Hardware

مرة تلو الأخرى، دعنا نقارن الأسعار بين أفضل بطاقات الجرافيكس للمستهلكين من المستوى الأعلى، والتي مناسبة بشكل خاص للنماذج العصبية الكبيرة (LLMs) وبشكل عام للذكاء الاصطناعي (AI).

بالتحديد، أنا أنظر إلى
أسعار RTX-5080 و RTX-5090.
لقد تراجعت بشكل طفيف.

[تطبيقات مراقبة حمل وحدة معالجة الرسومات (GPU)](https://www.glukhov.org/ar/post/2025/08/gpu-monitoring-apps-linux/ “تطبيقات مراقبة حمل وحدة معالجة الرسومات (GPU)): nvidia-smi مقابل nvtop مقابل nvitop مقابل KDE plasma systemmonitor.

نvidia على وشك إصدار NVIDIA DGX Spark - جهاز كمبيوتر صغير جداً لتشغيل الذكاء الاصطناعي بناءً على بنية Blackwell مع 128+ جيجابايت من الذاكرة الموحّدة و 1 PFLOPS من أداء الذكاء الاصطناعي. جهاز رائع لتشغيل نماذج الذكاء الاصطناعي الكبيرة (LLMs).

لنقارن الأسعار بين أفضل بطاقات الرسومات الموجهة لمستخدمي الأجهزة النهائية، والتي مناسبة بشكل خاص للنماذج العصبية الكبيرة (LLMs) والأتمتة الذكية بشكل عام. ننظر بالتفصيل إلى أسعار RTX 5080 و RTX 5090. تراجعت الأسعار قليلاً.

قبل 3 أشهر فقط لم نرَ RTX 5090 في المتاجر، ولكن الآن هنا هي، ولكن الأسعار أعلى قليلاً من MRSP. لنقم بمقارنة أرخص أسعار RTX 5080 و RTX 5090 في أستراليا ونرى كيف تسير الأمور.

نظام تلقائي متميز لمهام رائعة.

كيف تؤثر مسارات PCIe على أداء النماذج الكبيرة؟ يعتمد ذلك على المهمة. بالنسبة للتدريب والتنبؤ متعدد GPUs - فإن انخفاض الأداء كبير.

كنت أشعر بالتأثير الكبير من هذه المشكلة. ولكن يجب عليك التحقق والاختبار على جهاز الكمبيوتر الخاص بك إذا كان شاشة الموت الأزرق (BSOD) الخاصة بك مشابهة لصيغتي.

السبب هو مشكلة تدهور معالجات إنتل في الجيل الثالث عشر والرابع عشر.

لدي نظرية أريد اختبارها - هل استخدام جميع النوى على معالج Intel CPU سيزيد سرعة نماذج LLM؟ (اختبار: كيف يستخدم Ollama أداء معالج Intel ووحدات النوى الفعالة) يزعجني أن نموذج gemma3 27 بت (gemma3:27b، 17GB على ollama) لا يناسب 16GB VRAM لبطاقتي الرسومية، ويتم تشغيله جزئيًا على المعالج.

في وسط الفوضى في العالم الحديث هنا أنا مقارنة مواصفات التكنولوجيا المختلفة المناسبة لمهام الذكاء الاصطناعي (التعلم العميق, كشف الكائنات ونماذج الذكاء الاصطناعي الكبيرة). ولكنها جميعًا باهظة التكلفة للغاية.

عندما يتلقى خادم Ollama طلبين في نفس الوقت، فإن سلوكه يعتمد على إعداداته وموارد النظام المتاحة.

تثبيت ET-8500 على Windows موثق جيدًا في التعليمات. تثبيت مُستوى القيادة لـ ET-8500 على Linux سهل ولكن ليس بسيطًا.

مقارنة سرعة التنبؤ لعدة إصدارات من نماذج LLMs: llama3 (Meta/Facebook)، phi3 (Microsoft)، gemma (Google)، mistral (مصدر مفتوح) على وحدة المعالجة المركزية (CPU) ووحدة معالجة الرسومات (GPU).