Видеокарты

Бюджетный сегмент видеокарт — место, где на счету бывает каждый доллар. Поэтому выход RTX 5050 за $250 был абсолютно оправданным. Все‑таки новая архитектура, поддержка DLSS 4, энергоэффективность — дорогого стоят. А тут все это предлагают по максимально выгодной цене. Но есть одна проблема: RTX 5060 стоит всего на $50 дороже и обещает заметно больше производительности. Получается классическая дилемма покупателя с ограниченным бюджетом: взять то, что по карману, или немного поднапрячься ради комфорта в будущем?

Привет! На связи команда mClouds. В 2025 году разработчики AI-проектов сталкиваются с непростым выбором: использовать потребительскую видеокарту RTX 4090 или профессиональное решение L40S. Обе карты построены на архитектуре Ada Lovelace, используют один и тот же графический чип AD102 и имеют похожую вычислительную мощность, но L40S предлагает вдвое больше памяти: 48 ГБ против 24 ГБ у RTX 4090.

В этой статье мы детально сравним технические характеристики, производительность и практическую применимость этих карт для различных задач. 

NVIDIA RTX 5090, как и подобает флагманским видеокартам, поражает своей производительностью. Ее отличает не только мощная аппаратная начинка, но и продвинутый ИИ. Вот только совсем без подвохов не обошлось. Оказывается, даже самая мощная GPU может внезапно потерять до четверти своих возможностей из-за, казалось бы, незначительной детали в конфигурации системы. Интересно, что это за деталь такая и можно ли как-то избежать подобных неприятностей?

Протестировали нейросети и показали, в чём разница между разными моделями видеокарт — не только AI/ML-инженеры должны понимать, что скрывается за TFLOPS и в чём их разница. Взяли базовые карты, которые можно использовать для работы с нейросетями. За подробностями под кат!

GeForce RTX 4090, представленная NVIDIA в октябре 2022 года, стала не только самой мощной потребительской видеокартой своего времени, но и одной из самых противоречивых. За почти три года существования этот флагманский продукт прошел сложный путь от серьезных технических проблем до относительной стабильности, демонстрируя как инженерные просчеты, так и способность индустрии адаптироваться к вызовам.

Как получить бан в Call of Duty без читов. Расследование одного бага.
Установи Windows не на NTFS и получи подарок

Привет, Хабр!

Если ваши 1:1 — это «ну, поболтали и разошлись», а менторство выматывает сильнее, чем два продакшн‑инцидента подряд, значит что‑то не так. В этой статье рассмотрим эту проблему.

Недавно компания HighPoint представила первый RAID-адаптер с поддержкой четырех M.2 SSD. Решение ориентировано на рабочие станции, edge-вычисления и системы, критичные к скорости хранения.

И кажется, среди июньских новинок не только диски заточены под работу с ML. Например, компания Broadcom начала поставки Tomahawk 6 — чипа для Ethernet-коммутаторов, производительность которого составляет более 102 Тбит/с, что в два раза превышает возможности текущих решений! Конечно, эта новинка тоже создана с прицелом на инфраструктуру ИИ.

Привет, Хабр! Меня зовут Сергей Ковалёв, я менеджер выделенных серверов в Selectel. В новом дайджесте рассказываю, какое железо представили вендоры в июне. Подробности под катом!

Странные мокрые пятна на видеокарте могут напугать кого угодно. Ведь не может же GPU просто взять и вспотеть. Значит, либо на него что-то пролили, либо он потек сам – и еще непонятно, что хуже. Но практика показывает, что подобные случаи редкостью не являются. Потому что на Reddit регулярно появляются фотографии мокрых видеокарт, сопровождаемые вопросами о причинах происходящего и возможных последствиях. Люди искренне не догадываются, откуда берутся эти пятна, а потому начинают паниковать. Но чаще всего ничего критичного в этом нет.

На сцене Conversations в этот раз собрались эксперты из SberAI, Авито, Т-Банка и Raft, чтобы вместе с Just AI обсудить автономных агентов с суперпамятью, вызовы vibe-coding и новую эру кибербезопасности. Вашему вниманию — расшифровка интереснейшей дискуссии!

О скорости изменений в индустрии и методах отслеживания важных технологических релизов, перспективах вычислительной революции, альтернативах NVIDIA и безопасности LLM, подходах к вайбкодингу в разработке и кейсах применения AI-ассистентов и многом другом.

Покупка видеокарты стоимостью как подержанная машина — решение откровенно непростое. 300 тысяч рублей за RTX 5090, 150 за RTX 5080 и даже 100 за RTX 5070 Ti — суммы, которые любого заставляют задуматься о целесообразности трат. Особенно когда нет гарантии, что любимая игра раскроет потенциал этих монстров и даст мало-мальски ощутимый прирост кадров в секунду. Тесты показывают неприятную правду: далеко не везде RTX 5000 стоят своих денег.

Если в середине 90-х вы уже знали, что такое ватты и киловатты и сами платили за электричество, то наверняка подтвердите, что ПК того времени потребляли куда меньше энергии, чем флагманские видеокарты современности. Весь системный блок — а это процессор, материнская плата, жесткий диск и видеокарта — укладывался максимум в 200 Вт. А сегодня одна только RTX 5090 забирает из розетки в 2,5 раза больше. Конечно, на выходе мы получаем поистине завораживающую графику, но есть и издержки в виде большого количества тепла, шума и, конечно, рисков оплавления. В этой статье мы проследим путь эволюции видеокарт и разберемся в технических причинах их растущих аппетитов.

30 января 2025 года состоялся один из самых ожидаемых технологических релизов года — старт продаж видеокарты NVIDIA GeForce RTX 5090. Построенная на новейшей архитектуре Blackwell, она обещала беспрецедентный скачок производительности для геймеров, создателей контента и, что особенно важно в 2025 году, для специалистов по работе с локальными ИИ‑моделями. Однако вместо триумфа рынок получил «бумажный запуск», сопровождающийся лавиной сообщений о критических неисправностях. Флагман стоимостью $1999 оказался не просто дефицитным, а потенциально опасным.

В этой статье мы проведем глубокий анализ ситуации, опираясь на данные технических отчетов, пользовательских жалоб и исследований независимых экспертов. Мы разберем, почему плавились разъемы, как драйверы превращали карты в «кирпичи», и как системные проблемы в производстве и логистике NVIDIA привели к одному из самых проблемных запусков в истории компании. Это не просто история о неудачном продукте, а кейс о рисках в управлении качеством, последствиях экономии на компонентах и уроках для любого технологического бизнеса.

Видеокарта в вашем компьютере мощнее процессора в 10, а то и в 100 раз — это зависит от конкретной задачи. В задачах машинного обучения и рендеринга графики в реальном времени мы с удовольствием пользуемся этой мощью видеокарт, так как решать эти задачи на процессорах нецелесообразно. Почему мы не пользуемся этими возможностями для вычислений других видов? Что не даёт видеокартам превратиться в вычислительные устройства более общего назначения?

Я считаю, что существуют два основных фактора, которые этому мешают. Первый — ограниченная модель выполнения операций, из-за которой некоторые задачи либо сложно, либо невозможно решать эффективно. GPU замечательно справляются с обработкой больших блоков данных предсказуемой формы, например — с умножением плотных матриц, но испытывают трудности с динамическими нагрузками. Второй фактор — это наши несовершенные языки программирования и инструменты. Программировать параллельные компьютеры гораздо сложнее, чем обычные.

Современный видеоускоритель — это ещё и невероятно сложная система, которая постоянно становится всё сложнее. Новые возможности, вроде сеточных шейдеров (mesh shader) и графов задач (Work Graphs) хорошо описывает фраза «два шага вперёд, шаг назад». С каждой новой возможностью связана некая базовая задача, поддержка решения которой реализована не полностью.

Я уверен в возможности существования более простых и мощных параллельных компьютеров. В исторических материалах можно найти сведения, подтверждающие эту уверенность. Будь наша вселенная немного иной — сейчас у нас были бы такие компьютеры. Мы бы проектировали алгоритмы и писали бы программы, которые хорошо на них работают, решая с помощью таких компьютеров широкое множество разнообразных задач.

NVIDIA представила RTX 5060 как карту для массового рынка, обещая достойную производительность в Full HD за разумные деньги. Однако не всё оказалось так однозначно. Нет, её нельзя назвать плохой или неподходящей для игр. Просто эта модель имеет свои особенности, которые не выглядят очевидными, когда изучаешь её характеристики на бумаге. О том, как именно RTX 5060 работает в реальных условиях, мы и поговорим в этой статье.

Видеокарты Intel Arc все еще сырые и не очень стабильные, но они постепенно набирают популярность. В 2025 году это уже не просто экзотические решения для энтузиастов. Intel активно развивает линейку своих GPU, а сами устройства становятся все производительнее и доставляют все меньше головной боли. Но их главное преимущество — это наличие в модельном ряду откровенно доступных решений, которые стоят едва ли дороже интегрированной графики, предлагая при этом полноценный игровой опыт. Сегодня мы поговорим о том, как устроены видеокарты Intel Arc, что отличает их от конкурентов и достойны ли они вашего внимания.

Привет, Хабр! Меня зовут Артём Маклаев, вместе с командой я занимаюсь оценкой производительности серверных платформ для задач искусственного интеллекта в YADRO. Сегодня поговорим о готовящемся к выпуску сервере YADRO G4208P G3, к раннему образцу которого мы получили полный доступ, чтобы оценить его эффективность работы с нейросетями.

Мы провели масштабное тестирование разных ИИ-моделей на платформах с восемью H100 NVL и RTX 4090, адаптированных для установки в сервер. Когда выгоднее взять RTX 4090, а в каких случаях не обойтись без серверных карт? Давайте вместе разберемся.

В последнее время большие языковые модели (LLM) становятся все более популярными, но для их эффективного запуска требуется значительная вычислительная мощность. Один из способов запуска LLM локально - использование библиотеки Llama.cpp. В этой статье мы рассмотрим, как тестировать производительность видеокарт для LLM с использованием инструмента llama-bench, входящего в состав Llama.cpp.

Дисклеймер: Почему Llama.cpp, а не Ollama?

Прежде чем мы приступим к тестированию, важно объяснить, почему мы используем Llama.cpp напрямую, а не Ollama. Ollama – это удобная надстройка, упрощающая установку и запуск LLM. Однако, она добавляет дополнительный слой абстракции, который приводит к снижению производительности и ограничивает контроль над настройками. Llama.cpp же напротив предоставляет прямой доступ к аппаратным ресурсам и позволяет максимально оптимизировать запуск LLM на вашей системе. Если ваша цель – получить максимальную производительность и точно настроить параметры, Llama.cpp – отличный выбор.

В этой статье я расскажу, как можно разделить GPU на vGPU в кластере Kubernetes с поддержкой жесткой изоляции, используя Volcano и Volcano vGPU Device Plugin.