Главное: объём видеопамяти
Для локального ИИ видеопамять важнее скорости видеокарты. Модель должна целиком поместиться в VRAM, иначе её части уходят в оперативную память, и скорость генерации падает в разы. Карта среднего уровня с 16 ГБ часто полезнее более быстрой карты с 12 ГБ.
Примерный расчёт для языковых моделей с квантованием 4 бита: модель на 7–8 млрд параметров занимает около 5–6 ГБ, на 14 млрд около 9–10 ГБ, на 32 млрд около 18–20 ГБ, на 70 млрд около 40 ГБ и больше. К этому нужно добавить память под контекст: длинные диалоги и документы съедают ещё несколько гигабайт.
- 8 ГБ: небольшие модели 7–8B и Stable Diffusion 1.5, с заметными ограничениями
- 12 ГБ: модели до 14B, SDXL, базовая работа с Flux в сжатом формате
- 16 ГБ: модели до 20–24B, комфортная генерация изображений, Flux в FP8
- 24 ГБ: модели 32B, видео-генерация небольших роликов, обучение LoRA
- 32 ГБ и больше: модели 32B с длинным контекстом, 70B с частичной выгрузкой
NVIDIA или AMD для нейросетей
Большинство инструментов для локального ИИ изначально пишется под CUDA. PyTorch, ComfyUI, библиотеки для обучения и ускорения инференса работают на NVIDIA без дополнительной настройки. Поэтому RTX остаётся безопасным выбором, особенно если вы планируете экспериментировать с разными проектами.
У AMD экосистема ROCm заметно продвинулась, и Radeon RX 7900 XTX на 24 ГБ или RX 9070 XT на 16 ГБ подходят для запуска языковых моделей через llama.cpp, Ollama и LM Studio. Но часть проектов для генерации изображений и видео требует ручной настройки или работает медленнее. Если основная задача чат с языковой моделью, AMD рабочий вариант, если генерация картинок и обучение, надёжнее NVIDIA.
Отдельный вариант: системы с общей памятью, например на AMD Ryzen AI Max+ 395 со 128 ГБ унифицированной памяти. Они позволяют загружать очень большие модели, но уступают дискретным видеокартам в скорости генерации и не подходят для современных игр на высоких настройках.
Какую видеокарту выбрать
Ниже ориентиры по реальным моделям. Цены на видеокарты в 2026 году сильно меняются, поэтому приводим их приблизительно, актуальные смотрите в каталоге.
- RTX 5060 Ti 16 ГБ: самый доступный вход с 16 ГБ, ориентировочно 50–70 тыс. рублей. Подходит для моделей до 14–20B и генерации изображений.
- RTX 5070 Ti 16 ГБ: заметно быстрее при том же объёме, примерно 95–130 тыс. рублей. Хороший баланс для ИИ и игр в 2K.
- RTX 5080 16 ГБ: высокая скорость, но объём такой же, как у 5070 Ti. Для ИИ переплата оправдана, только если важна скорость генерации.
- RTX 3090 24 ГБ с рук: популярный вариант для больших моделей, но без гарантии и с высоким энергопотреблением.
- RTX 4090 24 ГБ: сильная карта для ИИ, на рынке встречается всё реже.
- RTX 5090 32 ГБ: максимум для домашнего ПК, от 300 тыс. рублей и дороже, наличие нестабильное.
Две видеокарты в одном ПК позволяют сложить объём памяти для языковых моделей через llama.cpp или vLLM, но требуют мощного блока питания, подходящей материнской платы и хорошего охлаждения корпуса.
Оперативная память и процессор
Оперативная память нужна для загрузки моделей, выгрузки слоёв, которые не помещаются в видеопамять, и работы с большими наборами данных. Разумный минимум для ИИ: 32 ГБ DDR5. Если планируете модели 32B и больше с частичной выгрузкой, берите 64 ГБ. 128 ГБ нужны для запуска очень больших моделей на процессоре и для работы с данными.
Процессор для инференса на видеокарте играет второстепенную роль. Ryzen 7 7700, Ryzen 7 9700X, Core i5-14600K или Core Ultra 7 265K полностью закрывают задачу. Многоядерные Ryzen 9 9950X и Core i9-14900K полезны, если вы обучаете модели, обрабатываете данные или запускаете модели частично на CPU.
Обратите внимание на материнскую плату: для двух видеокарт нужны слоты PCIe с достаточным расстоянием и линиями, а для 128 ГБ четыре слота памяти с поддержкой нужного объёма.
Накопитель и блок питания
Модели и наборы данных занимают много места: одна языковая модель весит от 5 до 40 ГБ, библиотека моделей для генерации изображений легко занимает 100–300 ГБ. Минимум для ИИ-станции 2 ТБ NVMe, лучше с запасом. Скорость PCIe 4.0 или 5.0 сокращает время загрузки моделей.
SSD в 2026 году подорожали, NVMe на 2 ТБ стоит ориентировочно от 14 до 30 тыс. рублей в зависимости от модели. Под системные файлы и модели, которые вы используете постоянно, берите быстрый накопитель, под архив можно взять более дешёвый.
Блок питания подбирайте с запасом: длительная генерация нагружает видеокарту на 100% часами. Для RTX 5060 Ti хватает 650 Вт, для RTX 5070 Ti и 5080 разумно 850 Вт, для RTX 5090 1000–1200 Вт качественной модели с сертификатом 80 Plus Gold и выше и нативным разъёмом 12V-2x6.
Охлаждение и шум
В отличие от игр, где нагрузка скачет, нейросети держат видеокарту и память под максимальной нагрузкой длительное время. Особенно горячей бывает видеопамять. Корпус с хорошим продувом и 3–4 вентиляторами обязателен.
Если компьютер стоит в жилой комнате и работает ночами, выбирайте исполнения видеокарт с большим радиатором и низкими оборотами вентиляторов. Можно также ограничить лимит мощности карты на 10–20%: скорость генерации падает незначительно, а температура и шум снижаются заметно.
Программы для старта и готовые связки
Для языковых моделей начните с Ollama или LM Studio: они скачивают модели и запускают их в пару кликов. Для генерации изображений популярны ComfyUI и Forge, для распознавания речи Whisper. Все они работают на Windows и Linux.
- Начальный уровень: Ryzen 5 9600X или Core i5-14400F, 32 ГБ DDR5, RTX 5060 Ti 16 ГБ, SSD 2 ТБ, блок питания 650 Вт
- Оптимальный уровень: Ryzen 7 9700X или Core Ultra 7 265K, 64 ГБ DDR5, RTX 5070 Ti 16 ГБ, SSD 2 ТБ, блок питания 850 Вт
- Продвинутый уровень: Ryzen 9 9950X, 128 ГБ DDR5, RTX 5090 32 ГБ, SSD 4 ТБ, блок питания 1200 Вт
В MaxxPC можно собрать компьютер под задачу: под конкретные модели, объём данных и бюджет, с проверкой совместимости, тестированием под нагрузкой и гарантией на всю сборку. Если нужен ПК одновременно для игр и нейросетей, удобно начать с конфигуратора maxxpc.ru/gaming-pc-picker/ и уточнить требования к видеопамяти.
Вывод
Для локального ИИ главное объём видеопамяти: 16 ГБ разумный минимум в 2026 году, 24–32 ГБ открывают крупные модели. NVIDIA проще в настройке благодаря CUDA, AMD подходит для языковых моделей. Дальше важны 32–64 ГБ оперативной памяти, быстрый SSD от 2 ТБ, блок питания с запасом и хорошее охлаждение. Определите, какие модели хотите запускать, и подберите конфигурацию под них, а не под максимальную цену.
