Die NVIDIA RTX 5090 ist eine Consumer- GPU, basiert auf der Blackwell-Architektur und verfügt über 32 GB Speicher mit 1.792 GB/s Speicherbandbreite und einer TDP von 575 W. Sie liefert 104 TFLOPS FP32-Rechenleistung. Derzeit bei 9 Anbieter verfügbar, ab 0,28 €/GPU/Stunde, mit einem Marktmedian von 0,59 €/GPU/Stunde über 63 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
9 Angebote von 9 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | 16 | 92 GB | 0,850 € | 0,85 € | Starten | ||
| ×1 | 32 | 63 GB | Ab0,283 € +1.0% 30T | Ab0,28 € | Starten | ||
Nova CloudEmpfehlungslink | ×1 | 22 | 84 GB | 0,489 € +5.6% 30T | 0,49 € | Starten | |
| ×1 | — | 73 GB | 0,537 € 0.0% 30T | 0,54 € | Starten | ||
| ×4 | 60 | 480 GB | Ab0,586 € +11.4% 30T | Ab2,34 € | Starten | ||
Sesterce CloudEmpfehlungslink | ×1 | 12 | 120 GB | Ab0,614 € -3.7% 30T | Ab0,61 € | Starten | |
| ×1 | 12 | 120 GB | 0,618 € 0.0% 30T | Ab0,62 € | Starten | ||
Theta EdgeCloudIm Trend | ×1 | 32 | 126 GB | 0,618 € +12.5% 30T | 0,62 € | Starten | |
Novita AIEmpfehlungslink | ×1 | 16 | 96 GB | Ab0,627 € 0.0% 30T | Ab0,63 € | Starten | |
Bis zu429 €Guthaben | ×1 | 16 | 92 GB | 0,850 € | 0,85 € | Starten |
LLMs, die auf die NVIDIA RTX 5090 passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 32 GB pro GPU. Gezeigt werden die 12 größten passenden Modelle.
| Modell | Parameter | 16 Bit | 8 Bit | 4 Bit |
|---|---|---|---|---|
| DeepSeek V4 Flash DeepSeek | 284 Mrd. | — Nicht veröffentlicht | — Nicht veröffentlicht | 192 GB 8× · 64 GB frei oder 5× · 0 % übrig |
| Solar Open2 250B Upstage | 250 Mrd. 15 Mrd. aktiv | 601 GB Zu groß | 330 GB Zu groß | 192 GB 8× · 64 GB frei |
| Qwen3 235B-A22B Alibaba | 235 Mrd. 22 Mrd. aktiv | 564 GB Zu groß | 310 GB Zu groß | 181 GB 8× · 75 GB frei oder 5× · 6 % übrig |
| Laguna-S 2.1 Poolside | 118 Mrd. 8 Mrd. aktiv | 282 GB Knapp auf 8× · 8 % übrig | 155 GB 5× · 4,8 GB frei | 90 GB 3× · 5,7 GB frei |
| gpt-oss-120b OpenAI | 117 Mrd. 5,1 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 78 GB 3× · 18 GB frei |
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB 3× · 9,7 GB frei | 47 GB 2× · 17 GB frei | 28 GB 1× · 4,4 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB 3× · 17 GB frei | 43 GB 2× · 21 GB frei | 25 GB 1× · 6,8 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB 3× · 21 GB frei oder 2× · 2 % übrig | 41 GB 2× · 23 GB frei | 24 GB 1× · 8 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB 3× · 21 GB frei oder 2× · 2 % übrig | 41 GB 2× · 23 GB frei | 24 GB 1× · 8 GB frei |
| Qwen3.6 27B Alibaba | 27,8 Mrd. | 67 GB 3× · 29 GB frei oder 2× · 15 % übrig | 37 GB 2× · 27 GB frei oder 1× · 4 % übrig | 21 GB 1× · 11 GB frei |
| Mistral Small 3.2 24B Mistral AI | 24 Mrd. | 58 GB 2× · 6,4 GB frei | 32 GB Passt knapp auf 1× | 18 GB 1× · 14 GB frei |
| gpt-oss-20b OpenAI | 21 Mrd. 3,6 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 17 GB 1× · 15 GB frei |
Schätzungen: Modellgewichte plus 20 % für KV-Cache und Laufzeit-Overhead, bei kurzen Kontextlängen. Lange Kontexte und große Batches benötigen mehr. Als „knapp“ markierte Zeilen fassen die Gewichte, aber nicht diesen vollen Puffer. Ein ×N-Wert ist der gesamte VRAM über N dieser GPUs und sagt nichts über den Durchsatz der Verbindung aus. Wie wir das schätzen · Stattdessen vom Modell aus starten
Ähnliche GPUs
Mehr ähnliche GPUs in
Mehr von dieser Seite?
Falsche Daten?







