5060Ti 16G、V100 32G 跑 LTX-2.3 文生视频谁更胜一筹？

接上期《5060Ti 16G 本地跑 AI 实测：3500 块的「本地 AI 救星」还是智商税？》，第一位挑战选手是 Tesla V100 SXM2 32，选它是因为今年这卡居然涨到 3500+，这价格和 5060Ti 16G 持平了，如果加上 SXM2 的转接板，价格直奔 4000+，所以相同价位用来做对比测评合理吧？至于谁输谁赢？懂点卡的朋友应该已经知道答案了！

参数对比

5060Ti 16G：显存类型：GDDR7，核心频率 2647 MHz，采用第5代 Tensor Core，CUDA 核心 4608，接口 PCIe 5.0 x8，位宽 128-bit，带宽 448 GB/s。

V100 SXM2 32G：显存类型：HBM2，核心频率 1530 MHz，采用第1代 Tensor Core，CUDA 核心 5120，接口 SXM2 NVLink，位宽 4096-bit，带宽 900 GB/s。

测试环境

目前 5060Ti 16G 装在华硕正统 X99 大板上，PCIe 接口只有 3.0，系统 Windows 10 22H2，内存 DDR4 2133 64G。

V100 32G 为了发挥最大性，不接第三方 PCIe 和 SXM2 转接卡，而是装在原生 SXM2 NVLINK 服务器上，系统 UBUNTU 22.04，内存 DDR4 2400 64G。

同时为保证模型加载速度统一水平，两者都使用硬盘 SSD SATA3.0，理论速度为 6Gbps。

ComfyUI 官方版本为 0.24.0，默认 LTX-2.3 文生视频工作流，默认参数，模型文件总大小 40G，分辨率 1280 x 720。

测试结果

5060Ti 16G 首个视频用时 300.4 秒，第二个用时 104.8 秒，第三个用时 99.93 秒，显存最高占用 14.6G，内存最高占用34G。

V100 32G 首个视频用时 443.97 秒，第二个用时 266.12 秒，第三个用时 260.53 秒，显存最高占用 31G，内存最高占用34G。

测试总结

可以看出显存并不是越大越好，同样的模型、同样的工作流，5060Ti 16G 显存占用不到 15G，而 V100 32G 却接近 31G，生成速度还快了 2 倍以上，这是因为新架构对低精度计算和显存管理的优化，能够让显卡用更少的显存完成相同任务，甚至获得更高的推理性能。因此对于 AI 玩家来说，选对架构，往往比单纯追求大显存更重要，你觉得呢？