Jaka karta graficzna do AI w 2026? Ceny, VRAM i moje pomiary

👁 126 przeczytań

Do lokalnego AI kartę wybierasz najpierw po ilości pamięci (VRAM), a dopiero potem po szybkości. W październiku 2026 najrozsądniejszy zakup to RTX 5060 Ti 16 GB: na Ceneo kosztuje od 3 384 zł, czyli tyle co RTX 5070 z 12 GB, a mieści modele językowe do około 27 mld parametrów i większość modeli obrazu. Najtańszy próg wejścia to RTX 3060 12 GB od 1 548 zł. Wideo i muzyka w pełnej jakości chcą 24 GB, a z nowych kart Nvidii zostało tu tylko RTX 5090 32 GB za ponad 34 tys. zł. Poniżej ceny, moje pomiary na RTX 4090 i tabela, co zmieści się na 8, 12, 16 i 24 GB. Całość tematu jest w przewodniku Lokalne AI.

Jaka karta graficzna do AI: odpowiedź w jednej tabeli

Najważniejszy wniosek z tej tabeli: RTX 5060 Ti 16 GB i RTX 5070 12 GB kosztują prawie tyle samo, ale do AI tańsza „sześćdziesiątka” jest lepsza. RTX 5070 liczy szybciej, tylko że model, który nie mieści się w 12 GB, zwalnia na niej kilkukrotnie (pomiar niżej). W grach jest odwrotnie, więc nie kieruj się testami z gier.

Ceny kart w Polsce i koszt 1 GB pamięci

Ceny z Ceneo.pl, 17 października 2026, najtańsza oferta nowej karty danego modelu (bez laptopów i stacji zewnętrznych), R9700 zaokrąglony z 8 899,99 zł. Nowych RTX 4090, RTX 3090 i Radeon RX 7900 XTX Ceneo w tym dniu nie pokazywało, a cen kart używanych nie podaję, bo nie da się ich rzetelnie uśrednić.

• Najtańszy gigabajt ma starsza RTX 3060 12 GB (129 zł za 1 GB), wśród kart z serii RTX 50 RTX 5060 Ti 16 GB (212 zł). RTX 3060 ma wolniejszą pamięć, ale 12 GB za cenę nowej karty 8 GB to dobry start na budżecie.
• RTX 5070 Ti i RTX 5080 mają te same 16 GB co 5060 Ti, tylko szybszą pamięć (896 i 960 GB/s zamiast 448). Model zmieszczą ten sam, wygenerują go szybciej. Dopłacasz 2-4 tys. zł za szybkość, nie za nowe możliwości.
• RTX 5090 to jedyna nowa karta Nvidii dla domu z więcej niż 16 GB. 1 GB kosztuje w niej ponad pięć razy więcej niż w 5060 Ti.

Co zmieści się na 8, 12, 16 i 24 GB: moje pomiary

Pamięć mierzyłem przez nvidia-smi na RTX 4090. Modele tekstu: 3 października 2026 w Ollamie 0.35.1, kontekst 4096 tokenów, wynik to przyrost zajętości po załadowaniu modelu. Modele obrazu, wideo i muzyki: 17 października 2026 w ComfyUI 0.41, wynik to szczyt zajętości całej karty. ComfyUI zajmuje chętnie tyle, ile jest wolne, więc na mniejszej karcie model obrazu może zmieścić się w mniejszej pamięci, tylko wolniej.

Gemma 4 31B zmierzyłem 8 października 2026 w Ollamie 0.40.1, Wan 2.2 we wrześniu. Rozpisanie, ile pamięci zjada kontekst rozmowy, jest w tekście co to VRAM, a wzory na wielkość modelu w poradniku ile VRAM potrzeba.

Mój test: co się dzieje, gdy model nie mieści się w karcie

3 października 2026 ograniczałem w Ollamie liczbę warstw modelu wysyłanych na RTX 4090 tak, żeby zajmowały najwyżej tyle, ile jest wolne na karcie 8, 12 albo 16 GB (pojemność minus około 1 GB na system). Resztę liczył procesor. Prawdziwa karta 8 czy 12 GB ma wolniejszą pamięć niż RTX 4090, więc to górna granica szybkości.

• Brak jednej warstwy boli mało: na 16 GB Qwen 3.8 27B stracił około 30% szybkości.
• Brak jednej trzeciej modelu boli bardzo: na 12 GB spadek z 47,4 do 6,9 tok/s, prawie 7 razy.
• Bielik 11B Q8 zrobił 70 tok/s w całości na karcie, 23,6 tok/s na 12 GB i 8,0 tok/s na 8 GB. Na 8 GB lepiej wziąć jego wersję Q4.

Budżet liczyłem jako przyrost ponad to, co trzymał już Windows (około 2 GB), więc na prawdziwej karcie 8 GB z otwartą przeglądarką potrzebny jest jeszcze zapas.

RTX 5060 Ti 16 GB, RTX 5070 czy RTX 5090

Szybkość generowania tekstu rośnie głównie z przepustowością pamięci, bo przy każdym tokenie karta czyta całe wagi modelu. Widać to w publicznej tablicy llama.cpp (Llama 2 7B Q4_0, odczyt 9.10.2026, dane społeczności, nie mój pomiar): RTX 4090 189,0 tok/s, RTX 3090 161,9, RTX 4070 Ti Super 132,9, RTX 3060 12 GB 76,9, RTX 4060 Ti 8 GB 64,0.

• RTX 5060 Ti 16 GB: najtańsze 16 GB z serii RTX 50. Pamięć 448 GB/s daje mniej tokenów na sekundę niż droższe karty, ale model 27 mld parametrów wejdzie prawie w całości.
• RTX 5070 12 GB: dobra do gier, do AI ogranicza ją pojemność. GPT-OSS 20B zmieścił się w symulacji 12 GB na styk i dał 165 tok/s, ale Qwen 3.8 27B i Bielik Q8 już nie.
• RTX 5090 32 GB: Gemma 4 31B, Wan i Kandinsky zmieszczą się z zapasem. Pomiarów na niej nie mam.

Jeśli kupujesz cały zestaw, a nie samą kartę, zajrzyj do poradnika jaki komputer do lokalnego AI.

AMD i Mac: kiedy mają sens

• Radeon RX 9070 XT 16 GB (od 3 799 zł) i Radeon AI PRO R9700 32 GB (od 8 900 zł, czyli 32 GB za jedną czwartą ceny RTX 5090). Haczyk jest w oprogramowaniu: Ollama obsługuje obie przez ROCm na Linuksie, a na Windows lista kart ROCm kończy się na serii RX 7000, więc zostaje wolniejsza ścieżka Vulkan. ComfyUI i większość programów do obrazów i wideo zakłada kartę Nvidia z CUDA.
• Mac z procesorem M ma pamięć wspólną dla systemu i grafiki, więc Mac z 32 GB uruchomi modele, które na PC wymagają drogiej karty. Za to generuje wolniej: w tablicy llama.cpp M4 Max robi 83,1 tok/s, M4 Pro 50,7, a zwykły M4 24,1 tok/s. Maca do testów nie mam.

Najprościej: Hangar sprawdzi, co zmieści Twoja karta

Zamiast liczyć gigabajty ręcznie, możesz sprawdzić to w Hangarze. To moje narzędzie: darmowy menedżer lokalnych modeli obrazu, wideo i muzyki na Windows 10/11, bez konta i abonamentu, z silnikiem ComfyUI. Działa z kartami Nvidia z CUDA od 8 GB VRAM (najlepiej 12 GB i więcej).

1. Pobierz instalator (14 MB) ze strony Hangara. Nie jest jeszcze podpisany cyfrowo, więc Windows SmartScreen pokaże ostrzeżenie: kliknij „Więcej informacji”, a potem „Uruchom mimo to”.
2. Hangar wykrywa kartę i przy każdym z 15 modeli w katalogu pokazuje, czy się zmieści. Przy modelu widać też licencję (komercyjnie tak, warunkowo albo nie) i to, czy wolno go używać w UE.
3. Wybierz model. Hangar pobiera pliki z Hugging Face i sprawdza ich sumy sha256.
4. Wpisz opis i generuj.

W teście szablonów na RTX 4090 (17 października 2026, czas z ładowaniem modelu) SDXL zajął 28 s, Z-Image Turbo 59 s, klip Wan 2.2 5B (2 s, 1280×704) 105 s, a 20 s muzyki z ACE-Step 1.5 32 s. Wersja 0.1.0 nie generuje jeszcze FLUX 3 Klein, FLUX.2 Klein, YuE2, Qwen Turbo, Kandinsky 6 ani DiffRhythm 2 - te modele są w katalogu, ale na razie trzeba je uruchamiać w ComfyUI.

Gotowy skrypt: sprawdź swoją kartę

Skrypt odczytuje przez nvidia-smi nazwę karty, całą pamięć, aktualnie zajętą pamięć i wersję sterownika. Działa z każdą kartą Nvidia z zainstalowanym sterownikiem, wymaga Pythona 3. Uruchom: python sprawdz-gpu.py. U mnie 17 października 2026 zwrócił: NVIDIA GeForce RTX 4090, 24564 MiB, 2122 MiB, 617.42, czyli 2,1 GB zajmowały Windows i otwarte programy. Tyle odejmij od pojemności, licząc, co się zmieści.

import subprocess

command = ['nvidia-smi', '--query-gpu=name,memory.total,memory.used,driver_version',
           '--format=csv']
try:
    result = subprocess.run(command, capture_output=True, text=True, timeout=15,
                            check=True)
    print(result.stdout)
except FileNotFoundError:
    print('Brak nvidia-smi. Ten skrypt sprawdza karty Nvidia ze sterownikiem.')
except (subprocess.CalledProcessError, subprocess.TimeoutExpired) as error:
    print('Nie udalo sie odczytac karty:', error)

Pobierz skrypt sprawdz-gpu.py.

Najczęstsze pytania

Czy RTX 5060 Ti 16 GB nadaje się do AI?

Tak, to w październiku 2026 najtańsze 16 GB VRAM wśród nowych kart (od 3 384 zł). Zmieścisz na niej Bielika 11B w Q8, GPT-OSS 20B, większość modeli obrazu i, na styk, Qwen 3.8 27B. Bierz wersję 16 GB, nie 8 GB: dopłata około 1 200 zł, pojemność dwa razy większa.

Czy RTX 5090 jest potrzebny do AI?

Nie do tekstu i obrazów. 32 GB przydaje się do wideo, muzyki i modeli 31 mld parametrów, które na 16 GB nie wejdą w całości. Przy cenie od 34 994 zł to zakup dla kogoś, kto na lokalnym AI zarabia.

Czy karta 8 GB wystarczy do AI?

Do małych modeli tak. Gemma 4 12B w Q4 zajęła u mnie 7,5 GB, a FLUX 3 Klein około 7,5 GB. Większe modele rozłożone między kartę i procesor zwalniają kilka razy, więc na 8 GB wybieraj modele mieszczące się w całości.

Czy RTX 3060 12 GB nadaje się do AI?

Tak, to najtańsze 12 GB: nowa kosztowała 17 października 2026 od 1 548 zł, mniej niż RTX 5060 z 8 GB. W tablicy llama.cpp robi 76,9 tok/s na małym Llama 2 7B. Zmieści Gemmę 4 12B, GPT-OSS 20B na styk i FLUX 3 Klein, ale jest wyraźnie wolniejsza od nowszych kart.

Ile RAM potrzebuje komputer do AI?

Co najmniej tyle, ile waży największy model, plus system: rozsądnie 32 GB, wygodnie 64 GB. RAM pomaga przy ładowaniu i przenoszeniu części modelu poza kartę, ale nie zastępuje VRAM: dwukanałowy DDR5 ma około 90 GB/s, a pamięć RTX 4090 1008 GB/s.

Nvidia czy AMD do AI?

Na Windows Nvidia, bo ComfyUI, Ollama i większość programów zakładają CUDA. Radeon RX 9070 XT i AI PRO R9700 mają sens na Linuksie, gdzie Ollama obsługuje je przez ROCm.