DreamSoul 研发 / 研究
← 概览与型号

盈通 Radeon AI PRO R9700 对标调研

一、总览

在同一项 3DMark 图形测试中,R9700 得了 7,008 分,RTX 5070 Ti 得了 6,967 分,两张卡相差不到 1%。32 GB 的价值是让 35B Q4 权重全进显存,同时给长文档的上下文缓存和运行留空间。 一份 35B Q4 权重约 19.7 GiB,16 GB 卡通常要卸载到系统内存,或换更低位宽的量化。24 GB 卡已有全显存样本,R9700 再多 8 GB 名义容量,可留给上下文或并发。 UL 图形横评 · 35B Q4 权重及实测 · KV 缓存说明

GPU 显存 GB · 显存带宽 GB/s · 功耗 W FP32/FP8/BF16 TFLOPS 图形分/4K FPS 7B Q4 生成 token/s 35B Q4 生成 token/s · 驻留 训练与微调 大陆样本 元 综合分 /100
AMD 盈通 R9700(基准) 32 GDDR6 · 640 · 300 47.8/383¹/— 7,008 基准/— 152.70 153.4 · 全显存 ROCm,4B LoRA 有样本 17,899 72
AMD R9600D 32 GDDR6 · 640 · 150 24.8/199¹/— —/— — 容量同档,待实测 Linux ROCm 待询 52–86
AMD RX 9070 XT 16 GDDR6 · 640 · 304 48.7/389¹/— 7,273 ↑3.8%/65.8 142.00 50.64 · CPU 混合 ROCm,16 GB 需控制批量 5,299–6,199 56
AMD RX 7900 XTX 24 GDDR6 · 960 · 355 61.4/无原生 FP8/— 6,866 ↓2.0%/70.6 190.92 104.79 · 全显存 ROCm 7,899 75
NVIDIA RTX 5070 Ti 16 GDDR7 · 896 · 300 43.9/175.8/87.9 6,967 ↓0.6%/68.6 176.18 约 50 · WebUI,配置未详 CUDA,16 GB 需控制批量 7,549–10,399 61–64
NVIDIA RTX 5080 16 GDDR7 · 960 · 360 56.3/225.1/112.6 8,938 ↑27.5%/77.4 192.17 约 50 · 专家卸载 CUDA,16 GB 需控制批量 8,999–15,399 60–63
NVIDIA RTX 4090 24 GDDR6X · 1,008 · 450 82.6/330.3/165.2 9,225 ↑31.6%/89.1 190.10 147.73 · 全显存 CUDA,4B LoRA 有样本 23,920 涡轮均价 74
NVIDIA RTX 5090 32 GDDR7 · 1,792 · 575 104.8/419.0/209.5 14,636 ↑108.8%/110.8 273.68 194.0 · 早期 Q4 全显存 CUDA 43,785 涡轮均价 82
NVIDIA RTX PRO 4500 Blackwell 32 GDDR7 · 896 · 200 51/—/— —/— 168.90(CUDA) — CUDA 39,999 较早挂牌 74(较早价)

7B 两张卡都放得下,5070 Ti 的公开同协议样本生成快约 15%。 到 35B Q4,4090 和 7900 XTX 是 24 GB 全显存参照,R9600D 是 AMD 同容量低功耗参照,RTX PRO 4500 是 NVIDIA 同容量工作站参照。35B 一列使用各卡实际配置。5090 的 194.0 来自早期配对,当时 R9700 为 127.4。权重配方和后端见第四节。相同模型、量化和输入下,显存容量本身主要影响可运行的模型与上下文。 7B Vulkan 跑分 · 7B CUDA 跑分 · 35B 配对记录

如果考虑 R9600D,AMD 参考规格为 150 W、被动散热,整机需提供匹配风道。它的实测吞吐和含票供货价待核。 AMD R9600D 产品规格

表里的显存带宽是 GPU 芯片与板载显存之间的理论读写上限。 R9700 的 640 GB/s 比 5070 Ti 的 896 GB/s 低约 29%,比 5080 的 960 GB/s 低约 33%。PCIe 是显卡和主机之间的通道。 权重和 KV 缓存留在显存时,PCIe 对单卡持续生成通常影响较小。加载模型或频繁和系统内存交换数据时,PCIe 才更相关。 AMD R9700 规格 · NVIDIA 显存规格 · 显卡与主机数据传输

图形分取 Steel Nomad DX12,百分比相对 R9700。4K 帧率取同一组原生光栅测试。FP8 和 BF16 为稠密矩阵峰值,NVIDIA 按 FP32 累加,¹ 为 AMD 产品页所列 FP8 峰值。— 表示缺对应数据。原版 35B BF16 检查点约 67 GiB,需更大显存。 原生 4K 横评 · AMD 专业卡规格 · AMD 消费卡规格 · AMD FP8 支持矩阵 · Qwen 权重索引

二、使用场景与目标客群

办公 Agent 和本地 AI 生图是 R9700 的两个主要用途。 个人和团队都可以在单卡上运行 35B Q4 办公 Agent。生图时,32 GB 显存能容纳更大的模型,并给分辨率、批量和工作流留出空间。评分综合考虑这些用途能否用上 32 GB、公开实测表现和软件适配成本。

使用场景 潜在客群 适配度 /5
办公 Agent 个人办公用户、业务团队 5
本地 AI 生图 个人创作者、设计团队 4
LoRA/QLoRA 微调 AI 开发者、研发组、实验室 4
3D 渲染 设计师、技术美术 3
仅轻量问答或游戏 轻量使用者、玩家 2
单卡 35B BF16、全量训练 大模型研发组、服务团队 1

办公 Agent(5/5)。个人在自己的电脑上也可以运行 35B Q4 模型,让 Agent 读取多份报价、核对价格和交付条件、更新对比表,并为每条数据附上原文出处。R9700 已有 Qwen 35B Q4 全显存运行的公开样本。32 GB 让约 20 GiB 的量化权重上卡后仍能给上下文缓存和运行开销留空间。7–8B 可以用于简单任务,模型大小按实际任务的结果选择。验收时看任务完成率、来源是否准确、交付文件是否可用和全程耗时。有离线要求时,验证断网能否完成全流程。 R9700 的 35B Q4 实测

Back2Gaming 在同一台架上用 llama.cpp 模拟 Agent 的多轮长输入、短回复,配置 32K 上下文上限。用 27B UD-IQ4_XS 时,R9700、RTX 5070 Ti、RX 9070 XT 分别生成 30.6、28.3、26.4 token/s。换成 Qwen3.5-9B Q4_K_M,RTX 5070 Ti 为 117.1 token/s,R9700 为 79.8 token/s。这是模型回复速度样本。办公文件准确率和端到端耗时需在交付镜像上跑真实任务。 三卡 Agent 模拟实测

本地 AI 生图(4/5)。适合个人创作者和设计团队批量做商品图、封面和概念图。公开 SDXL 1024×1024 连续出图测试中,R9700 为 9.03 张/分钟,RTX 5070 Ti 为 9.84,RX 9070 XT 为 8.22。32 GB 的优势在更重的流程里更明显。AMD 的指南列出的 FLUX.1 Schnell 去噪模型一项约占 23.8 GB 显存,16 GB 卡跑这份配置时需要量化或卸载。给 4 分是因为已有实测支持生图,升级到更大模型或多节点流程时也有容量优势,但部署仍取决于实际使用的驱动、运行后端和自定义节点。按目标工作流实测出图时间、峰值显存和批量运行稳定性。 SDXL 三卡实测 · AMD 显存用量指南 · AMD ComfyUI 配置与测试

做 LoRA 或 QLoRA 时,32 GB 显存可以给训练中间结果和批量留余量。先核对 Linux ROCm 环境,在 Windows 上按支持矩阵核对 WSL。固定模型、精度和训练软件版本,持续试跑后再验收。 AMD WSL 支持矩阵

3D 渲染(3/5)。32 GB 能容纳更大的场景和贴图,渲染速度取决于软件和后端。公开 Blender 样本中 RTX 5070 Ti 更快。 Puget 应用渲染实测

只做短问答或玩游戏时,通常有成本更低的选项,按实际响应速度或目标游戏帧率选卡。

原版 35B BF16 仅权重就约 67 GiB。要求全驻留或做全量训练时,按权重、运行开销或训练状态核算,并评估更大显存或多卡方案。 Qwen 权重索引

工作站预装是整机厂、集成商面向企业采购方或个人交付办公 Agent、生图和微调等用途的方式。整机验收用随机器交付的镜像跑实际办公任务和生图流程,并检查重装恢复、满载温度和噪音,明确售后范围。 预装验收口径

三、本调研综合评分

以单卡工作站运行 35B MoE Q4、本地 7B 交互和小规模 LoRA/QLoRA 为目标,按中国大陆单卡样本价评分。各项权重和满分阈值按这三项用途设定,分数满分 100。办公 Agent 和生图按第二节的使用场景适配度与任务实测判断。

GPU 35B 驻留 /25 7B 速度 /20 微调部署 /15 硬件 /25 价格 /15 综合 /100 样本条件
AMD R9700 25 11 13 14 9 72 全显存基准,微调走 ROCm
NVIDIA RTX 4090 20 16 13 19 6 74 24 GB 余量较小,价格为涡轮均价
NVIDIA RTX PRO 4500 Blackwell 25 13 15 18 3 74 7B 取 CUDA,价格为较早挂牌
AMD R9600D 25 0–20 13 13 1–15 52–86 7B 同协议与报价待补
AMD RX 9070 XT 8 11 9 13 15 56 Q4 CPU 混合,16 GB
AMD RX 7900 XTX 20 12 11 17 15 75 24 GB 低价,35B Q4_0 实测
NVIDIA RTX 5070 Ti 8 14 11 16 12–15 61–64 16 GB,价格跨两档
NVIDIA RTX 5080 8 15 11 17 9–12 60–63 16 GB,价格跨两档
NVIDIA RTX 5090 25 20 15 21 1 82 高吞吐,价格为涡轮均价
AMD PRO W7900 25 0–20 13 17 1–15 56–90 7B 同协议与现价待补
AMD PRO W7800 48 GB 25 0–20 13 16 1–15 55–89 7B 同协议与现价待补
NVIDIA RTX PRO 4000 Blackwell 20 10 13 14 9 66 7B 取 CUDA,价格为挂牌
NVIDIA RTX 5000 Ada 25 0–20 15 15 1–15 56–90 7B 同协议与现价待补
NVIDIA RTX 4090 D 20 17 13 18 6 74 7B 取 CUDA
NVIDIA RTX 5090 D v2 20 0–20 13 21 6 60–80 7B 同协议待测

RTX 5090 D v2 的规格与价格等项目合计 60 分。7B 速度缺同协议实测,留 0–20 分,总分区间为 60–80 分。RTX 5090 的各项输入齐备,按本表口径为 82 分。两者在本表的 35B 驻留分差来自 24 GB 与 32 GB 的容量余量。

  • 35B 驻留 25 分。针对本报告约 18–21 GiB 的 Q4 权重样本,按名义显存 ≥32 GB/24 GB/16 GB 给 25/20/8 分。评估权重驻留及运行余量。未跑同模型的型号按容量估计,交付需验实际 KV、上下文和并发
  • 7B 速度 20 分。Llama 2 7B Q4_0、FA 开、tg128 最高 12 分、pp512 最高 8 分,各按实测达到 250 和 12,000 token/s 的比例计分,封顶后相加取整。优先取 Vulkan,明确标注的型号用同测试阶段 CUDA 样本。此分反映对应运行路径的观测速度
  • 微调部署 15 分。16/24/≥32 GB 分别给 6/8/10 分,表示固定小模型 LoRA 与 QLoRA 的显存余量。后端路径在原生 Windows 和 Linux 均可核实给 5 分,以 Linux 为可核实的训练基线给 3 分。本次 NVIDIA 按 PyTorch CUDA 路径计,AMD 按 Linux ROCm 路径计,适用的 WSL 环境仍按版本复核。训练吞吐见第四节。 PyTorch 安装与平台 · NVIDIA GPU 支持 · AMD Linux 支持矩阵 · AMD WSL 支持矩阵
  • 硬件 25 分。FP32 向量峰值按达到 100 TFLOPS 的比例给至多 10 分,显存带宽按达到 1,200 GB/s 的比例给至多 10 分。参考功耗按 ≤200/≤300/≤400/≤500/>500 W 给 5/4/3/2/1 分,三项相加取整。FP16、BF16 峰值的累加和稀疏口径需另行对齐,本项采用可核的 FP32 规格计算
  • 价格 15 分。按 ≤8,000/≤12,000/≤18,000/≤25,000/≤40,000/>40,000 元给 15/12/9/6/3/1 分。样本价跨档给区间。较早挂牌只用于该价格情形,批发均价和挂牌的条件见总表

复算。R9700 为 25+11+13+14+9=72。缺测时给该项可取范围,累计成总分区间。区间重叠的型号需先补测或询价。若只跑 7B Q4,去掉 35B 驻留项后 R9700 为 47/75,RTX 5070 Ti 为 53–56/75,预算判断随用途变化。显存和软件兼容属于硬条件时,先做可行性筛选。

四、公开实测与跑分

(一)Qwen 35B 量化推理

速度随权重文件、KV 缓存精度、后端、上下文和 CPU 卸载设置变化。127.4/194.0 token/s 来自 2026年2月的早期配对样本,Unsloth 后续修订了同名 Q4 配方。 配对原始记录 · Unsloth 配方修订

GPU 显存 GB 模型与量化 后端与权重驻留 生成 token/s 预填充 token/s 公开实测 本调研驻留分 /25
AMD R9700(基准) 32 3.5 · UD-Q4_K_XL(早期) Vulkan,全 GPU 127.4(平均) 2,713(512)/1,877(32K) llama.cpp 配对测试 25
NVIDIA RTX 5090 32 3.5 · UD-Q4_K_XL(早期) CUDA,全 GPU 194.0(↑52.3%)(平均) 7,026(512,↑159.0%)/6,461(32K,↑244.2%) 同一配对测试 25
AMD R9700 32 3.5 · UD-Q4_K_XL Linux Vulkan/RADV,全 GPU 153.4(tg128) 3,314(512)/3,131(8K) 独立 R9700 实测 25
NVIDIA RTX 4090 24 3.5 · Q4_K_M CUDA,全 GPU 147.73(tg128) 4,995.94(512) llama-bench 原始输出 20
NVIDIA RTX 5080 16 3.5 · UD-Q4_K_XL CUDA,部分专家留在系统内存 约 50 — llm-server S012 8
NVIDIA RTX 5080 16 3.5 · Q3_K_S CUDA,权重全 GPU,KV 为 IQ4_NL 109/119(64K/128K 配置) — Q3 显存与上下文测试 8
NVIDIA RTX 5070 Ti 16 3.5 · Q4_K_M llama.cpp,仅 12 层上 GPU 81.4(5 并发测试) 444.8(5 并发测试) LLM Benchmark 原始记录 8
NVIDIA RTX 5070 Ti 16 3.5 · Q4_K_M llama.cpp WebUI,配置披露有限 约 50 — LocalLLaMA 用户报告 8
AMD RX 9070 XT 16 3.5 · Q4_K Vulkan,CPU/GPU 混合 50.64(tg128) 548.78(512) LLAMA-DX 实验 8
AMD RX 7900 XTX 24 3.5 · Q4_0 混合配方 Vulkan,全 GPU 104.79(tg128) 2,104.92(512) llama-bench 原始记录 20
AMD R9700(卸载对照) 32 3.6 · UD-Q4_K_XL Vulkan,20/40 层专家留在 CPU 46.7/29.7(tg64) — llama.cpp 同机卸载测试 25
NVIDIA RTX 5080 16 3.6 · UD-Q4_K_XL Vulkan,20/40 层专家留在 CPU 51.8(↑10.9%)/32.5(↑9.4%)(tg64) — 同机卸载测试 8

(二)7B 推理、图形与渲染

GPU 设计厂商 型号 Llama 2 7B 生成 token/s Llama 2 7B 预填充 token/s Steel Nomad 图形分 Blender 分数 Linux vLLM 综合相对值 本调研 7B 速度分 /20
AMD Radeon AI PRO R9700(基准) 152.70 5,907.66 7,008 3,726 100% 11
AMD Radeon RX 9070 XT 142.00(↓7.0%) 5,603.63(↓5.1%) 7,273(↑3.8%) 3,722(↓0.1%) — 11
AMD Radeon RX 7900 XTX 190.92(↑25.0%) 3,889.54(↓34.2%) 6,866(↓2.0%) 4,941(↑32.6%) — 12
AMD Radeon PRO W7900 — — — — 约 68.0%(↓32.0%) 待测
英伟达(NVIDIA) GeForce RTX 5070 Ti 176.18(↑15.4%) 7,567.94(↑28.1%) 6,967(↓0.6%) 7,882(↑111.5%) — 14
英伟达(NVIDIA) GeForce RTX 5080 192.17(↑25.8%) 8,054.59(↑36.3%) 8,938(↑27.5%) 9,035(↑142.5%) — 15
英伟达(NVIDIA) GeForce RTX 4090 190.10(↑24.5%) 10,830.41(↑83.3%) 9,225(↑31.6%) — — 16
英伟达(NVIDIA) GeForce RTX 5090 273.68(↑79.2%) 11,796.38(↑99.7%) 14,636(↑108.8%) 15,872(↑326.0%) — 20
英伟达(NVIDIA) RTX PRO 4500 Blackwell 168.90(CUDA) 7,251.66(CUDA) — — — 13
英伟达(NVIDIA) RTX PRO 4000 Blackwell 136.38(CUDA) 5,674.44(CUDA) — — — 10
英伟达(NVIDIA) GeForce RTX 4090 D 191.57(CUDA) 12,506.97(CUDA) — — — 17

llama.cpp Vulkan 跑分 · llama.cpp CUDA 跑分 · UL 图形结果 · Puget 渲染测试 · Phoronix vLLM 综合成绩

(三)训练与微调实测

GPU 公开任务 训练结果 峰值显存 本调研微调部署分 /15
AMD R9700 Qwen3.5-4B 固定 token LoRA,ROCm 5.31 核心秒/5 步,120.58 目标 token/核心秒 17.28 GB 已分配 13
NVIDIA RTX 4090 同任务,CUDA 10.88 核心秒/5 步,58.81 目标 token/核心秒 17.14 GB 已分配 13
AMD R9700 Qwen2.5-Coder-32B 4-bit QLoRA,LLaMA-Factory、ROCm 6.3 用户报告约 142 训练 token/s,三轮 约 28 GB 13
NVIDIA RTX 4090 FLUX.1-dev NF4 QLoRA,BF16 混合计算,Diffusers 约 41 分钟/700 步,512 × 768 约 9 GB 13

4B 样本固定模型版本、token、LoRA 配置和优化器,在不同主机各测五步。两卡均通过。R9700 的前向和参考计算阶段用时较短,RTX 4090 的反向和优化器阶段更快。表中指标为核心阶段计时,完整训练需另外测端到端耗时与收敛。另两行分别说明不同微调配置的可行性。AMD ROCm 10.1 记录修复了 R9700 等卡在部分 PyTorch 微调任务中的重置问题。 4B 原始配对 · 32B 训练记录 · RTX 4090 FLUX 训练 · ROCm 修复记录

五、精度与测试批注

  • 权重与计算精度。BF16 和 FP16 都是 16 位浮点,但数值范围不同。Q4_K_M 和 UD-Q4_K_XL 是不同的 GGUF 权重量化配方。算子的乘法、累加及 KV 缓存可以各用不同精度,Q4 推理结果无法换算成 BF16 吞吐,也无法由硬件 INT4 或 FP4 峰值直接推得。 llama.cpp 量化说明
  • 矩阵规格。R9700 的 191 TFLOPS 是稠密 FP16 矩阵峰值,383 TFLOPS 为结构化稀疏口径。AMD 文档确认 gfx1201 支持 BF16 输入、FP32 累加的矩阵指令,R9700 产品页未单列 BF16 峰值。英伟达 BF16 数字取白皮书各卡稠密值。 R9700 规格 · AMD GPU 架构规格 · AMD 矩阵指令 · GeForce Blackwell 白皮书 · GeForce Ada 白皮书 · RTX PRO 4000 规格 · 4090 D 和 5090 D v2 规格
  • 35B 跑分口径。3.5 和 3.6 分别指 Qwen3.5-35B-A3B 和 Qwen3.6-35B-A3B。tg128/tg64 是测 128/64 个输出 token。预填充的 512、8K、32K 是输入 token 数。RTX 5080 的 64K/128K 是服务上下文配置,实际请求长度更短。5070 Ti 的 81.4 来自五并发报告,约 50 为另一份配置披露有限的 WebUI 报告
  • 35B 对标。RTX 4090 和 R9700 的独立 tg128 样本分别为 147.73 和 153.4 token/s,量化、后端和版本不同,尚缺同条件配对。R9700 与 RTX 5090 的 3.5 配对使用相同权重及 commit、不同主机与后端。R9700 与 RTX 5080 的 3.6 同机对照为 PCIe 4.0 ×4/×16,速度取改动前的基线
  • 其他跑分口径。7B 采用 llama.cpp、Q4_0、Flash Attention 开启、pp512/tg128。默认 Vulkan,标注行采用 CUDA,主机和构建版本各异。Steel Nomad 为 DX12 公开提交中位数。Blender 使用各平台的 GPU 渲染后端
  • 价格口径。 表中区分零售样本、历史挂牌和涡轮批发均价。美国基准取当地在售板卡样本。盈通 WA 京东标价为 17,999 元,加其余硬件暂估 4,000–7,000 元,自建单台预算约 2.2–2.5 万元。 盈通京东商品
  • 板卡与验收。 盈通 WA 为双槽涡轮,约 280 × 125 × 40 mm。样机待验证 FP16 GEMM、显存持续读写、PCIe 双向传输、SSD 冷加载及预装。固定权重文件及其哈希、KV 类型、后端版本和 CPU 卸载设置,以 7–8B 和 27–35B Q4 分别测首 token、生成速度、显存峰值和功耗。若交付要求 BF16,选能放下的固定模型单独跑对应后端。若要对比训练吞吐,统一模型、数据、序列长度、有效批量、精度、LoRA rank 与 step,记录吞吐、显存、loss 和持续稳定性。 预装验收

六、计算、显存与价格总表

基准为盈通 R9700 32 GB。 ↑/↓ 为相对基准的增减,=为持平,— 为缺可比公开数值。BF16 列使用稠密矩阵和 FP32 累加。英伟达 FP16 列按 FP16/FP32 累加排列,AMD 产品规格未列 FP16 峰值的累加精度。RTX 4090 D 的 FP32 取英伟达公布的 74 TFLOPS。RTX 5090 D v2 按官方 21,760 个 CUDA 核心、2.41 GHz 和每周期每核心 2 次浮点运算估算 FP32 峰值。 RTX 4090 D 规格 · RTX 5090 D v2 规格 · RTX Blackwell 白皮书

价格以 2026年11月16–19日渠道快照为主。中国大陆相对盈通 WA 京东当时优惠价 ¥17,899.01,美国相对当地 R9700 板卡样本低点 $1,999.99。

GPU 设计厂商 型号 FP32 TFLOPS 稠密 FP16 矩阵 TFLOPS BF16 矩阵 TFLOPS 显存 GB 显存带宽 GB/s 参考功耗 W 中国大陆 元 美国 USD 本调研硬件分 /25
AMD Radeon AI PRO R9700(基准) 47.8 191 支持,峰值未列 32 640 300 17,899.01 1,999.99–2,379.99 14
AMD Radeon AI PRO R9600D 24.8(↓48.1%) 99(↓48.2%) — 32(=) 640(=) 150(↓50.0%) — — 13
AMD Radeon RX 9070 XT 48.7(↑1.9%) 195(↑2.1%) — 16(↓50.0%) 640(=) 304(↑1.3%) 5,299–6,199(↓70.4% 至 ↓65.4%) 959.99(↓52.0%) 13
AMD Radeon RX 7900 XTX 61.4(↑28.5%) 123(↓35.6%) — 24(↓25.0%) 960(↑50.0%) 355(↑18.3%) 7,899(↓55.9%) 跟踪缺货 17
AMD Radeon PRO W7900 61.3(↑28.2%) 123(↓35.6%) — 48(↑50.0%) 864(↑35.0%) 295(↓1.7%) 33,264(2024 历史) — 17
AMD Radeon PRO W7800 48 GB 45.2(↓5.4%) 90.4(↓52.7%) — 48(↑50.0%) 864(↑35.0%) 260(↓13.3%) — — 16
英伟达(NVIDIA) GeForce RTX 5070 Ti 43.9(↓8.2%) 175.8/87.9 87.9 16(↓50.0%) 896(↑40.0%) 300(=) 7,549–10,399(↓57.8% 至 ↓41.9%) 1,400–1,499(↓30.0% 至 ↓25.0%) 16
英伟达(NVIDIA) GeForce RTX 5080 56.3(↑17.8%) 225.1/112.6 112.6 16(↓50.0%) 960(↑50.0%) 360(↑20.0%) 8,999–15,399(↓49.7% 至 ↓14.0%) 2,235–2,670.02(↑11.8% 至 ↑33.5%) 17
英伟达(NVIDIA) GeForce RTX 4090 82.6(↑72.8%) 330.3/165.2 165.2 24(↓25.0%) 1,008(↑57.5%) 450(↑50.0%) 23,920(↑33.6%) 涡轮均价 4,999(↑150.0%) 19
英伟达(NVIDIA) GeForce RTX 5090 104.8(↑119.2%) 419/209.5 209.5 32(=) 1,792(↑180.0%) 575(↑91.7%) 43,785(↑144.6%) 涡轮均价 6,549–7,799.99(↑227.5% 至 ↑290.0%) 21
英伟达(NVIDIA) RTX PRO 4000 Blackwell 37(↓22.6%) — — 24(↓25.0%) 672(↑5.0%) 145(↓51.7%) 15,000(↓16.2%) 挂牌 — 14
英伟达(NVIDIA) RTX PRO 4500 Blackwell 51(↑6.7%) — — 32(=) 896(↑40.0%) 200(↓33.3%) 39,999(↑123.5%) 较早挂牌 4,799.99–5,199(↑140.0% 至 ↑160.0%) 18
英伟达(NVIDIA) RTX 5000 Ada 65.3(↑36.6%) — — 32(=) 576(↓10.0%) 250(↓16.7%) 待询 — 15
英伟达(NVIDIA) GeForce RTX 4090 D 74(↑54.8%) — — 24(↓25.0%) 1,008(↑57.5%) 425(↑41.7%) 20,554(↑14.8%) 涡轮均价 — 18
英伟达(NVIDIA) GeForce RTX 5090 D v2 104.9(↑119.5%,估算) — — 24(↓25.0%) 1,344(↑110.0%) 575(↑91.7%) 19,999(↑11.7%) — 21

AMD R9700 · 英伟达 GeForce 规格 · 英伟达工作站规格 · 大陆零售跟踪 · RTX PRO 4000 大陆价格线索 · RTX PRO 4500 工包挂牌入口 · 批发公开索引 · 美国消费卡价格 · Amazon 跟踪 · 美国 R9700 板卡样本 · B&H RTX PRO 4500