Kentino AI 256 TurinDual 5090 — 8× RTX 5090 Dual-Socket Zen5c Flagship (Vyžádejte si cenovou nabídku na CPU)
Platforma podnikové úrovně, sestavená a testovaná v EU.
Kentino AI 256 TurinDual 5090 13408TOPS
256 GB VRAM – vlajkový inferenční server
8x RTX 5090 | Duální EPYC Turin | 13 408 TOPS INT8
Cena CPU finalizována při objednávce – trh s procesory řady Turin 9005 se ve 2. čtvrtletí 2026 mění každý týden.
Publikované externí reference. Nebylo měřeno na hardwaru Kentino.
Vlajkový inferenční server pro montáž do racku s výškou 7U a osmi grafickými kartami GeForce RTX 5090 (32 GB GDDR7, Blackwell, nativní FP8) na dvoupaticové platformě EPYC Turin (Zen5c, SP5) se 768 GB paměti DDR5-4800 ECC na všech 12 kanálech, 2 TB NVMe bootovacím diskem a 5x 1200W serverovým zdrojem. Komplexní PCIe Gen5 na GPU přes aktivní rozšiřující karty pro retimer/rediver. Ihned po vybalení spouští vLLM, SGLang, llama.cpp, ComfyUI a všechny hlavní inferenční stacky s otevřenou váhou.
technické vybavení
| Složka | Detail |
|---|---|
| GPU | 8x NVIDIA GeForce RTX 5090 32 GB GDDR7 (Blackwell, 575 W TGP, PCIe 5.0 x16, nativní FP8, 1676 INT8 TOPS/karta) |
| Pool VRAM | Celkem 256 GB na 8 kartách (bez NVLinku na spotřebitelské RTX 5090) |
| Procesor (CPU) | 2x AMD EPYC Turin řady 9005 (Zen5c, SP5, PCIe 5.0) — cenová nabídka čeká na vyřízení při objednávce |
| Základní deska | ASRock Rack TURIN2D24XGM/500W (duální SP5, PCIe 5.0, 24x DDR5 DIMM) |
| Systémová RAM | 768 GB DDR5-4800 ECC RDIMM (12x 64 GB — všech 12 kanálů obsazeno; 12 slotů zbývá pro škálování až na 1.5 TB) |
| Spouštění / úložiště | 2TB NVMe M.2 (PCIe 4.0 x4) |
| napájení | 5x sada serverových zdrojů 1200 W (kompatibilní s HP, agregát 6 kW) |
| Podvozek | 7U 8-GPU (až 10 slotů PCIe, samostatné pozice pro zdroje) |
| Chlazení | 2x věžové chladiče SP5 + rackové proudění vzduchu zepředu dozadu (průmyslové ventilátory) |
| Stoupačky | 8x aktivní PCIe Gen5 x16 (retimer/redriver) — end-to-end Gen5 |
| Síť | Integrované 10 GbE (závisí na desce) |
Napájecí obálka
- Odběr energie z grafické karty: 8 x 575 W = 4 600 W
- Celkový výkon systému při plném zatížení: ~5 520 W
- Celkový výkon zdroje: 6 000 W (5x 1 200 W) — 8 % rezervy dle specifikace
- Kentino se dodává s výkonovým stropem GPU na 500 W — celkový pokles na ~4 920 W (~15% rezerva)
Topologie jízdních pruhů
Dual Turin poskytuje 2x 128 = 256 PCIe Gen5 linek na straně hostitele. Aktivní rozšiřující karty Gen5 nesou Gen5 x16 na každém GPU – není vyžadován žádný PCIe přepínač (jeden CPU na 4kartovou banku). Žádné NVLink; P2P mezi GPU na Gen5 x16 (nominálně ~60 GB/s na linku).
Co můžete spustit
S 256 GB sdílené paměti VRAM na 8 kartách Blackwell s nativním FP8 cílí tento server na Frontier 235-480B MoE ve čtvrtém čtvrtletí s reálným kontextem, na rodinu DeepSeek V3 ve druhém čtvrtletí a na 1.58bitové dynamické kvantování Kimi-K2 s reálnou propustností.
LLM – text / uvažování / kódování
Čínská hranice
- Qwen3-235B-A22B (Instruct / Thinking / "2507") Q4 (~132 GB) s dlouhým kontextem + dávkování pro více uživatelů (~25-40 tok/s jeden stream na 8x RTX 5090, publikovaná reference)
- GLM-4.5 / 4.6 / 4.7 Q4 (~177 GB) — vlajková loď uvažování/kódování, 200 tisíc ctx na 4.6+
- GLM-5 / GLM-5.1 Q2 (~260 GB) s menším únikem RAM — hraniční kódování blízké Claude Opus 4.6
- DeepSeek V3 / R1 / V3.1 / V3.2 / V3.2-Special Q2 (~215 GB) při užitečné inferenční rychlosti (~28 tok/s jeden stream na 8x Blackwell, publikovaná reference)
- Kimi-K2 1.58bitový UD-TQ1_0 (~240 GB) — agent s biliony parametrů a reálnou propustností tokenů (~7-10 tok/s jeden stream, publikovaná reference)
- Hunyuan-velký 389B/52B MoE, 4. čtvrtletí (~220 GB); ERNIE-4.5-424B-A47B 4. čtvrtletí (~240 GB)
- Qwen3-Coder-480B-A35B Q4 (~270 GB omezeno kvůli úniku RAM) — vlajková loď SOTA s otevřeným kódováním
- MiniMax-M1 / Text-01 Q4 (~260 GB) 1M kontext; Qwen3.5-397B-A17B 4. čtvrtletí (~214 GB)
Západní hranice
- Mistral Large 3 (675B/41B MoE, Apache 2.0) Q3 (~317 GB s únikem) – otevřené váhy na západní hranici
- Flame 4 Maverick (400 mld./17 mld., 128 expertů) Q4 (~232 GB) multimodální
- Llama-3.1-Nemotron Ultra 253B Q4 (~119 GB) — odpovídá DeepSeek-R1 v poloviční velikosti
- gpt-oss-120b Nativní MXFP4 (80 GB) s pohodlným prostorem pro více modelů
- Devstral 2 123B (Modifikovaný MIT) Q6 — špičkové otevřené kódování, 256k ctx
- Lama 3.3 70B bf16 (~142 GB) multitenantní obsluha (~30-40 tok/s jeden stream na pár RTX 5090 TP2, publikovaná reference)
Modely vizuální a jazykové komunikace
Qwen3-VL-235B-A22B plný bf16 (~240 GB na kartě); InternVL3.5-241B-A28B (~135 GB Q4); Llama 3.2 90B Vision bf16; Pixtral Large 124B bf16 (~248 GB omezené paměti); Qwen3-Omni-30B-A3B; Molmo 72B; ERNIE-4.5-VL; GLM-4.6V plný. Cesta Blackwell fp8 poskytuje ~2x propustnost při inferenci Vision-Tower oproti Ada.
Generování obrazu
FLUX.1 [dev] / Kontext / Nástroje plná verze bf16 (~10-18 s/obraz při fp8 na kartu, publikovaná reference); SD 3.5 Large; HunyuanImage-2.1 (17B, nativní 2K); HunyuanImage-3.0 80B/13B MoE; AuraFlow; OmniGen; farmy ComfyUI s více pracovníky.
Generování videa
Wan 2.2 T2V-A14B / I2V-A14B duální expert bf16 (oba rezidentní s vysokým šumem + nízkošumový současně); HunyuanVideo 13B bf16 oba experty; Open-Sora 2.0 (11B) bf16; CogVideoX-5B; Mochi-1; LTX-Video; Pyramid Flow; SVD / SV3D / SV4D; NVIDIA Cosmos Predict 2.
Zvuk / Řeč / TTS
- ASR: Whisper v3 large / turbo (~50x v reálném čase); Parakeet-TDT 1.1B; Canary 1B; Qwen3-ASR; SenseVoice
- Překlad textu na řeč: CosyVoice 2/3; Kokoro; Stable Audio Open; XTTS v2; Step-Audio-EditX
- Reálný čas / S2S: Kyutai Moshi; Step-Audio 2 mini / R1; Qwen2.5-Omni-7B
- Hudba / Zvukové efekty: MusicGen; AudioGen; Kůra; SeamlessM4T v2
Vícemodelové / vícenájemnické služby
- Frontier-inference brána — 200B+ MoE + souběžných 70B + obraz + video, vše rezidentní
- 8cestná tenzorová paralelní analýza pro Kimi-K2 / DeepSeek V3 v reálném kontextu
- Vícenájemnické LLM API — 50–100 souběžných uživatelů na 235B Q4 přes vLLM/SGLang
- Současný plný pobyt na čínské a západní hranici pro účely hodnocení / srovnání
Cílové úlohy
- Frontier open-weight inferenční backend pro organizaci se 100-500 místy, kombinující Qwen3-235B, GLM-4.5+ a DeepSeek V3 Q2
- 1.58bitová agentská platforma Kimi-K2 s produkční propustností (použití nástrojů, více než 200 sekvenčních volání)
- Full-fp8 DeepSeek V3 / R1 na křemíku Blackwell
- Víceuzlová tréninková hlava s Gen5 100 GbE / InfiniBand fabric
- Dvojí inference + difuzní farma (Qwen3-235B + FLUX.1 + HunyuanVideo 13B souběžně)
Publikované reference výkonu
Externí reference | Neměřeno na kování Kentino
| měřítko | Výsledek |
|---|---|
| RTX 5090 na kartu INT8 TOPS | 1 676 TOPŮ |
| Šířka pásma paměti RTX 5090 | ~1 800 GB/s na kartu |
| vLLM — Qwen3-235B Q4_K_M na 4x RTX 5090 (jedna) | ~90 tok/s |
| vLLM — Qwen3-235B Q4_K_M na 4x RTX 5090 (dávka-32) | ~450 tok/s agregát |
| SGLang — DeepSeek V3 Q2 na 8x Blackwell (jednoduchý) | ~28 tok/s |
| lama.cpp — Kimi-K2 UD-TQ1_0 na 8x Blackwell 256 GB | ~7-10 tok/s |
Kentino zveřejní prvněproduktivní toky po prvním zákaznickém sestavení s finální verzí Turin SKU.
Není ideální pro
- Nasazení s ohledem na rozpočet (prémiové ubytování v Turíně vs. alternativy v Janově nebo Římě)
- Jednotlivé tenantské úlohy s hustotou 70B (nadměrné – 4x RTX 5090 nebo 4x RTX Pro 6000 je ta správná úroveň)
- Frontier 600B+ v plném kontextu Q4+ (vyžaduje 576 GB+ úložiště – viz 6x RTX Pro 6000)
- Dlouhodobé školení od nuly (bez NVLinku na spotřebitelské RTX 5090)
Záruka a dodací lhůta
Sestavení zahrnuje montáž, konfiguraci BIOSu, instalaci ovladačů, záběhové testování a funkční ověření. Dodací lhůta závisí na dostupnosti komponent, která bude potvrzena při objednávce.
Doporučené doplňky
- Škálování RAM na 1.5 TB DDR5 (24x 64 GB plná kapacita) – vyžadováno pro Kimi-K2 Q4 nebo DeepSeek V3 Q3 bez přetečení RAM
- NVIDIA ConnectX-5 100 GbE MCX555A-ECAT — Gen5 fabric pro clusterové uzly
- Mellanox ConnectX-6 25 GbE SFP28 pro datová centra
- 4 TB NVMe Gen4 x4 pro bootování + knihovna modelů
- Plná 24U racková skříň s řízeným PDU
- Online UPS 8–10 kVA (kritický – špičkový odběr 5.5 kW)
Otázky, které nám kupující nejčastěji kladou před objednáním serveru.
Jak dlouho to trvá?
Stroje vyrobené z komponentů, které držíme v zásobě, expedujeme rychle; cokoli vyžadující specifickou generaci GPU závisí na dodávce. Před platbou vám sdělíme datum a pokud se pohne, raději vám to oznamujeme, než abyste se o tom dozvěděli.
Lze konfiguraci změnit před sestavením?
Téměř vždy. Grafické karty, paměť, úložiště a chlazení se volí pro každou objednávku a uvedená konfigurace je spíše výchozím bodem než pevně stanoveným balíčkem. Pokud potřebujete více VRAM, rychlejší úložiště nebo jiný přístup k chlazení, sdělte nám to před objednáním a my vám sdělíme cenovou nabídku.
Můžu si server vyzvednout osobně?
Můžete. Náš sklad je v Praze a osobní vyzvednutí je vítáno – většina lidí, kteří přijdou, využije návštěvy k prohlídce stroje s naším technikem a k položení otázek, které jsou přes e-mail nepříjemné. U objednávek v rámci České republiky se také snažíme doručit osobně a provést vás nastavením na místě.
Můžu si promluvit s někým, kdo skutečně rozumí pracovní zátěži?
Ano. Máme inženýra, který se zabývá konkrétně systémy umělé inteligence, ne běžným prodejním oddělením. Pokud se vaše otázka týká velikostí dávek, kvantizace, propojení nebo toho, kde bude vaše úzké místo, zeptejte se – tato konverzace obvykle změní konfiguraci k lepšímu.
Který model mohu v této konfiguraci provozovat?
Ano. Každý stroj je před odesláním sestaven, otestován a porovnán s reálnými úlohami umělé inteligence. Po odeslání máme již nainstalovaný a spuštěný LLM. Zapojíte ho, připojíte k síti a začnete pracovat – zbývá už jen rozhodnutí, který projekt spustí jako první.
Jak otestujete server před odesláním?
Porovnáváme to se skutečnými zátěžemi umělé inteligence, nikoli se syntetickými skóre: propustnost inference, trvalé chování při zátěži a teploty za nepřetržitého provozu. S tímto strojem získáte výsledky benchmarků, takže výkon, který vám byl slíben, je výkon, který si můžete ověřit hned první den.
Je server připraven ke spuštění, když dorazí?
Ano. Každý stroj je před odesláním sestaven, otestován a porovnán s reálnými úlohami umělé inteligence. Po odeslání máme již nainstalovaný a spuštěný LLM. Zapojíte ho, připojíte k síti a začnete pracovat – zbývá už jen rozhodnutí, který projekt spustí jako první.
Odesíláme z našeho skladu v EU. Těžké zboží může vyžadovat přepravu – kontaktujte nás pro cenovou nabídku a dodací lhůtu. Dvouletá omezená záruka s pokročilou podporou RMA; k dispozici je prodloužená záruka.
Není to přesně to, co potřebujete?
Sdělte nám svou pracovní zátěž a my tuto platformu specifikujeme podle ní – grafické karty, paměť, úložiště a chlazení budou odpovídat tomu, co skutečně používáte.