Czy pamięć DDR5-6000 C40 o pojemności 64 GB stanowi nowy idealny wybór dla zastosowań związanych ze sztuczną inteligencją i grami?

Jak wspomniano w zeszłym roku, zalecana idealna pojemność pamięci RAM do gier i zadań związanych ze sztuczną inteligencją wynosiła 96 GB pamięci systemowej. Od tamtej pory wiele się zmieniło i zestaw o pojemności 96 GB może już nie być zalecaną opcją.

Rynek pamięci uległ radykalnej zmianie. Infrastruktura sztucznej inteligencji pochłania ogromne ilości pamięci DRAM i HBM, co wywiera znaczną presję na podaż i ceny pamięci DRAM przeznaczonych dla konsumentów. W 2026 r. zestawy o pojemności 96 GB mogą być trudne do zdobycia lub charakteryzować się znaczną nadwyżką cenową, co sprawi, że będą one znacznie mniej atrakcyjne dla entuzjastów budujących komputery klasy mainstream.

Wracamy więc do laboratorium, aby spróbować znaleźć najlepsze rozwiązanie w danych okolicznościach.

Porównano konfiguracje o pojemnościach 32 GB i 64 GB przy użyciu karty graficznej RTX 4090 oraz lokalnych obciążeń LLM, analizując jednocześnie wpływ wydajności pamięci DDR5.

System testowania wyglądał następująco:

• Procesor: Intel® Core™ Ultra 7 270K Plus
• Pamięć DRAM: CORSAIR VENGEANCE RGB CMH64GX5M2D6000C40
• Dysk SSD: MP600 ELITE 2 TB PCIe Gen 4 x4
• Zestaw AIO: iCUE LINK TITAN 360 RX RGB AIO
• Karta graficzna: RTX 4090 24 GB XLR8 Gaming UPRISING EPIC-X

Wniosek jest prosty: w przypadku nowoczesnego systemu do gier i sztucznej inteligencji 64 GB pamięci DDR5 stanowi optymalny wybór, a model DDR5-6000 C40 zapewnia doskonałą równowagę między pojemnością, wydajnością i praktycznością.

Zgodnie z oczekiwaniami 32 GB pamięci nie wystarcza do obsługi dużego modelu językowego (LLM) o 70 miliardach parametrów. Wykorzystanie pamięci RAM znacznie przekracza 95%, co spowalnia działanie systemu. Z kolei w systemie z 64 GB pamięci pozostało około 15 GB wolnej pamięci RAM, co pozwala użytkownikom na jednoczesne wykonywanie innych zadań.

Jeśli chodzi o czas generowania tokenów, nie odnotowano znacznej różnicy. Zestaw 64 GB 6000C40 nieznacznie wyprzedza konkurencję, co jednak nie oznacza, że jest on w praktyce najlepszy. Na tym konkretnym wykresie wybrano najszybsze i najwolniejsze przebiegi spośród obu zestawów.

Chociaż średnio z trzech przebiegów wyniki są takie same. Zestawy 5600C40 i 6000C40 potrzebowały niemal tyle samo czasu na wykonanie poleceń. Zestaw 6000C40 był nieco szybszy o 0,5 sekundy, ale mieści się to w granicach błędu pomiarowego.

Ogólnie rzecz biorąc, pojemność pamięci wynosząca 64 GB okazała się wystarczająca do obsługi znacznie większych lokalnych obciążeń związanych ze sztuczną inteligencją bez powodowania poważnego obciążenia pamięci systemu. Ta różnica ma znaczenie.

Ale dlaczego właśnie lokalne modele LLM? Dlaczego nie skorzystać z internetowego interfejsu API, takiego jak ChatGPT lub inne? Prywatność. Dane, które użytkownicy importują do dowolnej usługi internetowej, mogą zostać upublicznione. Uruchamiając model LLM na urządzeniu, nad którym mają Państwo kontrolę, nie muszą Państwo łączyć się z Internetem i mogą w pełni kontrolować jego działanie. Zalety lokalnych modeli LLM nie ograniczają się wyłącznie do prywatności. Koszt, możliwość dostosowania oraz długość kontekstu to istotne czynniki przemawiające na korzyść lokalnych modeli LLM.

Do przeprowadzenia testów wykorzystano model Meta Llama 3.1 70B Instruct, uruchomiony lokalnie za pośrednictwem platformy Ollama. Model 70B zawiera około 70 miliardów parametrów i obsługuje okno kontekstowe o rozmiarze 128K. Nie oznacza to jednak, że każdy użytkownik sztucznej inteligencji powinien korzystać z modelu 70B. Chociaż większe modele zazwyczaj charakteryzują się większą zdolnością do reprezentowania wiedzy i relacji oraz mogą osiągać lepsze wyniki w wymagających zadaniach związanych z wnioskowaniem, kodowaniem, analizą i wykonywaniem poleceń.

Karta graficzna RTX 4090 oferuje 24 GB dedykowanej pamięci VRAM. Jest to ogromna ilość pamięci graficznej, ale niekoniecznie wystarczająca dla większych lokalnych modeli sztucznej inteligencji. Gdy model przekracza dostępną pojemność pamięci VRAM, część obciążenia musi zostać przeniesiona do pamięci systemowej (RAM). Właśnie w tym momencie pamięć systemowa staje się czymś znacznie więcej niż tylko zasobem przeznaczonym dla systemu Windows, gier i aplikacji działających w tle.

Jako podstawowe obciążenie testowe wydajności wybrano model Llama3.1 8B. Jest on znacznie mniejszy niż 24 GB pamięci VRAM dostępnej w karcie RTX4090, co oznacza, że pamięć systemowa odgrywa mniej istotną rolę w tym obciążeniu.

Zamiast zlecać modelowi wykonanie sztucznego testu porównawczego, takiego jak wygenerowanie tysięcy słów, wykorzystano zadania odzwierciedlające codzienne zastosowania sztucznej inteligencji.

Obejmowały one takie działania, jak planowanie, sporządzanie podsumowań, analiza oraz tworzenie ustrukturyzowanych treści.

Wykorzystano następujące wytyczne: „Planuję 10-dniową podróż do Japonii, obejmującą Tokio, Kioto, Osakę i Hiroszimę. Proszę opracować szczegółowy plan podróży z podziałem na poszczególne dni. Dla każdego dnia proszę uwzględnić główne atrakcje, kolejność, w jakiej powinienem je zwiedzać, przybliżony czas podróży między poszczególnymi miejscami, propozycje restauracji lub miejsc, gdzie można zjeść, oraz praktyczne wskazówki. Proszę wyjaśnić uzasadnienie planu podróży oraz wskazać ewentualne problemy związane z harmonogramem. Na koniec proszę przedstawić zwięzłą listę rzeczy do spakowania oraz podsumowanie całkowitego czasu poświęconego na podróż w porównaniu z czasem przeznaczonym na zwiedzanie.”

Rynek entuzjastów komputerów PC ulega zmianom.

• Pamięć o pojemności 32 GB nadal sprawdza się w systemach do gier oraz w przypadku mniej wymagających zadań związanych ze sztuczną inteligencją, jednak w coraz większym stopniu ogranicza możliwości, jakie system z najwyższej półki może swobodnie realizować.
• Pojemność 96 GB nadal stanowi doskonały wybór dla zaawansowanych użytkowników, jednak biorąc pod uwagę obecne ceny i dostępność pamięci, trudno jest uzasadnić jej wybór jako domyślną rekomendację dla entuzjastów.
• Zestawy o pojemności 64 GB plasują się w środku, i właśnie dlatego są dobrym wyborem.

Zapewniają one wystarczającą wydajność do obsługi nowoczesnych gier, wielozadaniowości oraz wymagających lokalnych obciążeń związanych ze sztuczną inteligencją, pozwalając jednocześnie uniknąć problemów związanych z kosztami i dostępnością, które w coraz większym stopniu wiążą się z większymi zestawami.

W połączeniu ze specyfikacją DDR5-6000 C40 zapewniają one doskonałą równowagę między pojemnością a wydajnością pamięci.