Российский хостинг-провайдер Hostkey объявил о запуске предзаказов на новые выделенные серверы, оснащённые флагманскими графическими ускорителями NVIDIA RTX 5090. Эти машины уже можно заказать в режиме почасовой или помесячной аренды. Как утверждает компания, активация доступна практически моментально — в пределах 15 минут.
Серверы будут расположены в дата-центрах на территории России, а все параметры обещают серьёзный задел под высоконагруженные задачи.
Технические характеристики сервера
| Параметр | Значение |
|---|---|
| Локация | Россия |
| Активация | Instant (от 15 минут) |
| GPU | 1x NVIDIA RTX 5090 32GB |
| Процессор | Intel i9-14900K (24 ядра, 3.2 ГГц) |
| Оперативная память | 128 ГБ |
| Хранилище | 2 ТБ NVMe SSD |
| Сетевой порт | 1 Gbps |
| Трафик | 30 ТБ |
| IPMI / DRAC | Предоставляются |
| Стоимость |
51 900 ₽ в месяц (72 ₽ в час) $640 в месяц или $0.9 в час |
Что умеет RTX 5090?
NVIDIA RTX 5090 — это тяжёлая артиллерия в арсенале современных графических ускорителей. Основанная на архитектуре Blackwell, карта оснащена 32 ГБ памяти GDDR7, обладает значительно повышенной пропускной способностью и энергоэффективностью по сравнению с предыдущими моделями. В ней реализована улучшенная поддержка ИИ-вычислений, трассировки лучей и ускоренного рендеринга, что делает её отличным выбором как для креативных задач, так и для инженерных расчётов.
Видеокарта GeForce RTX™ 5090 32GB. Изображение: nvidia.su
Среди ключевых преимуществ RTX 5090:
-
повышенная производительность в задачах генеративного ИИ и deep learning;
-
улучшенная архитектура RT и Tensor-ядер для высокоточной работы с графикой;
-
оптимизированная работа с большими наборами данных благодаря 32 ГБ памяти.
Где пригодятся такие серверы?
Сервера с RTX 5090 будут особенно полезны для разработчиков, работающих с нейросетями, моделированием, 3D-анимацией, видеомонтажом, научными расчётами и виртуальной реальностью. Их вычислительные возможности позволят запускать модели, от которых у других систем начинается внутренняя паника. Также они подойдут для построения облачных сред, рендер-ферм и хостинга приложений с высоким GPU-нагрузом.
И если ваша модель машинного обучения перестала помещаться в оперативную память — возможно, пора подумать о переезде.