako stron na minutę dla cyfryzacji dokumentów. Sprawdź, jak karty V100 i RTX 4090 radzą sobie z pracami wizyjnej sztucznej inteligencji w skali produkcyjnej – kluczowych dla moderowania treści, przetwarzania dokumentów i automatycznej analizy obrazów.
Uwzględniamy również moc obliczeniową CPU (wpływającą na tokenizację i przetwarzanie wstępne) oraz prędkość dysków NVMe (kluczową dla ładowania dużych modeli i zbiorów danych) - dający pełen obraz Twoich obciążeń związanych ze sztuczną inteligencją.
Wynik w TAIflops (Trooper AI FLOPS) pokazany w pierwszym wierszu łączy wszystkie wyniki benchmarków sztucznej inteligencji w jedną liczbę. Używając karty RTX 3090 jako punktu odniesienia (100 TAIflops), ten wynik natychmiast pokaże Ci, jak V100 i RTX 4090 porównują się pod względem ogólnej wydajności obliczeń dla zadań związanych z AI.
Dowiedz się więcej o TAIflops →
Uwaga: Wyniki mogą się różnić w zależności od obciążenia systemu i konfiguracji. Te wyniki benchmarkowe reprezentują wartości medyczne uzyskane podczas wielu pomiarów.
Zamów serwer GPU z kartą V100 Zamów serwer GPU z kartą RTX 4090 Pokaż wszystkie benchmarki