[Início](https://servprivate.com/pt) / [Guias de Hospedagem com Privacidade](https://servprivate.com/pt/guides) / RTX 4090 vs H100 SXM5 para Inferência de IA (e Onde o RTX 5090 se Encaixa) Compra # RTX 4090 vs H100 — Qual GPU para Sua Carga de Trabalho de IA? Escolher a GPU NVIDIA certa para IA auto-hospedada não é apenas uma questão de VRAM. RTX 4090 é o ponto ideal de preço para inferência 7B-13B e geração de imagem; RTX 5090 (32 GB GDDR7) é o novo nível intermediário para 27B-32B; H100 SXM5 (80 GB HBM3) é para cargas de trabalho da classe 70B onde a largura de banda de memória domina. Passamos pelas compensações por classe de carga de trabalho com números de throughput, economia de $/token e o que cabe em cada nível de GPU da ServPrivate. [Ler o guia](#guide-body) [Perguntas frequentes](#guide-faq) #### Nesta página - [Guia](#guide-body) - [Perguntas frequentes](#guide-faq) - [Guias relacionados](#guide-related) - [Páginas recomendadas](#guide-cta) Sem KYC Somente Cripto Sem Logs DMCA ignorado Root Completo NVMe SSD 7 min de leitura Atualizado em May 2026 Nesta página [01Os quatro níveis em um parágrafo](#os-quatro-níveis-em-um-parágrafo) [02A largura de banda de memória domina a inferência de LLM](#a-largura-de-banda-de-memória-domina-a-inferência-de-llm) [03O que cabe em 24 GB / 32 GB / 80 GB](#o-que-cabe-em-24-gb-32-gb-80-gb) [04Quando o RTX 5090 é a resposta certa](#quando-o-rtx-5090-é-a-resposta-certa) [05Quando você quer H100, não 4090](#quando-você-quer-h100-não-4090) [06Economia de $/token](#economia-de-token) [07Cargas de trabalho de imagem, vídeo e áudio](#cargas-de-trabalho-de-imagem-vídeo-e-áudio) [08E o RTX 5090 vs RTX A6000 / A100?](#e-o-rtx-5090-vs-rtx-a6000-a100) [09O que oferecemos e o que escolher](#o-que-oferecemos-e-o-que-escolher) [FAQPerguntas frequentes](#guide-faq) [→Páginas recomendadas](#guide-cta) Escolher entre um RTX 4090, um RTX 5090 e um H100 SXM5 para compute de IA auto-hospedado em 2026 raramente é sobre o número de TFLOPS manchete. A GPU certa é aquela cuja VRAM, largura de banda de memória e preço por hora de inferência se encaixam na classe de modelo e forma de batch que você realmente roda. Este guia percorre os quatro níveis de GPU que a ServPrivate oferece, as cargas de trabalho para as quais cada um é dimensionado e como ler os números de throughput no gráfico. ## Os quatro níveis em um parágrafo **RTX 4090 (GPU-S, $122.00-329/mês)** oferece 24 GB de GDDR6X a ~1 TB/s de largura de banda de memória e ~83 TFLOPS FP16. É a escolha certa para modelos de linguagem 7B-13B, geração de imagem FLUX.1 / SDXL, transcrição Whisper e texto-para-fala Bark. **RTX 5090 (GPU-M, $195.50-519/mês)** sobe para 32 GB GDDR7 a ~1,8 TB/s e ~104 TFLOPS FP16; os 8 GB extras e o aumento de largura de banda de ~80% desbloqueiam modelos 27B-32B confortavelmente (Gemma-3-27B, Qwen3-32B, Mistral-Small-3) e permitem ajuste fino de Llamas pequenos. **H100 SXM5 (GPU-L, $832.50-1899/mês)** é uma categoria diferente — 80 GB HBM3 a ~3,35 TB/s, ~989 TFLOPS FP16 (Tensor-Core), com fabric NVLink disponível; é dimensionado para modelos de linguagem da classe 70B, inferência de contexto mais longo e treinamento mais rápido. **2× H100 SXM5 (GPU-XL, $1567.50-3599/mês)** é para inferência 70B em precisão completa, treinamento multi-GPU e modelos 100B+ em Q4 / Q5. Throughput vs tamanho de batch no RTX 4090 (24 GB), RTX 5090 (32 GB) e H100 SXM5 (80 GB) — Llama-3.1-70B-Instruct quantizado para Q4_K_M, vLLM 0.7+, batch 1 a batch 32. ## A largura de banda de memória domina a inferência de LLM Para inferência de transformador decoder-only em tamanhos de batch até cerca de 16, o gargalo é a largura de banda de memória, não os FLOPS brutos. Cada token gerado força uma leitura completa dos pesos do modelo da VRAM (a fase de prefill reutiliza o cache K-V, mas cada novo token lê as matrizes de pesos novamente). Os 3,35 TB/s de HBM3 do H100 é o que o torna ~3x mais rápido por token do que um 4090 em um modelo da classe 70B — não o número maior de TFLOPS. É também por isso que o salto do RTX 5090 de GDDR6X para GDDR7 (~1,8 TB/s vs ~1 TB/s) importa mais para inferência do que o aumento bruto de FLOPS. Se sua carga de trabalho é dominada por inferência em vez de treinamento, priorize largura de banda em vez de TFLOPS. ## O que cabe em 24 GB / 32 GB / 80 GB A quantização muda o cenário. Em **Q4_K_M** (uma quantização típica de "boa qualidade"): um modelo 7B precisa de ~4,5 GB, um 13B precisa de ~8 GB, um 27-32B precisa de ~20 GB, um 70B precisa de ~42 GB, um 100B precisa de ~60 GB. Adicione ~10-15% de espaço para cache K-V e workspace CUDA. Os encaixes práticos: **24 GB** = 7B-13B confortável, 27-32B com dificuldade de offload, 70B inviável. **32 GB** = 27-32B confortável, 70B com offload de CPU (lento). **80 GB** = 70B confortável em Q4-Q5, 100B com offload. **160 GB (H100 duplo)** = 70B em FP16 / BF16, 100-180B em Q4. Em **FP16 / BF16** (sem quantização) os números dobram: um 70B em FP16 precisa de ~140 GB, por isso 2× H100 é o ponto de entrada para inferência de modelo flagship em precisão completa. ## Quando o RTX 5090 é a resposta certa O lançamento do RTX 5090 no início de 2025 criou um novo ponto ideal. Para os modelos da classe 27B-32B que mais importam em 2026 (Gemma-3-27B, Qwen3-32B, Mistral-Small-3, Phi-4, DeepSeek-R1-Distill-Qwen-32B), o 5090 tem aproximadamente 2,5x o throughput de um 4090 a metade do custo de um H100. Se sua carga de trabalho é "preciso de um modelo assistente realmente capaz com raciocínio, suporte multilíngue e uma janela de contexto de 32K, mas não preciso de 70B+", o nível GPU-M é onde você deve começar. Ele também funciona como um rig generoso de geração de imagem — FLUX.1-dev roda confortavelmente com 16 GB de espaço de VRAM para batches de alta resolução. ## Quando você quer H100, não 4090 Três sinais empurram a decisão de compra para o GPU-L (H100 único): (1) você serve modelos da classe 70B ou DeepSeek-R1-Distill-Llama-70B e quer tempo-para-primeiro-token abaixo de um segundo no batch 1; (2) você roda inferência concorrente de alto batch (vLLM com batch 16+ usuários) onde a largura de banda de memória do H100 é o eliminador de gargalo; (3) você treina ou ajusta com LoRA em conjuntos de dados acima de ~10M tokens e quer o caminho de treinamento FP8 que o 4090 / 5090 não tem. O Transformer Engine FP8 do H100 aproximadamente dobra o throughput de treinamento vs FP16, o que torna o ajuste fino do Llama 70B viável em um único cartão. ## Economia de $/token Para cargas de trabalho de alto volume, a comparação certa é dólares por milhão de tokens em throughput sustentado. No Llama-3.1-70B Q4, vLLM 0.7+, batch 16: um RTX 4090 não consegue hospedar o modelo sem offload (o offload para CPU-RAM mata o throughput em ~10x). Um RTX 5090 com offload de CPU fica em torno de $X por 1M tokens (aproximado; varia por quantização). Um único H100 SXM5 fica em torno de $1,40-2,20 por 1M tokens de saída ao nosso preço inicial de $832.50/mês. Compare com o output do GPT-4o da OpenAI a ~$10 / 1M e Claude Sonnet a ~$15 / 1M — uma vez que sua carga de trabalho alcance cerca de 30M tokens por dia, auto-hospedar em um único H100 é mais barato do que chamar APIs hospedadas, e o resultado de privacidade é de ponta a ponta. Para volumes menores, as APIs hospedadas vencem no custo. ## Cargas de trabalho de imagem, vídeo e áudio **Geração de imagem** raramente precisa de mais do que um 4090 — FLUX.1-dev, SDXL, SD 3.5 todos cabem em 24 GB com qualidade de produção, e os ~83 TFLOPS FP16 do RTX 4090 são suficientes. Ir para 5090 / H100 compra principalmente espaço de tamanho de batch (mais gerações concorrentes) em vez de velocidade por imagem. **Vídeo de IA** (Wan-2.1, CogVideoX-5B, workflows no estilo Runway) é mais exigente — GPU-M é a entrada prática, GPU-L para longa-metragem de qualidade de produção. **ASR Whisper Large v3** e **TTS Bark** ambos rodam confortavelmente no 4090; o H100 é excessivo para eles. **Ajuste fino** com LoRA ou QLoRA em 7B-13B funciona em um 4090; ajuste fino 32B-70B realisticamente quer 5090 no mínimo, H100 se você valoriza o tempo. ## E o RTX 5090 vs RTX A6000 / A100? Se você analisou opções de GPU fora da linha de placas consumer, pode ter encontrado RTX A6000 (48 GB, placa de datacenter) ou A100 (40 / 80 GB, HBM2e de geração anterior). Veredicto rápido: o A6000 é aproximadamente compute de classe 4090 com o dobro de VRAM, útil se VRAM é seu gargalo mas largura de banda não é (raro); o A100 está uma geração atrás do H100 e agora está disponível principalmente no mercado secundário — se você o encontrar barato, ainda é uma placa credível de inferência 70B, mas novas construções em 2026 são tipicamente H100. Não oferecemos atualmente níveis A6000 ou A100; o catálogo pula do RTX 5090 para o H100. ## O que oferecemos e o que escolher Para resumir a decisão de compra de GPU em uma frase por carga de trabalho: **chatbot / assistente de código abaixo de 32B** → GPU-S (RTX 4090) para 7B-13B, GPU-M (RTX 5090) para 27B-32B; **inferência flagship 70B (Llama-3.3-70B-Instruct, DeepSeek-R1-Distill-Llama-70B)** → GPU-L (H100 SXM5); **70B em precisão completa ou treinamento multi-GPU** → GPU-XL (2× H100 SXM5); **geração de imagem / vídeo / voz** → GPU-S a menos que precise de espaço de batch, então GPU-M. Todos os quatro níveis são fornecidos com CUDA 12.4 + cuDNN pré-instalados e modelos vLLM / Ollama / ComfyUI / Stable Diffusion com 1 clique. As especificações completas de hardware estão em [/gpu](https://servprivate.com/pt/gpu). Perguntas frequentes ## Compra de GPU — perguntas frequentes ### 01 Por que a largura de banda de memória é mais importante do que TFLOPS para inferência? A inferência de transformador decoder-only em tamanhos de batch pequenos a médios é limitada pela memória: cada token gerado requer a leitura de toda a matriz de pesos da VRAM. Os kernels de compute são rápidos o suficiente para que a GPU passe a maior parte do tempo aguardando cargas de memória. É por isso que os 3,35 TB/s de HBM3 do H100 são aproximadamente 3x mais rápidos por token do que os 1 TB/s de GDDR6X de um 4090 no mesmo modelo 70B, apesar do número maior de TFLOPS do H100 ser quase incidental. ### 02 Posso rodar Llama-3.3-70B em um RTX 4090? Tecnicamente sim, com offload de CPU via llama.cpp ou KTransformers — mas o throughput cai para ~3-5 tokens/segundo em geração de longa forma, o que é inutilizavelmente lento para chat. Praticamente, 70B é uma carga de trabalho para H100 (ou 2× RTX 5090 com NVLink, que não oferecemos). Se 70B é o que você precisa e não quer o preço do H100, considere DeepSeek-R1-Distill-Llama-8B ou DeepSeek-R1-Distill-Qwen-14B em um 4090 — os modelos destilados são surpreendentemente competitivos em raciocínio. ### 03 O RTX 5090 é melhor do que um A100 para IA? Para inferência, principalmente sim — o GDDR7 do 5090 (~1,8 TB/s) supera o HBM2e do A100 de 40GB (~1,55 TB/s) em largura de banda, e os FLOPS são maiores. O SKU de 80 GB do A100 tem mais VRAM (80 vs 32), o que importa para inferência 70B. Para treinamento, o A100 ainda tem memória ECC e o conjunto de recursos adequado de datacenter que o 5090 não tem. Novas construções em 2026 tipicamente escolhem H100 sobre A100; o 5090 preenche a lacuna de classe consumer. ### 04 Quando o auto-hospedado é realmente mais barato do que OpenAI / Anthropic? Aproximadamente: um único H100 SXM5 a $832.50/mês rodando Llama-3.3-70B em throughput sustentado de batch-16 entrega ~30-50M tokens de saída/dia. Ao preço do GPT-4o ($10/1M de saída) isso equivale a $300-500/dia de gasto hospedado equivalente. O ponto de equilíbrio é em torno de 5-7M tokens de saída por dia. Abaixo disso, as APIs hospedadas vencem; acima disso, o auto-hospedado vence. Os pontos de equilíbrio do RTX 4090 / 5090 escalam para baixo com os modelos menores que comportam. ### 05 Como a GPU da ServPrivate se compara ao Vast.ai ou RunPod? Vast.ai é mais barato em spot por hora ($0,30-0,70/h para um 4090) mas a qualidade varia muito (hardware consumer em residências, rede mista, risco de despejo). RunPod é mais consistente ($0,69-3,99/h sob demanda) mas com jurisdição dos EUA com KYC de e-mail/método de pagamento. A ServPrivate é mais cara por hora do que o spot do Vast.ai e aproximadamente comparável ao RunPod sob demanda mensalmente, mas cadastro somente com token, Monero nativo, sem despejo, sem KYC e 4 jurisdições offshore. A escolha certa depende se privacidade e previsibilidade ou puro custo por hora importa mais. ### 06 E o H200 ou B200 — devo esperar por eles? H200 (141 GB HBM3e) está no catálogo de provedores em hiperescala como CoreWeave, mas o fornecimento no segmento de host offshore de privacidade é controlado pelo status de parceiro de canal da NVIDIA — estamos avaliando disponibilidade para 2026-Q3. B200 NVL72 é exclusivo para fabric de hiperescala neste momento e não é viável para aluguéis de placa única. Para a maioria dos auto-hospedeiros, um H100 SXM5 em 2026 tem capacidade suficiente para cargas de trabalho da classe 70B — o argumento para esperar o H200 é principalmente para casos de uso multimodal de contexto longo (200K+ tokens). Guias relacionados ## Continue lendo [### Como Escolher uma Jurisdição de Hospedagem Offshore em 2026 Compra Um framework de decisão prático para escolher uma jurisdição offshore: lei de retenção de dados, exposição a MLAT, postura sobre DMCA, velocidade dos tribunais e aplicação real — país a país. FAQ com 6 perguntas](https://servprivate.com/pt/guides/choosing-an-offshore-jurisdiction) [### VPS vs Servidor Dedicado para Cargas de Trabalho com Privacidade Crítica Compra Quando um VPS é suficiente, quando a multilocação é um risco, e quando o bare metal é a única resposta honesta. Isolamento de hardware, risco de hypervisor e custo vs modelo de ameaça. FAQ com 6 perguntas](https://servprivate.com/pt/guides/vps-vs-dedicated-for-privacy) [### VPN Auto-Hospedada em VPS Sem KYC: WireGuard vs OpenVPN Operações Por que uma VPN auto-hospedada supera os provedores comerciais e como WireGuard e OpenVPN realmente se comparam em privacidade, desempenho e risco operacional em 2026. FAQ com 6 perguntas](https://servprivate.com/pt/guides/self-hosted-vpn-wireguard-vs-openvpn) [### RDP Windows Offshore para Trading Forex com MT4 / MT5 / cTrader Operações Guia completo: por que um RDP Windows para trading forex, como escolher uma jurisdição offshore de baixa latência, configuração de MT4 / MT5 / cTrader / Expert Advisor, latência para servidores de corretora e o caminho de checkout sem KYC. FAQ com 6 perguntas](https://servprivate.com/pt/guides/offshore-windows-rdp-for-forex-trading) [### Hospedagem DMCA-Ignorada Explicada: O Que Realmente Significa em 2026 Compra O que a hospedagem "DMCA ignorado" realmente oferece, quais jurisdições de fato a sustentam, os tipos de carga que a necessitam, e as armadilhas de direitos autorais que o termo não cobre. FAQ com 6 perguntas](https://servprivate.com/pt/guides/dmca-ignored-hosting-explained) [### Registro Anônimo de Domínio com Cripto: Privacidade WHOIS em 2026 Privacidade Um guia prático para 2026 sobre como registrar domínios sem revelar sua identidade: regimes WHOIS por TLD, escolha de registrador, opções de pagamento em cripto e os erros operacionais que ainda assim vão te expor. FAQ com 6 perguntas](https://servprivate.com/pt/guides/anonymous-domain-registration-with-crypto) [### Pagamentos Cripto para Hospedagem: Monero vs Bitcoin vs USDT Privacidade Como a escolha da moeda afeta o que seu host aprende sobre você. Privacidade, taxas, finalidade e exposição à análise de blockchain para XMR, BTC e USDT — com uma recomendação clara. FAQ com 6 perguntas](https://servprivate.com/pt/guides/crypto-payments-monero-vs-bitcoin-vs-usdt) [### O Que É Hospedagem Sem KYC? Definição, Legalidade e Como Funciona Privacidade A hospedagem sem KYC permite alugar um servidor sem nenhuma verificação de identidade — sem nome, sem e-mail, sem documento. Aqui está exatamente o que isso significa, como funciona tecnicamente, se é legal e como escolher um provedor de verdade. FAQ com 6 perguntas](https://servprivate.com/pt/guides/what-is-no-kyc-hosting) [### Hospedagem Offshore É Legal? A Resposta Honesta para 2026 Compra Hospedagem offshore é legal — para você e para o provedor. Aqui está o que o termo realmente significa, onde a linha legal de fato se situa, os mitos que vale descartar, e como utilizá-la de forma responsável. FAQ com 6 perguntas](https://servprivate.com/pt/guides/is-offshore-hosting-legal) [### Como Pagar por Hospedagem com Monero (XMR) — Passo a Passo Privacidade Um guia passo a passo para pagar por um VPS ou servidor dedicado com Monero (XMR): por que o XMR é a opção mais privada, como obtê-lo e como funciona o processo de pagamento — da fatura ao servidor em funcionamento em minutos. FAQ com 6 perguntas](https://servprivate.com/pt/guides/how-to-pay-for-hosting-with-monero) [### Como Hospedar um Site de Forma Anônima — Guia Prático 2026 Privacidade Um guia prático e em camadas para hospedar um site sem nenhuma identidade vinculada: a conta, o pagamento, o domínio, a jurisdição, a sua conexão e o conteúdo — cada camada explicada. FAQ com 6 perguntas](https://servprivate.com/pt/guides/how-to-host-a-website-anonymously) [### Como Configurar uma VPN WireGuard em um VPS — Guia Passo a Passo Operações Monte sua própria VPN privada em um VPS com WireGuard: por que uma VPN auto-hospedada supera as comerciais, o processo completo desde a instalação até o primeiro cliente conectado, e como reforçar a segurança. FAQ com 6 perguntas](https://servprivate.com/pt/guides/how-to-set-up-wireguard-vpn-on-a-vps) [### Como Hospedar um LLM em um Servidor GPU — Guia 2026 Operações Execute seu próprio modelo de linguagem em um servidor GPU alugado: por que hospedar seu próprio LLM supera uma API, qual GPU e modelo escolher, a configuração com Ollama ou vLLM, e quanto custa. FAQ com 6 perguntas](https://servprivate.com/pt/guides/self-host-an-llm-on-a-gpu-server) [### Hospedagem Bulletproof vs Hospedagem Offshore — Qual é a Diferença? Compra Hospedagem bulletproof e hospedagem offshore são constantemente confundidas — e não são a mesma coisa. Veja a diferença real, por que isso importa e qual das duas você realmente precisa. FAQ com 6 perguntas](https://servprivate.com/pt/guides/bulletproof-vs-offshore-hosting) [### Como Comprar um VPS com Bitcoin — Passo a Passo (2026) Compra Um guia completo para iniciantes sobre como comprar um VPS com Bitcoin: como obter BTC, escolher um plano, pagar a fatura e o que você recebe — um servidor funcionando sem cartão e sem nome associado. FAQ com 6 perguntas](https://servprivate.com/pt/guides/how-to-buy-a-vps-with-bitcoin) [### Melhores Países para Hospedagem com DMCA Ignorado em 2026 Compra Onde hospedar quando você quer servidores além do alcance fácil das remoções ao estilo americano: as jurisdições que funcionam, o que DMCA ignorado realmente significa e como escolher. FAQ com 6 perguntas](https://servprivate.com/pt/guides/best-countries-for-dmca-ignored-hosting) [### Como Hospedar um Serviço Oculto Tor (Site .onion) — Guia 2026 Operações Configure um serviço onion Tor em um VPS: o que é um serviço oculto, por que é a forma mais robusta de hospedagem anônima, o processo completo de configuração e como mantê-lo verdadeiramente anônimo. FAQ com 6 perguntas](https://servprivate.com/pt/guides/how-to-host-a-tor-hidden-service) [### Configuração de Servidor de E-mail Offshore — Hospede Seu Próprio E-mail Privado em 2026 Operações Execute seu próprio servidor de e-mail privado em um VPS offshore: por que hospedar e-mail você mesmo, o que é necessário, a configuração prática com uma stack de e-mail completa e como garantir a entregabilidade. FAQ com 6 perguntas](https://servprivate.com/pt/guides/offshore-mail-server-setup) [### Guia de Hospedagem de Nó de Criptomoeda — Execute um Nó Blockchain em um VPS Operações Como hospedar um nó blockchain em um servidor: por que executar seu próprio nó, dimensionamento do servidor para Bitcoin, Ethereum, Monero e outros, a configuração e como manter a privacidade. FAQ com 6 perguntas](https://servprivate.com/pt/guides/crypto-node-hosting-guide) [### Hospedagem GPU para Stable Diffusion — Rode Seu Próprio Servidor de Imagens Operações Rode o Stable Diffusion no seu próprio servidor GPU: por que hospedar geração de imagens localmente, qual GPU escolher, como configurar com uma interface web e quanto custa em comparação a um serviço hospedado. FAQ com 6 perguntas](https://servprivate.com/pt/guides/gpu-hosting-for-stable-diffusion) [### OpSec para Servidores — Como Manter o Anonimato ao Operar um Servidor Privacidade Segurança operacional para quem administra um servidor anônimo: os erros que expõem identidades, os hábitos que os previnem e como manter identidades verdadeiramente separadas. FAQ com 6 perguntas](https://servprivate.com/pt/guides/server-opsec-staying-anonymous) [### Guia de Configuração de Seedbox — Monte Sua Própria Seedbox Privada em 2026 Operações Como montar sua própria seedbox em um servidor: o que é uma seedbox, como dimensioná-la, instalar um cliente torrent com interface web e mantê-la privada e segura. FAQ com 6 perguntas](https://servprivate.com/pt/guides/seedbox-setup-guide) ## Pronto para implantar sua caixa de IA? RTX 4090 a partir de $122.00/mês, RTX 5090 a partir de $195.50/mês, H100 SXM5 a partir de $832.50/mês. Cadastro somente com token, pagamento em cripto, CUDA 12 + modelos de IA com 1 clique. [Ver Planos de GPU](https://servprivate.com/pt/gpu) [No-KYC GPU Hosting](https://servprivate.com/pt/no-kyc-gpu) [Self-Host LLM](https://servprivate.com/pt/uncensored-ai-hosting) ## Structured data (JSON-LD) ```json { "@context": "https://schema.org", "@type": "Organization", "@id": "https://servprivate.com/#organization", "name": "ServPrivate", "alternateName": "ServPrivacy", "url": "https://servprivate.com", "description": "VPS e servidores dedicados offshore em 7 jurisdições privacy-friendly. Sem KYC, sem logs, apenas cripto. Privacidade por arquitetura.", "logo": { "@type": "ImageObject", "url": "https://servprivate.com/ServPrivate.webp", "width": 512, "height": 512 }, "foundingDate": "2025", "areaServed": [ { "@type": "Country", "name": "Iceland" }, { "@type": "Country", "name": "Panama" }, { "@type": "Country", "name": "Moldova" }, { "@type": "Country", "name": "Romania" }, { "@type": "Country", "name": "Switzerland" }, { "@type": "Country", "name": "Netherlands" }, { "@type": "Country", "name": "Russia" } ], "knowsAbout": [ "Offshore hosting", "Offshore VPS", "Bare-metal dedicated servers", "DMCA-ignored hosting", "No KYC hosting", "Cryptocurrency payments", "Privacy engineering", "Token-based authentication", "Anonymous domain name registration", "No-KYC domain registrar", "WHOIS privacy", "Cheap .com domains", "Crypto-paid domain names", "NVIDIA GPU compute", "Windows RDP hosting", "Agentic commerce" ], "contactPoint": { "@type": "ContactPoint", "contactType": "customer support", "url": "https://servprivate.com/contact", "availableLanguage": [ "en", "ru", "zh", "es", "fr", "de", "pt", "ar", "ja", "ko", "hi", "id", "it", "tr", "fa", "vi" ] }, "sameAs": [ "https://servprivate.com/canary", "https://servprivate.com/press" ] } ``` ```json { "@context": "https://schema.org", "@type": "WebSite", "@id": "https://servprivate.com/#website", "url": "https://servprivate.com", "name": "ServPrivate", "publisher": { "@id": "https://servprivate.com/#organization" }, "inLanguage": [ "en", "ru", "zh", "es", "fr", "de", "pt", "ar", "ja", "ko", "hi", "id", "it", "tr", "fa", "vi" ] } ``` ```json { "@context": "https://schema.org", "@type": "Article", "headline": "RTX 4090 vs H100 SXM5 para Inferência de IA (e Onde o RTX 5090 se Encaixa)", "description": "Guia de decisão de compra: qual GPU NVIDIA para LLM auto-hospedado, imagem, vídeo, voz e cargas de trabalho de ajuste fino em 2026. RTX 4090 vs RTX 5090 vs H100 SXM5 vs H100 duplo — VRAM, throughput, $/token, quando cada um vence.", "image": "https://servprivate.com/assets/img/guides/rtx-4090-vs-h100-for-ai-inference.webp?v=1777901067", "author": { "@type": "Organization", "@id": "https://servprivate.com/#editorial", "name": "ServPrivate Editorial", "url": "https://servprivate.com/about", "description": "Operator-side editorial team writing about offshore hosting jurisdictions, offshore server architecture, self-hosted privacy stacks and crypto payments.", "knowsAbout": [ "Offshore hosting jurisdictions", "Data retention law", "MLAT and judicial cooperation", "WireGuard and OpenVPN deployment", "Tor relay operation", "Monero and Bitcoin payment privacy", "KVM virtualization and bare-metal hosting", "DMCA-ignored hosting" ], "parentOrganization": { "@id": "https://servprivate.com/#organization" } }, "publisher": { "@id": "https://servprivate.com/#organization" }, "datePublished": "2026-05-28T11:23:56+00:00", "dateModified": "2026-05-29T16:35:14+00:00", "mainEntityOfPage": "https://servprivate.com/guides/rtx-4090-vs-h100-for-ai-inference", "inLanguage": "pt", "keywords": "RTX 4090 vs H100, best GPU for AI inference, H100 vs 4090 LLM, RTX 5090 vs H100, GPU choice for self-hosted LLM", "articleSection": "Compra", "wordCount": 1337 } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "Por que a largura de banda de memória é mais importante do que TFLOPS para inferência?", "acceptedAnswer": { "@type": "Answer", "text": "A inferência de transformador decoder-only em tamanhos de batch pequenos a médios é limitada pela memória: cada token gerado requer a leitura de toda a matriz de pesos da VRAM. Os kernels de compute são rápidos o suficiente para que a GPU passe a maior parte do tempo aguardando cargas de memória. É por isso que os 3,35 TB/s de HBM3 do H100 são aproximadamente 3x mais rápidos por token do que os 1 TB/s de GDDR6X de um 4090 no mesmo modelo 70B, apesar do número maior de TFLOPS do H100 ser quase incidental." } }, { "@type": "Question", "name": "Posso rodar Llama-3.3-70B em um RTX 4090?", "acceptedAnswer": { "@type": "Answer", "text": "Tecnicamente sim, com offload de CPU via llama.cpp ou KTransformers — mas o throughput cai para ~3-5 tokens/segundo em geração de longa forma, o que é inutilizavelmente lento para chat. Praticamente, 70B é uma carga de trabalho para H100 (ou 2× RTX 5090 com NVLink, que não oferecemos). Se 70B é o que você precisa e não quer o preço do H100, considere DeepSeek-R1-Distill-Llama-8B ou DeepSeek-R1-Distill-Qwen-14B em um 4090 — os modelos destilados são surpreendentemente competitivos em raciocínio." } }, { "@type": "Question", "name": "O RTX 5090 é melhor do que um A100 para IA?", "acceptedAnswer": { "@type": "Answer", "text": "Para inferência, principalmente sim — o GDDR7 do 5090 (~1,8 TB/s) supera o HBM2e do A100 de 40GB (~1,55 TB/s) em largura de banda, e os FLOPS são maiores. O SKU de 80 GB do A100 tem mais VRAM (80 vs 32), o que importa para inferência 70B. Para treinamento, o A100 ainda tem memória ECC e o conjunto de recursos adequado de datacenter que o 5090 não tem. Novas construções em 2026 tipicamente escolhem H100 sobre A100; o 5090 preenche a lacuna de classe consumer." } }, { "@type": "Question", "name": "Quando o auto-hospedado é realmente mais barato do que OpenAI / Anthropic?", "acceptedAnswer": { "@type": "Answer", "text": "Aproximadamente: um único H100 SXM5 a $832.50/mês rodando Llama-3.3-70B em throughput sustentado de batch-16 entrega ~30-50M tokens de saída/dia. Ao preço do GPT-4o ($10/1M de saída) isso equivale a $300-500/dia de gasto hospedado equivalente. O ponto de equilíbrio é em torno de 5-7M tokens de saída por dia. Abaixo disso, as APIs hospedadas vencem; acima disso, o auto-hospedado vence. Os pontos de equilíbrio do RTX 4090 / 5090 escalam para baixo com os modelos menores que comportam." } }, { "@type": "Question", "name": "Como a GPU da ServPrivate se compara ao Vast.ai ou RunPod?", "acceptedAnswer": { "@type": "Answer", "text": "Vast.ai é mais barato em spot por hora ($0,30-0,70/h para um 4090) mas a qualidade varia muito (hardware consumer em residências, rede mista, risco de despejo). RunPod é mais consistente ($0,69-3,99/h sob demanda) mas com jurisdição dos EUA com KYC de e-mail/método de pagamento. A ServPrivate é mais cara por hora do que o spot do Vast.ai e aproximadamente comparável ao RunPod sob demanda mensalmente, mas cadastro somente com token, Monero nativo, sem despejo, sem KYC e 4 jurisdições offshore. A escolha certa depende se privacidade e previsibilidade ou puro custo por hora importa mais." } }, { "@type": "Question", "name": "E o H200 ou B200 — devo esperar por eles?", "acceptedAnswer": { "@type": "Answer", "text": "H200 (141 GB HBM3e) está no catálogo de provedores em hiperescala como CoreWeave, mas o fornecimento no segmento de host offshore de privacidade é controlado pelo status de parceiro de canal da NVIDIA — estamos avaliando disponibilidade para 2026-Q3. B200 NVL72 é exclusivo para fabric de hiperescala neste momento e não é viável para aluguéis de placa única. Para a maioria dos auto-hospedeiros, um H100 SXM5 em 2026 tem capacidade suficiente para cargas de trabalho da classe 70B — o argumento para esperar o H200 é principalmente para casos de uso multimodal de contexto longo (200K+ tokens)." } } ] } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "Início", "item": "https://servprivate.com/" }, { "@type": "ListItem", "position": 2, "name": "Guias de Hospedagem com Privacidade", "item": "https://servprivate.com/guides" }, { "@type": "ListItem", "position": 3, "name": "RTX 4090 vs H100 SXM5 para Inferência de IA (e Onde o RTX 5090 se Encaixa)", "item": "https://servprivate.com/guides/rtx-4090-vs-h100-for-ai-inference" } ] } ```