RigBase PL / Budżet / poniżej 2000 €
Najlepszy komputer do lokalnych LLM poniżej 2000 €
Last updated:
Prawdziwe zestawy ze zmierzonymi tokenami na sekundę, posortowane od najszybszego wyniku. Bez szacunków prędkości.
Zestawy z podanym kosztem całkowitym
Tylko zestawy, których koszt całkowity podaje źródło (przeliczony na € po kursie EBC). Liczy się to, ile według autora zapłacono.
| Zestaw | GPU | VRAM GB | Podany koszt | Zmierzone tok/s |
|---|---|---|---|---|
| RTX 3090 + Ryzen 5 5600X + 32 GB DDR4: gpt-oss 20B at 211 tok/s, Qwen3.6 35B-A3B at 172, even gpt-oss 120B at 18 via NVMe paging (llm-benchmark.de) | NVIDIA GeForce RTX 3090 24 GB | 24 | 1 518 € | gpt-oss 20B: 211,1 Qwen3.6 35B-A3B: 172,4 Nemotron 3.5 Lightning 30B-A3B: 101,0 gpt-oss 120B: 18,1 |
| Dual used RTX 3090, ~2000 EUR total ⚠ niezweryfikowany | 2x RTX 3090 (used) | 48 | 2 000 € | Llama 3.3 70B: 20 |
| $2K EPYC 64-core, 512 GB DDR4, CPU-only | None (CPU inference) | 1 784 € ($2,000) | DeepSeek R1 671B: 4,31 |
Zestawy, których karty kosztują dziś poniżej 2000 € (szacunek)
Te źródła nie podają kosztu całkowitego. Wartość to nasz szacunek tylko dla kart graficznych: najniższa cena nowej karty na billiger.de (Niemcy, z VAT), stan na 2026-10-16 – 2026-10-24. Procesor, RAM, zasilacz, obudowa i dysk nie są wliczone; używane karty bywają znacznie tańsze. Każda strona zestawu podaje dokładne źródło ceny.
| Zestaw | GPU | VRAM GB | Szacowany koszt GPU | Zmierzone tok/s |
|---|---|---|---|---|
| RTX 5070 Ti + Ryzen 9 5950X: gpt-oss 20B at 213.2 tok/s, Qwen3.5 9B at 126.6 (llama.cpp CUDA) | RTX 5070 Ti | 16 | ≈1 245 € tylko GPU, szacunek | gpt-oss 20B: 213,2 Qwen3.5 9B: 126,6 Gemma 4 12B: 92,5 Gemma 4 26B-A4B: 59,4 |
| Single RTX 5080 16GB | RTX 5080 | 16 | ≈1 770 € tylko GPU, szacunek | gpt-oss 20B: 204,85 |
| Ryzen 9 7950X + RTX 4080 | RTX 4080 | 16 | ≈1 490 € tylko GPU, szacunek | Llama 3.2 3B: 204,45 |
| Ryzen 9 7950X + RTX 4070 Ti Super | RTX 4070 Ti Super | 16 | ≈1 490 € tylko GPU, szacunek | Llama 3.2 3B: 198,95 |
| Intel Core Ultra 265K + Radeon AI Pro R9700 | AMD Radeon AI Pro R9700 | 32 | ≈1 848 € tylko GPU, szacunek | gpt-oss 20B: 163,26 DeepSeek R1 Distill 14B: 53,72 Llama 3.2 3B: 195,91 |
| Single RTX 5070 Ti 16GB | RTX 5070 Ti | 16 | ≈1 245 € tylko GPU, szacunek | gpt-oss 20B: 189,45 |
| Intel Core Ultra 265K + RTX A4000 | RTX A4000 | 16 | ≈1 050 € tylko GPU, szacunek | gpt-oss 20B: 93,55 Llama 3.2 3B: 149,44 |
| Ryzen 9 9950X + Radeon RX 7900 XT | AMD Radeon RX 7900 XT | 20 | ≈869 € tylko GPU, szacunek | Llama 3.2 3B: 131,2 |
| RTX 3060 12GB: 2026 models (llamabench community) | RTX 3060 | 12 | ≈429 € tylko GPU, szacunek | Gemma 4 12B: 38,5 LFM2.5 24B-A2B: 125 Qwen3.8 27B: 5,2-6,7 |
| Intel Core Ultra 265K + RTX 3060 | RTX 3060 | 12 | ≈429 € tylko GPU, szacunek | gpt-oss 20B: 83,96 DeepSeek R1 Distill 14B: 29,77 Llama 3.2 3B: 122,85 |
| Radeon AI Pro R9700 (one card): Qwen3.6 35B-A3B from 4K to 256K context (AMDai lab rig) | AMD Radeon AI Pro R9700 (1 of 2 cards in the rig used) | 32 | ≈1 848 € tylko GPU, szacunek | Qwen3.6 35B-A3B: 102,39 Qwen3.6 35B-A3B: 90,52 Qwen3.6 35B-A3B: 66,43 Qwen3.6 35B-A3B: 44,4 Qwen3.6 35B-A3B: 109,73 Qwen3.6 35B-A3B: 117,69 |
| Single RTX 5060 Ti 16GB | RTX 5060 Ti 16GB | 16 | ≈739 € tylko GPU, szacunek | gpt-oss 20B: 111,51 |
| RTX 5080 Laptop 16 GB + 32 GB RAM (LM Studio, MTP): Qwen3.6 35B-A3B at 102 tok/s @17k context after offload retune | RTX 5080 Laptop 16GB | 16 | ≈1 770 € tylko GPU, szacunek | Qwen3.6 35B-A3B: 102 (spec.) |
| RTX 5070 Ti: 2026 models (llamabench community) | RTX 5070 Ti | 16 | ≈1 245 € tylko GPU, szacunek | Gemma 4 12B: 87,6 |
| Radeon AI Pro R9700: Qwen3.6 27B on Vulkan, HIP and Ollama, with and without MTP | AMD Radeon AI Pro R9700 (1 of 2 cards in the rig used) | 32 | ≈1 848 € tylko GPU, szacunek | Qwen3.6 27B: 66,0 (spec.) Qwen3.6 27B: 31,9 Qwen3.6 27B: 27,1 Qwen3.6 27B: 26,7 |
| Radeon AI Pro R9700: Qwen3.8 27B on llama.cpp, Ollama and vLLM (Vadi Taslim) | AMD Radeon AI Pro R9700 (1 of 2 cards in the rig used) | 32 | ≈1 848 € tylko GPU, szacunek | Qwen3.8 27B: 57 (spec.) Qwen3.8 27B: 30 Qwen3.8 27B: 22 |
| i7-12700K + RTX 5060 Ti 16GB + RTX 3060 12GB: Qwen3.8 27B from 21 to 51 tok/s (split, MTP, single-GPU) | RTX 5060 Ti 16GB + RTX 3060 12GB | 28 | ≈1 168 € tylko GPU, szacunek | Qwen3.8 27B: 21,2 Qwen3.8 27B: 37,6 (spec.) Qwen3.8 27B: 28,0 Qwen3.8 27B: 51,4 (spec.) |
| Radeon AI PRO R9700 + Ryzen 7 5700X3D: Qwen3.8 27B quant ladder IQ4_NL to Q6_K (30 to 23 tok/s), 43-47 tok/s with MTP (akougkas) | AMD Radeon AI PRO R9700 32 GB (640 GB/s) | 32 | ≈1 848 € tylko GPU, szacunek | Qwen3.8 27B: 29,8 Qwen3.8 27B: 26,7 Qwen3.8 27B: 24,5 Qwen3.8 27B: 23,2 Qwen3.8 27B: 43,0 (spec.) Qwen3.8 27B: 27,1 |
| RTX A4000 16GB (llm-speed signed run, Oct 2026): Muse Glimmer 30B UD-IQ3_XXS at 21.4 tok/s | RTX A4000 | 16 | ≈1 050 € tylko GPU, szacunek | Muse Glimmer 30B: 21,42 |
| 2x RTX 3060 12GB (24 GB): Qwen3.8 27B Q4_K_M at 18.1 tok/s, ~950 tok/s prefill on a 9.5K prompt (llama.cpp CUDA) | 2x RTX 3060 | 24 | ≈858 € tylko GPU, szacunek | Qwen3.8 27B: 18,1 |
(spec.) = zmierzone ze spec-decodingiem (MTP, model szkicujący itp.), nie do bezpośredniego porównania ze zwykłym generowaniem. Jeszcze 196 zestawów ma pomiary, ale bez kosztu w źródle: wszystkie zestawy (EN). Opisy zestawów są po angielsku; liczby są te same.
Zobacz też: RigBase po polsku · Najlepsza karta poniżej 1000 € · Czy pójdzie? (EN) · Auf Deutsch
Częste pytania
Jaki komputer do AI jest najlepszy poniżej 2000 €?
Najszybszy zestaw w tym budżecie: RTX 3090 + Ryzen 5 5600X + 32 GB DDR4: gpt-oss 20B at 211 tok/s, Qwen3.6 35B-A3B at 172, even gpt-oss 120B at 18 via NVMe paging (llm-benchmark.de) (211,1 tok/s w najlepszym pojedynczym wyniku). Liczymy tylko zestawy, których koszt całkowity podaje źródło, albo te, których karty kosztują dziś nowe mniej niż budżet (szacunek, tylko GPU).
Skąd są ceny i prędkości?
Koszt całkowity: tak, jak podał autor zestawu, przeliczony na euro po kursie EBC. Szacunek GPU: najniższa cena nowej karty na billiger.de (Niemcy, z VAT), stan na 2026-10-16 – 2026-10-24. Polskich cen jeszcze nie zbieramy. Każda prędkość jest zmierzona i prowadzi do źródła.
Jakiej kwantyzacji użyć?
Q4_K_M (lub podobny format ≈4-bitowy) to typowy punkt wyjścia. Poniżej Q4 RigBase schodzi tylko awaryjnie, gdy model inaczej się nie mieści.
English version: Best AI rig under €2,000