大显存还是强核心？ComfyUI 工作流下的显卡性能真实对比

大显存和更强的核心，到底哪个更重要？

这是一个在 AI 绘图和视频生成圈子里，被反复讨论的问题。这一期测试，正是围绕这个核心矛盾展开的。

最初的想法很简单： 对比 RTX 5090 32GB 和 RTX 4090 48GB，看看新一代架构与更大显存之间，到底谁更占优势。

但很快就发现，这个对比并不“干净”。

5090 不只是核心更强，显存规格也升级到了 GDDR7； 4090 48GB 则是在核心不变的前提下，把显存容量直接翻倍。

为了让结论更有说服力，这次测试额外引入了两张卡：

• RTX 4090 24GB 公版
• RTX Pro 6000 96GB（个人工作站最强单卡）

这样一来，四张卡横向对比，既覆盖了核心代际差异，也把显存容量这个变量完整拉进了视野。

四张显卡的核心规格差异

先简单看一下硬件层面的关键变化。

显存与带宽

• RTX 4090（24GB / 48GB）
  • GDDR6X
  • 384-bit 位宽
  • 带宽约 1.01 TB/s
• RTX 5090 32GB
  • GDDR7
  • 位宽提升至 512-bit
  • 带宽约 1.79 TB/s
  • 带宽提升幅度约 77%

这个数字非常夸张，甚至已经超过了部分 HBM2e 方案。

显存容量上，5090 反而比 4090 48GB 少了 16GB，但显存代际的进步非常明显。

核心与功耗

• CUDA 核心数量
  • RTX 4090：16384
  • RTX 5090：21760（+33%）
• 制程
  • 5090 仍为 5nm（可视作 5nm+）
• 功耗
  • 4090：450W
  • 5090：575W（+28%）

核心规模和频率的提升，带来了实打实的算力增长，但代价也很明确——功耗显著上升。

张量核心与理论算力

在 AI 工作负载中，张量核心比 CUDA 核心更关键。

可以简单理解为：

• CUDA 核心：什么都能算
• Tensor Core：只干一件事，矩阵乘加（AI 最需要的）

理论 FP32 性能

以 RTX 4090 为例：

• 16384 CUDA × 2.5 GHz × 2（FMA）
• ≈ 82.6 TFLOPS

RTX 5090 在 FP32 上的理论性能，大约比 4090 提升 27%。

而在 Tensor Core 上，5090 和 Pro 6000 使用的是第五代张量核心，原生支持 FP6 / FP4 精度，这一点 4090 是不具备的。

测试环境与方法

为了避免变量干扰，本次测试在完全一致的软硬件环境下进行。

硬件平台

• CPU：AMD Ryzen 9 9950X
• 内存：96GB

软件环境

• Python 3.12.10
• PyTorch 2.7 + CUDA 12.8
• ComfyUI 3.59
• xFormers 0.3.0
• 显卡驱动：580.97（统一版本）

测试规则

• 使用 ComfyUI 官方 WAN 2.2 工作流
• 图生视频（i2v）
• 模型规模：14B
• 帧率：16 FPS
• 视频时长：约 5 秒
• 每张卡测试 5 次，去除首次加载时间，取后 4 次平均值

使用 ComfyUI 可以上晨涧云AI算力平台租用云容器，多种显卡可选，支持按时计费，可以在原系统环境上更换显卡、升降配置，优化算力调度，长租更优惠。

实测结果：480P 分辨率

几个非常直观的结论：

• 4090 48GB 比 24GB 快约 25%
• 5090 相比 4090 48GB 再快约 15%
• Pro 6000 的优势非常明显，速度差距远大于理论算力差距

大显存在低分辨率下，已经可以明显弥补核心算力不足的问题。

实测结果：720P 分辨率

分辨率上来之后，事情开始发生变化。

• 5090 开始明显体现架构优势
• 相比 4090 48GB 快约 25%
• Pro 6000 依然是唯一进入百秒内的显卡

真正的关键：显存如何被用掉的

有意思的地方在这里。

在所有测试中，模型 + 中间数据的总占用，几乎都在 80GB 左右。 而 ComfyUI 的机制是：显存不够，就用内存补。

于是问题出现了：

• 4090 24GB
  • 显存占满
  • 内存分摊到 45GB
• DDR5 双通道带宽 ≈ 100GB/s
• 显存带宽起步就是 TB/s

慢，是必然的。

在 480P 下，4090 48GB 可以把更多模型直接塞进显存，速度自然不落后； 而在 720P 下，数据规模扩大，5090 的架构和带宽优势开始全面释放。

即便是 Pro 6000，96GB 显存也并非全部用满，说明显存够用之后，架构和带宽才真正决定上限。

总结：该怎么选？

如果你问一个简单结论：

• 图生视频、重工作流：
  • 显存依然非常重要
  • 但高分辨率下，核心和带宽优势无法忽视

4090 48GB 并不是“魔改智商税”， 5090 也不是“只有参数好看”。

它们各自有明确适合的场景。

这次测试，并不是为了分出“谁碾压谁”， 而是要明确一个问题——ComfyUI 工作流，真正吃的是什么。