Kentino AI 32 Rome 5090 1676TOPS — 1x RTX 5090 AI Workstation
Kentino AI 32 Rome 5090 1676TOPS — 1x RTX 5090 AI Workstation
Kentino AI 32 Rome 5090 1676TOPS — 1x RTX 5090 AI Workstation
Kentino AI 32 Rome 5090 1676TOPS — 1x RTX 5090 AI Workstation
Kentino AI 32 Rome 5090 1676TOPS — 1x RTX 5090 AI Workstation
Kentino · Benutzerdefinierter KI-Server

Kentino AI 32 Rome 5090 1676TOPS — 1x RTX 5090 AI Workstation

Plattform der Enterprise-Klasse, montiert und getestet in der EU.

€18.873,00 zzgl. MwSt. · Versandkosten werden an der Kasse berechnet
Auf Lager – Versand aus dem EU-Lager
ISO 9001 · geprüfte HardwareEU-Lager & GarantieMehr als 7 Jahre Erfahrung im Bereich KI für UnternehmenVor dem Versand einem Einbrenntest unterzogen
Übersicht
FAQ
Versand & Garantie

Kentino AI 32 Rom 5090 1676TOPS

Single-GPU Blackwell Workstation
1x RTX 5090 | EPYC Milan | 1 676 TOPS INT8

1 676
TOPS INT8
32 GB
VRAM GDDR7
fp8
nativer Tensor
Gestell
bereit

Einzelne Blackwell-GPU, 32 GB GDDR7, fp8 nativ – die leistungsstärkste Single-Card-KI-Workstation, die Kentino baut.

Ein KI-Server der Workstation-Klasse mit einer einzelnen GPU auf der ROMED8-2T/EPYC Milan-Plattform. Eine RTX 5090 bietet 32 ​​GB GDDR7-VRAM mit nativer FP8-Tensorberechnung – die optimale Lösung für Entwickler, kleine Teams oder Workstations zur Bild-/Videogenerierung, bei denen eine leistungsstarke GPU zwei schwächere übertrifft. Das System ist im 4U-Rack-Format erhältlich, lässt sich aber auch problemlos unter dem Schreibtisch im Büro aufstellen.

Hardware

Komponente Detail
GPU 1x NVIDIA GeForce RTX 5090 32 GB GDDR7 (575 W, PCIe 5.0 x16, Blackwell)
VRAM-Pool 32 GB
CPU AMD EPYC 7643 Milan (48 Kerne/96 Threads, 225 W, 128 PCIe 4.0 Lanes)
Hauptplatine ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI)
System-RAM 128 GB DDR4-2666 ECC RDIMM (2x 64 GB)
Booten / Speicher 1 TB NVMe M.2 (PCIe 4.0 x4)
Energieversorgung Einzelnes 2 kW ATX-Netzteil
Fahrgestell 4U Rackmount, passiver Gen4 x16 Riser
Kühlung: SP3 Turmkühler (Arctic Freezer 4U-M Klasse), 3x 120 mm Frontlufteinlass + 1x 120 mm Heckluftauslass
Netzwerk Onboard Dual 10 GbE (Intel X550) + IPMI

Leistungsumschlag

  • GPU-Leistung: 1 x 575 W = 575 W
  • Systemgesamtleistung bei Volllast: ~900 W
  • Netzteil gesamt: 2000 W (einzelnes 2-kW-ATX-Netzteil) — 55 % Reserve
  • Großzügige Übergangsreserve, geräuschloser Betrieb bei geringer Last

Fahrspurtopologie

PCIe Gen4 x16 an der GPU (ROMED8-2T ist Gen4; die 5090 ist ein Gen5-Chip, der Gen4 ohne Bandbreitenverlust bei Inferenzprozessen nutzt). 16 Lanes direkt vom CPU-Root-Komplex. Kein PCIe-Switch. Kein NVLink bei der GeForce 5090.

Was Sie ausführen können

Mit 32 GB GDDR7 VRAM und nativer fp8 Tensor-Mathematik bewältigt diese Workstation Open-Weight LLMs bis zu 32B ense, Bildgenerierung mit FLUX.1, Videogenerierung, Sprach-KI und Multi-Modell-Stacks für einen einzelnen Entwickler.

LLMs – Text / Argumentation / Programmierung

Chinesische Grenze

  • Qwen3-32B dichter Q6_K — 32k Kontext, Flaggschiff-General Reasoning (~40-55 tok/s Einzelstream auf Blackwell fp8, veröffentlichte Referenz)
  • Qwen3-30B-A3B MoE bei Q4_K_M mit großem KV-Headroom (Qwen3-Coder-30B-A3B agentic, 256k ctx)
  • QwQ-32B Frage 6 – Vorschau auf die Argumentation
  • DeepSeek-R2 32B spärliches MoE im vierten bis sechsten Quartal — Single-GPU-Reasoning, das 92.7 % AIME-2025 erreicht (~45-60 tok/s Single-Stream auf Blackwell fp8, veröffentlichte Referenz)
  • Qwen3.5-27B Dichtes Q6 (Veröffentlichung Februar 2026)
  • Hunyuan-A13B bei Q4_K_M (~28-30 GB) — 80B/13B MoE, 256k ctx, Dual-Mode-Begründung
  • Seed-OSS-36B Q4_K_M — 512k nativer Kontext für die Analyse langer Dokumente

Westliche Grenze

  • Lama 3.3 70B bei Q2_K (~27 GB knapp bemessen) oder Q3_K (~34 GB mit zusätzlichem RAM) – für allgemeine Chats geeignet
  • Mistral Klein 3 / Magistral Klein / Devstral Klein 2 (24B dicht) bei Q6-Q8 oder bf16
  • Gemma 3 27B multimodal im 6. Quartal mit 128 Kontext
  • Phi-4 14B / Phi-4-Argumentation bf16
  • Reka Flash 3 (21B Apache 2.0) bei bf16
  • gpt-oss-20b natives MXFP4 (~16 GB — passt mit großzügiger KV-Zahl)

Vision-Sprache

Qwen3-VL-8B / -32B bei Q4-Q6; Qwen3-VL-30B-A3B MoE; InternVL3.5-8B / -38B Q4; MiniCPM-V 2.6 / MiniCPM-o 2.6 (8B); Llama 3.2 11B Vision bf16; Pixtral 12B bf16 (24 GB — knapp, Q8 verwenden); Gemma 3 12B / 27B multimodal; PaliGemma 2 (3/10B); Phi-4-multimodal 5.6B; Aya Vision 8B.

Bilderzeugung

FLUX.1 [dev] / [schnell] fp8 (~12 GB) native Blackwell-Beschleunigung (~8-12 Sekunden pro 1024x1024-Bild bei 20 Schritten auf Blackwell, veröffentlichte Referenz); FLUX.1 Kontext [dev] — kontextbezogene Bearbeitung, Zeichenkonsistenz; SD 3.5 Large (18 GB fp16 / 11 GB fp8); SDXL 1.0 10-12 GB fp16; HunyuanImage-2.1 NF4 (~14 GB); Kolors 2.0 fp8; AuraFlow v0.3 / OmniGen v1 / PixArt-Sigma.

Videogenerierung

Wan 2.2 TI2V-5B bei ~16 GB — 720p@24fps auf einer einzelnen 5090; Wan 2.1 T2V/I2V 14B bei Q4-Q6 (~16 GB); HunyuanVideo 1.5 (8.3B) — 14 GB Minimum; CogVideoX-5B / 5B-I2V int8 (~12 GB); LTX-Video 2B Echtzeitklasse 30 fps; Mochi-1 Q4 (~17-18 GB).

Audio / Sprache / TTS

  • ASR: Whisper v3 large / turbo (~50-fache Echtzeit auf einer einzelnen GPU, veröffentlichte Referenz); NVIDIA Parakeet-TDT 1.1B; Canary 1B
  • TTS: CosyVoice 2.0 / Fun-CosyVoice 3.0; Kokoro 82M; Stable Audio Open
  • Echtzeit / S2S: Kyutai Moshi (7B) – nur offene Echtzeit-Vollduplex-Sprachübertragung; Step-Audio 2 mini / R1

Multi-Modell / Multi-Tenant

  • Resident-Stack für einen einzelnen Entwickler: Qwen3-32B Q6 (~20 GB) + FLUX.1 fp8 (~12 GB passt gerade so) im Swap-Speicher oder Qwen3-14B Q6 (~9 GB) + FLUX.1 + Whisper-turbo + Kokoro gleichzeitig (~20-24 GB fest belegt)
  • 2-4 gleichzeitige Benutzer auf LLMs der Klasse 14-32B über vLLM / SGLang
  • LoRA / QLoRA Feinabstimmung von 7-14B dichten Modellen

Ziel-Workloads

  • Entwickler-Workstation für einen einzelnen KI-Ingenieur, der gemischte Inferenz- und Bildgenerierung durchführt.
  • Codierungsagenten-Endpunkt für kleine Teams (Qwen3-Coder-30B-A3B) mit 1-4 gleichzeitigen Benutzern
  • Content-Pipeline: FLUX.1 oder SD 3.5 Large Batch Image Gen + WAN 2.2 Kurzvideo
  • Lokale ASR- und TTS-Sprachlösung (Whisper + Kokoro + Moshi) für eine Zweigstelle
  • Prosumer LLM + VLM Forschungsbox – Test von Qwen3, Llama 3.3, Gemma 3, Phi-4 auf realer Hardware

Veröffentlichte Leistungsreferenzen

Veröffentlichte Referenz | vergleichbare Hardware mit einer einzelnen RTX 5090

Benchmark Lösung
Llama 3.3 70B Q4_K_M llama.cpp dekodieren ~18-22 tok/s mit CPU-KV-Offload
Qwen3-32B Q6 vLLM Einzelstrom ~45-55 tok/s Dekodierung bei fp8
FLUX.1 [dev] fp8 auf Blackwell Ungefähr 1.7–2.0 s pro 1024x1024-Bild bei 20 Schritten
WAN 2.2 TI2V-5B 720p Clip ~3-4 Minuten bei fp16

Veröffentlichte Referenzwerte von vergleichbarer Hardware mit einem einzelnen 5090-Chip. Die von Kentino gemessenen Werte werden veröffentlicht, sobald gf-logic den Test auf Hardware mit einem einzelnen 5090-Chip erweitert hat.

Nicht optimal für

  • 70B-Density-Modelle ab Q6 (32 GB reichen nicht aus – verwenden Sie 2x 5090 für einen optimalen 64-GB-Speicherpool)
  • Gleichzeitige Bedienung mehrerer Benutzer in großem Umfang (einzelne Tensor-parallele Partition)
  • Frontier 100B+ MoE (GLM-4.5, Kimi K2, Mistral Large 3 — mit einer einzelnen Consumer-Karte nicht realisierbar)

Garantie und Lieferzeit

2 Jahre
Teilegarantie
1 Jahr
Arbeitsgarantie
10-28 Tage
Durchlaufzeit

Der Aufbau umfasst die Montage, die BIOS-Konfiguration, die Treiberinstallation, den Dauertest und die Funktionsprüfung. Die Lieferzeit ist abhängig von der Verfügbarkeit der Komponenten und wird bei der Bestellung bestätigt.

Empfohlene Add-ons

  • NVIDIA ConnectX-5 100 GbE MCX555A-ECAT
  • Rüsten Sie die Systemfestplatte auf eine 2 TB NVMe-SSD oder eine 4 TB-SSD auf.
  • RAM-Upgrade auf 256 GB (4x 64 GB DDR4) für größeren KV-Cache / Multi-Modell-Concurrent-Stacks
  • Rack-PDU (C13/C19 mit Messfunktion) und 2 kVA Online-USV

Die Fragen, die Käufer uns am häufigsten stellen, bevor sie einen Server bestellen.

Wie lange dauert es?

Maschinen, die aus vorrätigen Komponenten gefertigt werden, sind schnell lieferbar; bei Komponenten, die eine bestimmte GPU-Generation erfordern, hängt die Lieferung von der Verfügbarkeit ab. Wir nennen Ihnen vor der Zahlung einen Liefertermin, und falls sich die Lieferung verzögert, informieren wir Sie umgehend.

Kann die Konfiguration vor dem Kompilieren geändert werden?

In der Regel. GPUs, Arbeitsspeicher, Speicher und Kühlung werden individuell ausgewählt. Die angegebene Konfiguration dient als Ausgangspunkt und ist kein festes Paket. Benötigen Sie mehr VRAM, schnelleren Speicher oder eine andere Kühlungslösung? Teilen Sie uns dies bitte vor Ihrer Bestellung mit, damit wir Ihnen die Änderungen anbieten können.

Kann ich den Server persönlich abholen?

Das ist möglich. Unser Lager befindet sich in Prag, und Sie können Ihre Bestellung gerne persönlich abholen. Die meisten Kunden nutzen diesen Besuch, um die Maschine gemeinsam mit unserem Techniker zu besprechen und Fragen zu klären, die sich per E-Mail nur schwer beantworten lassen. Bei Bestellungen innerhalb Tschechiens liefern wir nach Möglichkeit auch persönlich und helfen Ihnen bei der Einrichtung vor Ort.

Kann ich mit jemandem sprechen, der die Arbeitsbelastung tatsächlich versteht?

Ja. Wir haben einen Ingenieur, der sich speziell mit KI-Systemen beschäftigt, nicht mit einem allgemeinen Vertriebsteam. Wenn Sie Fragen zu Batchgrößen, Quantisierung, Verbindungen oder potenziellen Engpässen haben, stellen Sie diese – ein solches Gespräch führt in der Regel zu einer Optimierung der Konfiguration.

Welches Modell kann ich mit dieser Konfiguration ausführen?

Ja. Jede Maschine wird vor der Auslieferung montiert, einem Dauertest unterzogen und anhand realer KI-Workloads getestet. Wir erhalten also ein bereits installiertes und betriebsbereites LLM-System. Sie schließen es an, verbinden es mit Ihrem Netzwerk und können sofort loslegen – die einzige Entscheidung, die noch aussteht, ist, welches Projekt zuerst ausgeführt wird.

Wie testet man einen Server vor der Auslieferung?

Wir testen die Leistung anhand realer KI-Workloads anstatt synthetischer Werte: Inferenzdurchsatz, Verhalten unter Dauerlast und Wärmeentwicklung im Dauerbetrieb. Die Benchmark-Ergebnisse erhalten Sie zusammen mit dem Gerät, sodass Sie die versprochene Leistung vom ersten Tag an überprüfen können.

Ist der Server bei der Ankunft betriebsbereit?

Ja. Jede Maschine wird vor der Auslieferung montiert, einem Dauertest unterzogen und anhand realer KI-Workloads getestet. Wir erhalten also ein bereits installiertes und betriebsbereites LLM-System. Sie schließen es an, verbinden es mit Ihrem Netzwerk und können sofort loslegen – die einzige Entscheidung, die noch aussteht, ist, welches Projekt zuerst ausgeführt wird.

Versand aus unserem EU-Lager. Bei schweren Artikeln ist unter Umständen eine Speditionsabwicklung erforderlich – kontaktieren Sie uns für ein Versandangebot und die Lieferzeit. 2 Jahre eingeschränkte Garantie mit erweitertem RMA-Support; Garantieverlängerung möglich.

Nicht genau das, was Sie brauchen?

Schildern Sie uns Ihre Arbeitslast und wir spezifizieren diese Plattform entsprechend – GPUs, Arbeitsspeicher, Speicher und Kühlung werden genau auf Ihre tatsächlichen Anforderungen abgestimmt.