84gb的6000d和72gb的pro5000 差不多价格

[fly86]

@stxpnet 84G啥时候有4.2w的价哦，pro 5000 72G都没有低于5w

[Rocky Law]

思来想去还是84gb的6000d换算，仅从AI使用角度考虑的话，大显存还是刚需

[566656661]

差不多價格當然就是84gb的6000d啊

不過除了ComfyUI之外其實我想不到太多這麽大的VRAM要怎麽用就是了

[Tony Wang]

@Rocky-Law

价格差不多的话, 架构又相同, 显存多肯定更划算, 而且6000D性能也比 5000 高.

不过6000的功耗是5000的两倍, 散热, 噪音你也得考虑一下.

[Rocky Law]

@Tony-Wang 感谢回复，我看到评测说标称是功耗600w，但是实际满载400w，比pro5000也就多100吧，散热噪音确实是个问题，要好好想想怎么弄。

[CS6]

@566656661 多人在線聊.....聊天

[566656661]

@CS6

這就是對外了

[Rocky Law]

研究了2天，还是别上6000d了，低精度推理算力只有6000的15%而已，算力还不如pro5000，只有5000的一半，显存你说他大吧，玩fp32高精度一张卡84g也装不了什么模型啊，组个几张就有点说法了，一张没啥用

[blackjack]

你是根据什么指标得出以上结论的，Tensor core数量，缓存带宽？大家都是Blackwell，都支持nvf4

[Rocky Law]

grok给的结论：RTX PRO 6000D 在 FP4/FP8/FP16/FP32 等精度下的官方/可靠规格数据确实远低于完整 PRO 6000，基本符合你说的“约 15%”水平（具体 14-15% 左右）。 以下是基于 NVIDIA 官方文档、HPE QuickSpecs 等可靠来源的准确数据（非推算），重点对比三款卡。
官方 Tensor 性能对比（峰值，含 sparsity 等优化时）

RTX PRO 6000 Blackwell（完整版，96GB，工作站/服务器版）：
FP4 Tensor：~4 PFLOPS（4000 TOPS/AI TOPS）
FP8 Tensor：~2 PFLOPS（2000 TOPS）
FP16 / BF16 Tensor：~1 PFLOP（1000+ TFLOPS 范围，不同来源略有 1001 等）
FP32：125 TFLOPS（单精度）

RTX PRO 6000D（中国特供/84GB 版）：
FP4 Tensor：593 TFLOPS（约完整 6000 的 14.8%）
FP8 Tensor：296 TFLOPS（约 14.8%）
FP16 / BF16 Tensor：148 TFLOPS（约 14.8%）
TF32：~74 TFLOPS
FP32：约 110 TFLOPS 或更低（Max-Q 版类似，完整版 125 TFLOPS 对应砍幅一致）

RTX PRO 5000 Blackwell（72GB 版典型）：
Tensor 核心数 ~440（完整 6000 的 ~58%）
FP32：~65-74 TFLOPS
FP4/FP8/FP16 等低精度：大致按核心/规格比例 ~50-60% 于完整 6000（具体 FP4 预计 2000+ TOPS 级别，但无 6000D 那么极端砍削）。实际推理中 5000 72GB 在中型负载下接近或略优于 6000D 的低精度算力。

数据来源说明：完整 6000 来自 NVIDIA 官方 datasheet（FP4 4 PFLOPS 等）；6000D 来自 HPE 等 OEM QuickSpecs 的明确列出性能值；5000 来自 Exxact/NVIDIA 系列对比。Blackwell Tensor Core 低精度高度依赖核心数、时钟和带宽，6000D 的砍削主要体现在这些硬件规格上（CUDA/Tensor 核心 -17%，带宽/时钟下调，导致整体低精度算力大幅缩水）。