适合场景
- 长文档批处理
- 单卡私有化部署
- 对成本敏感的第一台机器
企业级 AI 硬件入门方案博原方案
2× RTX 5090 32GB
入门档：一张卡解决 12 万字，两张卡顶到 26 万字
单卡就能跑 27B 级模型并把 12 万字上下文装进显存；加第二张卡可把上下文推到原生 262,144。
2 卡64 GB 总显存Blackwell sm120原生长上下文
实测模型
- Qwen3.8-27B
- 32 GB 单卡显存
选型限制
- 超长上下文下不适合 50 路以上并发
- 26 万字上下文需要双卡 TP=2
- 跨卡通信会牺牲单路速度
推荐理由
- 适合主流模型推理，一台双卡机即可支撑长文档批处理与多路并发任务。
- 可查看对应模型的吞吐、并发与上下文实测结果
选择模型
以下模型已在这套硬件上完成实测，点击进入查看完整数据。
Qwen3.8-27B-NVFP4
dense 27B + 原生视觉，一张卡就装得下
核心实测结果
1,633 tok/s聚合输入吞吐
未测聚合输出吞吐
157 tok/s单路输出
19 路6 万字最大并发
833,295KV 池
1.70 s最低首 token
适用任务
入门档：一张卡解决 12 万字，两张卡顶到 26 万字
其他配置推荐
对比不同卡数和显存规模，找到更贴近业务目标的方案。
4× RTX 5090 32GB主力档：125 GiB 大模型 + 20 人同时在线
8× RTX 5090 32GB高并发档：6 万字上下文，120 人同时在线
4× RTX PRO 6000 96GB旗舰档：10 路 × 25 万字同时跑，64 路短问题高并发
1× RTX 3080 Laptop 16GB单卡轻量模型：Qwen3.5-0.8B 80 路并发，聚合输出 2,314 tok/s
1× RTX 2080 Ti 22GB单卡高并发：Qwen3.5-0.8B 128 路并发，聚合输出 4,264.5 tok/s
8× RTX 2080 Ti 22GB存量老卡复用：Flash-Next Q4 稳定 37 tok/s，128K 上下文
1× RTX 3090 Ti 24GB · llamAmpere开源 SM86 专项优化：单卡运行 Qwen3.8-27B + MTP 长上下文