الـ RTX 5090 وصل أخيرًا في أوائل عام 2026 بسعر جعل المشترين يجفلون - $1,999 دولار أمريكي في سوق تباع فيه بالفعل بسعر $2,400T+. السؤال الذي يطرحه كل منشئ للذكاء الاصطناعي: هل يستحق الترقية من RTX 4090 يقوم بالفعل بمعظم ما نحتاجه؟
الإجابة المختصرة: نعم، إذا كنت تصطدم بذاكرة VRAM على 4090؛ لا، إذا لم تكن كذلك.
الإجابة الطويلة هي الغرض من بقية هذه المقالة.
الإجابة السريعة: هل تستحق بطاقـة RTX 5090 الاستثمار مقارنةً ببطاقـة RTX 4090 في تطبيقات الذكاء الاصطناعي؟
في مجال الذكاء الاصطناعي عام 2026، تُعَدّ بطاقـة RTX 5090 الخيار الأفضل وتستحق الشراء إذا كنت بحاجة إلى سعة ذاكرة أكبر: فهي تمتلك 32 جيجابايت من ذاكرة GDDR7 مقارنةً بـ24 جيجابايت من ذاكرة GDDR6X في بطاقـة RTX 4090، وهذه الميزة هي العامل الحاسم الذي يمكنها من استيعاب نماذج من فئة 70 مليار معلّمة وأكبر، وكذلك دفع حِزَم (batches) أكبر لا تستوعبها بطاقـة RTX 4090. أما من حيث الأداء (throughput)، فتقود بطاقـة RTX 5090 بنسبة تقارب الثلث — أي نحو 22.1 رمز/ثانية مقابل 16.4 رمز/ثانية عند تشغيل نموذج Llama 3 70B بتنسيق Q4_K_M — لكن سعرها أعلى (حوالي 1999 دولار أمريكي سعر التجزئة الموصى به، ونحو 2200–2600 دولار أمريكي في السوق مقابل 1100–1400 دولار أمريكي لبطاقـة RTX 4090 المستعملة)، واستهلاكها للطاقة يبلغ 575 واط مقارنةً بـ450 واط في بطاقـة RTX 4090. فإذا كانت النماذج التي تستخدمها تعمل بسلاسة ضمن سعة 24 جيجابايت، فإن بطاقـة RTX 4090 تظل الخيار الأفضل من حيث القيمة.
- تشغيل نماذج لغوية كبيرة (70 مليار معلّمة فأكثر) أو ضبطها الدقيق (fine-tuning): RTX 5090 — 32 جيجابايت من ذاكرة GDDR7 مقابل 24 جيجابايت، وعرض نطاق ترددي يبلغ 1792 جيجابايت/ثانية مقابل 1008 جيجابايت/ثانية.
- أفضل أداء خام في تدريب الذكاء الاصطناعي والاستنتاج منه: RTX 5090 — نحو 22.1 رمز/ثانية مقابل 16.4 رمز/ثانية على نموذج Llama 3 70B بتنسيق Q4_K_M (أي أسرع بنسبة ~35%)، و168 رمز/ثانية مقابل 122 رمز/ثانية على نموذج Llama 3 8B.
- توليد الصور والفيديوهات: RTX 5090 — أسرع بنسبة ~39% في Stable Diffusion XL (25.4 تكرار/ثانية مقابل 18.3 تكرار/ثانية عند دقة 1024×1024).
- أفضل قيمة إذا كانت سعة 24 جيجابايت كافية: RTX 4090 — أداء قوي بسعر يتراوح بين 1100 و1400 دولار أمريكي للنسخة المستعملة، واستهلاك أقل للطاقة بمقدار 125 واط.
- العنوان الرئيسي المتعلق بالذاكرة المؤقتة للرسوميات (VRAM): توفر بطاقـة RTX 5090 سعة 32 جيجابايت مقابل 24 جيجابايت — أي سقف ذاكرة أكبر بنسبة 33% لتشغيل نماذج أكبر وسياقات أطول.
مقارنة RTX 5090 مع RTX 4090 في تطبيقات الذكاء الاصطناعي — بالأرقام
أبرز النقاط المستخلصة
- توفر RTX 5090 32 جيجابايت GDDR7 مقابل ذاكرة GDDR6X بسعة 24 جيجابايت في 4090، أي بسقف ذاكرة أكبر بـ 331 تيرابايت 3 تيرابايت.
- في Stable Diffusion XL, فإن 5090 أسرع ب 381 تيرابايت/ثانية تقريبًا (25.4 تيرابايت/ثانية مقابل 18.3 تيرابايت/ثانية عند 1024×1024).
- لـ Llama 3 70 ب 70 ب Q4_K_M الاستدلال, تصل سرعة 5090 إلى 22 طن/ثانية مقابل 16 طن/ثانية في 4090.
- وتستهلك بطاقـة 5090 طاقةً قدرها 575 واط تحت الحمل المستمر للذكاء الاصطناعي - 125 واط أكثر من 4090.
- إذا كان بإمكانك العثور على 4090 بسعر $1,200-1,400 مستعمل، فهو الخيار الأفضل. إذا كنت بحاجة إلى ذاكرة وصول عشوائي VRAM بسعة 32 جيجابايت، فلا توجد وحدة معالجة رسومات أخرى للمستهلكين قريبة من ذلك.
نظرة عامة
| المواصفات | RTX 5090 | RTX 4090 |
|---|---|---|
| الهندسة المعمارية | بلاكويل GB202 | أدا لوفليس أد102 |
| النوى الحاسوبية (CUDA cores) | 21,760 | 16,384 |
| ذاكرة VRAM | 32 جيجابايت GDDR7 | 24 جيجابايت من ذاكرة GDDR6X |
| عرض النطاق الترددي للذاكرة | 1792 جيجابايت/ثانية | 1008 جيجابايت/ثانية |
| FP16 (الموتر) | 419 TFLOPS | 330 TFLOPS |
| FP8 (Tensor) | 838 TFLOPS | 660 TFLOPS |
| الاستهلاك الحراري الأقصى (TDP) | 575 واط | 450 واط |
| PCIe | PCIe 5.0 x16 | PCIe 4.0 x16 |
| السعر الموصى به من الشركة المصنِّعة (MSRP) | $1,999 | $1,599 (كان) |
| سعر الشارع المستعمل (الربع الثاني 2026) | $2,200-2,600 2 - 2TP4T2,200-2,600 | $ 1,100-1,400 |
ما الذي تغير تحت غطاء المحرك
إن 5090 ليس مجرد 4090 أسرع من 4090. القفزة من أدا لوفليس إلى بلاكويل أكبر من القفزة 3090 → 4090 في ثلاثة مواضع مهمة للذكاء الاصطناعي:
1. قفز عرض النطاق الترددي للذاكرة 78%. تدفع GDDR7 بسرعة 28 جيجابت في الثانية الفعالة على ناقل 512 بت حوالي 1.79 تيرابايت/ثانية مقابل حوالي 1.01 تيرابايت/ثانية في 4090 على ناقل 384 بت. بالنسبة لاستدلال LLM - الذي يكون مقيدًا بالكامل تقريبًا بعرض النطاق الترددي للذاكرة في خطوة فك التشفير - يعد هذا أكبر فوز منفرد.
2. تضاعف إنتاجية FP8 في أعباء العمل الحقيقية. كانت أنوية FP8 Tensor الخاصة بـ 4090 موجودة ولكن نادراً ما كانت تُستخدم بالكامل. مسار Blackwell's FP8 ناضج، ويستهدفه كل من vLLM و TensorRT-LLM محليًا في عام 2026، والسرعة العملية على FP16 أقرب إلى 1.8× من 1.3× التي حصلنا عليها في Ada.
3. انتقلت ذاكرة VRAM من 24 جيجابايت إلى 32 جيجابايت. هذا هو الخط في الرمال. Llama 3 70B 70B في Q4_K_M مع سياق 8K يناسب 28 جيجابايت على 5090. على 4090 أنت مجبر على Q3_K_S (جودة أسوأ) أو إلغاء تحميل جزئي لوحدة المعالجة المركزية (أبطأ). بالنسبة إلى Mistral Large 2 (123B في Q3) و DeepSeek V3 (236B MoE)، لا يزال 32 جيجابايت غير كافٍ - ولكنه الفرق بين “غير مريح” و“مستحيل”.”
ما لم يتغير كثيراً:
- نضج السائق - كانت برامج بلاكويل للسائقين قاسية حتى فبراير 2026؛ أما برنامج Ada فهو متين للغاية.
- النظام البيئي للبرمجيات - يدعم CUDA 12.6+ كلاهما بشكل كامل، مع عدم وجود اختلافات وظيفية.
- ملف تعريف التبريد - كلاهما يعملان بسخونة؛ تتطلب قدرة 5090 التي تبلغ 575 واط تدفق هواء مدروس للعلبة.
معايير Stable Diffusion/معايير FLUX المستقرة
الأرقام أدناه مُستخلصة من اختبارات الأداء المنشورة لمنصة ComfyUI على أنظمة سطح المكتب المزودة بمعالجات Ryzen 9، وهي حديثة حتى أبريل 2026، وليست نتائج قياسات أجريت هنا. وتتفاوت الأوقات المطلقة تبعًا لإصدار برنامج التشغيل ونوع العيّنة (sampler) والدقة المستخدمة، وبالتالي فإن النسبة بين البطاقتين هي القيمة التي تظل ثابتة.
| الحمل التشغيلي | RTX 5090 | RTX 4090 | Δ |
|---|---|---|---|
| SDXL 1024 × 1024×1024، 30 درجة، DPM++ 2M Karras | 25.4 تكرار/ثانية | 18.3 بوصة/ثانية | +39% |
| SD 3.5 كبير 1024×1024 1024، 28 خطوة | 14.8 تكرار/ثانية | 10.6 بوصة/ثانية | +40% |
| FLUX.1 ديف 1024×1024، 28 خطوة، FP8 | 3.4 تكرار/ثانية | 2.2 ثانية/ثانية | +55% |
| FLUX.1 schnell 1024×1024، 4 خطوات، FP8 | 1.1 ثانية/صورة | 1.7 ثانية/صورة | +55% |
| فيديو هونيوان 1.5 (مقطع 5 ثوانٍ، 720 بكسل) | 78 s | OOM عند 24 جيجابايت | غير متاح |
| دفعة SDXL من 4 في 1024×10241024 | 6.3 s | 9.1 s | +44% |
دلتا FLUX هي القصة الحقيقية. تستفيد معلمات FLUX.1 المطور لـ FLUX.1 المطور لـ 12 B بشكل غير متناسب من عرض النطاق الترددي المدمج لـ 5090 + تعزيز FP8. إذا كان سير عملك يعتمد على FLUX بشكل كبير (ومعظم الصور الاحترافية انتقلت إلى هذا الاتجاه منذ أواخر عام 2025)، فإن 5090 توفر تقريبًا نصف وقت جيلك.
يستحق فيديو هونيوان خطاً خاصاً به. يصل توليد مقاطع الفيديو القصيرة بأي دقة قابلة للاستخدام إلى 24 جيجابايت على 4090 على الفور تقريبًا. في الطراز 5090، تعمل المقاطع بدقة 720p التي تبلغ 5 ثوانٍ بشكل نظيف، ويمكن تشغيل 1080p مع تبليط خفيف. هذا هو عبء العمل الذي يبرر الترقية إذا كنت تنتقل إلى فيديو الذكاء الاصطناعي.
معايير استدلال LLM
تم اختباره مع llama.cpp b3990 (الإصدار 5090)، تكميم Q4_K_M ما لم تتم الإشارة إلى ذلك، سياق 8K، دفق واحد:
| النموذج | RTX 5090 t/s | RTX 4090 t/s | Δ |
|---|---|---|---|
| Llama 3 بحجم 8 مليار معلمة، كمية بتية Q4_K_M | 168 | 122 | +38% |
| Llama 3 70 ب 70 ب Q4_K_M | 22.1 | 16.4 | +35% |
| Llama 3 70B Q5_K_M | 17.8 | OOM عند 24 جيجابايت | غير متاح |
| Mistral Large 2 123 ب 123 ب Q3_K_M | 9.1 | 3.6 (إلغاء تحميل وحدة المعالجة المركزية) | +150% |
| Qwen 2.5 2.5 32B Q5_K_M | 52.4 | 39.7 | +32% |
| Qwen 2.5 2.5 72B Q4_K_M | 21.6 | 15.9 | +36% |
| DeepSeek V3 (236B MoE) Q2_K | 11.2 (إلغاء التحميل) | 4.8 (إلغاء التحميل) | +133% |
النمط واضح. بالنسبة للنماذج التي تتسع بالكامل في VRAM, ، فإن 5090 أسرع بـ 30-40% - معظمها من عرض النطاق الترددي للذاكرة. بالنسبة للموديلات التي لا تتناسب مع الموديل 4090 ولكنها تتناسب مع الموديل 5090 (أو التي تتناسب بكمية أفضل)، تكون الفجوة 2× أو أكثر، لأن 4090 يقوم فجأة بإلغاء تحميل وحدة المعالجة المركزية (حوالي 5-10 ث/ث) بينما لا يزال 5090 يقوم بالاستدلال بوحدة معالجة رسومات خالصة.
إذا كان محركك اليومي هو Llama 3 8B أو Qwen 32B، فإن 4090 “سريع بما فيه الكفاية” و5090 هو الأفضل. إذا كان سائقك اليومي هو Llama 3 70B بكمية عالية الجودة أو أي شيء يزيد عن 100B، فإن 5090 هي خطوة تغيير.
معايير الضبط الدقيق
ضبط LoRA الدقيق لـ Llama 3 8B على تسلسل مكون من 4,096 رمزًا، حجم الدفعة 1، تراكم التدرج 8، bfloat16، FlashAttention 2.5:
| الحمل التشغيلي | RTX 5090 | RTX 4090 | Δ |
|---|---|---|---|
| Llama 3 8B LoRA، 1 حقبة زمنية على 5 آلاف عينة | 1 ساعة و12 دقيقة | 1 ساعة و51 دقيقة | +54% |
| SDXL LoRA، 5 آلاف صورة، 10 حقب زمنية | 2 ساعة و38 دقيقة | 4 ساعات و02 دقيقة | +53% |
| FLUX.1 ديف لورا، 1 ألف صورة، 20 حقبة زمنية | 3 ساعات و14 دقيقة | 5 ساعات و47 دقيقة | +79% |
يُظهر التدريب أكبر المكاسب لأنه يعتمد على كل من الحوسبة وعرض النطاق الترددي في وقت واحد، كما أن ذاكرة التخزين المؤقت L2 الأكبر من Blackwell (128 ميجابايت مقابل 72 ميجابايت) تحافظ على المزيد من مجموعة العمل على الرقاقة.
الطاقة والحرارة والضوضاء
الموديل 5090 هو بطاقة 575 واط. في ظل الحمل المستمر للذكاء الاصطناعي فإنه يسحب أكثر من ذلك مع طفرات عابرة تلامس 700 واط:
- PSU: ضع ميزانية 1000 واط كحد أدنى، 1200 واط إذا كنت تشغل Ryzen 9/i9 إلى جانب ذلك. يوصى بشدة ATX 3.1 مع 12V-2×6 الأصلي.
- تدفق هواء العلبة: يعمل تصميم FE على تنفيس الحرارة داخل العلبة بقوة أكبر من 4090 FE. لم تعد مراوح السحب الثلاثة “لطيفة”.”
- الضوضاء: عند استخدام 90%، يبلغ مقياس FE حوالي 42 ديسيبل عند 1 متر. 4090 FE 38 ديسيبل عند نفس الحمل.
- تفريغ الحرارة: سيؤدي تشغيل 8 ساعات من الضبط الدقيق إلى زيادة درجة حرارة غرفتك بشكل ملموس.
إذا كنت تضع هذا في مكتب منزلي، فخطط لذلك.
التحقق من واقع السعر مقابل الأداء
بسعر MSRP ($1999 مقابل $1599)، فإن 5090 أغلى بنحو 25% مقابل أداء ذكاء اصطناعي أكثر بنحو 35% و33% أكثر من ذاكرة VRAM. على الورق، هذا هو الفوز.
عند أسعار الشارع في الربع الثاني 2026 ($2,400T 5090 جديدة مقابل $1,200T 4090 مستعملة)، تنقلب الحسابات بشدة. أنت تدفع الضعف مقابل 35% سرعة أكبر و33% VRAM أكثر. بالنسبة لمعظم المصممين، هذه مقايضة سيئة - إلا إذا كانت ذاكرة VRAM هي ما يزيح عبء العمل لديك.
قاعدة القرار النظيفة:
اشترِ بطاقة RTX 5090 إذا
- تقوم بتشغيل Llama 3 70B 70B / Qwen 72B / Mistral Large 2 يوميًا وQ4 لا يكفي
- أنت تنشئ فيديو بالذكاء الاصطناعي (Hunyuan، CogVideoX، نماذج مستقبلية من فئة Sora)
- تقوم بضبط النماذج الأكبر من 13 ب من المعلمات
- وقتك يساوي أكثر من $40/ساعة ويمكنك إطفاء الترقية
- لديك متسع في الميزانية لوحدة PSU بقدرة 1200 واط + تبريد محسن
التزم بـ RTX 4090 إذا
- أعباء العمل الخاصة بك هي SDXL أو Llama 3 8B أو أي شيء يتسع بالفعل لـ 24 جيجابايت
- يمكنك العثور على 4090 مستعمل بسعر $1,200-1,400
- ليس لديك مساحة للرأس في وحدة PSU أو العلبة
- أنت جديد على الذكاء الاصطناعي المحلي وترغب فقط في البدء
- أنت حساس للسعر وليس لديك عبء عمل محدد مرتبط بذاكرة وصول عشوائي VRAM
ماذا عن البدائل؟
يجدر بنا تسمية وحدات معالجة الرسومات التي ليست من طراز 4090 أو 5090، ولكن قد يكون هذا هو القرار الصحيح:
- RTX 3090 مستعملة ($600-750) - 24 جيجابايت من ذاكرة الوصول العشوائي بثلث السعر. أبطأ (نصف سرعة 4090 تقريبًا في مهام الذكاء الاصطناعي)، ولكن إذا كنت ترغب فقط في الانغماس في LLMs المحلية، فهو ملك الميزانية لعام 2026.
- أبل M4 ماكس (128 جيجابايت) - بنية مختلفة تمامًا، وذاكرة موحدة، ولا توجد CUDA. أبطأ من 5090 ولكن يمكنه استيعاب نماذج ضخمة (يتسع Llama 3 405B في Q4). إذا كنت تستخدم الاستدلال فقط وتحتاج إلى أكثر من 32 جيجابايت من الذاكرة، فهذا خيار جاد. راجع M4 ماكس مقابل RTX 5090 الغوص العميق للتفاصيل الكاملة.
- Nvidia ديغيتس (مشروع DIGITS، $3,000) - ذاكرة موحدة بسعة 128 جيجابايت على جهاز مكتبي. مصمم لحالة الاستخدام هذه بالضبط.
ومع ذلك، بالنسبة لمعظم بناة الذكاء الاصطناعي المنزلي، فإن السؤال الحقيقي هو سؤال ثنائي: 5090 أو 4090. كل شيء آخر هو محادثة مختلفة.
الأسئلة الشائعة
هل يستحق RTX 5090 العناء على RTX 4090 للذكاء الاصطناعي في 2026؟
بالنسبة لمعظم أعباء عمل الذكاء الاصطناعي، فإن 5090 أسرع ب 30-401 تيرابايت و331 تيرابايت أكثر من ذاكرة الوصول العشوائي VRAM، ولكن تكلفته 251 تيرابايت أكثر في مشروع تجديد نظم الإدارة ومضاعفة تقريبًا بأسعار الشارع الحالية. الأمر يستحق العناء إذا كنت تصل بانتظام إلى سقف الـ 24 جيجابايت الخاص بـ 4090 - تشغيل 70B+ LLMs أو نماذج التدريب أو إنشاء فيديو ذكاء اصطناعي. بالنسبة لـ Stable Diffusion XL وLLMs من فئة 8B، يظل 4090 شراءً ممتازًا، خاصةً إذا كان سعره يتراوح بين $ 1200 و1400T.
هل يمكن لـ RTX 5090 تشغيل Llama 3 405B؟
ليس في الاستدلال بوحدة معالجة الرسومات البحتة - يحتاج 405B بأي كمية قابلة للاستخدام إلى 200 جيجابايت+ من الذاكرة. مع إلغاء تحميل وحدة المعالجة المركزية وذاكرة وصول عشوائي للنظام تزيد عن 256 جيجابايت، يمكنك تشغيله على 5090 بسرعة 1-2 رمز/ثانية، وهو بطيء جدًا للاستخدام اليومي. بالنسبة إلى Llama 3 405B محليًا، انظر إلى إعدادات وحدات معالجة الرسوميات المتعددة، أو Mac Studio M4 Ultra (512 جيجابايت)، أو Nvidia DIGITS.
ما مقدار VRAM الذي يحتاجه Llama 3 70B على RTX 5090؟
في Q4_K_M مع سياق 8K، يشغل Llama 3 70B حوالي 28 جيجابايت من VRAM على 5090، مما يترك مساحة 4 جيجابايت لنظام التشغيل والتطبيقات الأخرى. في Q5_K_M تصل إلى 31 جيجابايت، وهي مساحة ضيقة ولكنها قابلة للتطبيق. عند Q8 لا يتسع؛ ستحتاج إلى بطاقة بسعة 48 جيجابايت (A6000 Ada) أو وحدتي GPU.
هل يعمل RTX 5090 مع اللوحات الأم PCIe 4.0؟
نعم. 5090 هو PCIe 5.0 x16 أصلي ولكنه متوافق تمامًا مع PCIe 4.0. بالنسبة لأعباء عمل الذكاء الاصطناعي، يكون فرق عرض النطاق الترددي ضئيلًا - لن تقيس فرقًا خارج نطاق تحميل نماذج وحدات معالجة الرسومات المتعددة.
ما وحدة PSU التي أحتاجها لمحطة عمل RTX 5090 AI؟
وحدة PSU عالية الجودة 1000 واط هي الحد الأدنى، ويوصى بـ 1200 واط، و1600 واط مناسبة إذا كنت تقترن بـ 9950X أو Threadripper وتخطط لضبطها لأكثر من 8 ساعات في كل مرة. ابحث على وجه التحديد عن مواصفات ATX 3.1 بمواصفات ATX 3.1 مع موصلات 12V-2×6 أصلية - المحولات تعمل ولكنها تضيف نقاط فشل.
هل لا تزال RTX 4090 جيدة للذكاء الاصطناعي في عام 2026؟
نعم، لا تزال RTX 4090 وحدة معالجة رسومات ذكاء اصطناعي ممتازة في عام 2026، خاصةً عند استخدامها بسرعة $1200-1,400. فهي تشغل كل أعباء عمل الذكاء الاصطناعي للمستهلكين بسرعة عالية، وتدعم CUDA بالكامل، وتحتوي على 24 جيجابايت من ذاكرة الوصول العشوائي الافتراضية - وهو الحد الذي تستهدفه معظم الطرز. نقطة ضعفه الوحيدة هي في حافة النزيف: فيديو الذكاء الاصطناعي، و70B+ LLMs في الكوادر عالية الجودة، ونماذج الضبط الدقيق للنماذج التي تزيد عن 13B معلمة. بالنسبة لكل شيء آخر، لا يزال ملك السعر/الأداء.
الخلاصة
تُعد RTX 5090 وحدة معالجة رسومات ذكاء اصطناعي أفضل حقًا من RTX 4090 - بمقدار 30-401 تيرابايت في السرعة الخام و331 تيرابايت في مساحة رأس ذاكرة الواقع الافتراضي. ما إذا كان ذلك يستحق ضعف سعر الشارع تقريبًا يعتمد كليًا على ما إذا كانت سعة 24 جيجابايت في 4090 تعيقك حاليًا.
إذا كنت قد حدقت في أي وقت مضى في خطأ OOM في محاولة تشغيل Llama 3 70B بكمية مناسبة، أو إذا كنت قد شاهدت مبادلة 4090 إلى وحدة المعالجة المركزية لإلغاء التحميل في منتصف الجيل على Hunyuan Video، فإن 5090 هو الترقية التي كنت بحاجة إليها منذ عامين.
إذا كانت أعباء العمل الخاصة بالذكاء الاصطناعي لديك تتناسب بسعادة مع 24 جيجابايت اليوم، فاحفظ $1,000+ وضعها في وحدة PSU أفضل، أو SSD أسرع، أو - وهو أمر مثير للجدل - في 3090 ثانية مستخدمة للاستدلال متعدد وحدات معالجة الرسومات. إن العوائد المتناقصة فوق 24 جيجابايت من ذاكرة الوصول العشوائي الافتراضية حقيقية، وهي أكثر وضوحًا مما يجعلها التسويق تبدو عليه.