# RTX PRO 5000 72GB Blackwell

> 地端世界 · https://onpremworld.com/zh-tw/hardware/nvidia-rtx-pro-5000-blackwell-72gb · 最後更新: 2026-10-16 · CC BY 4.0

300 W 的單卡就有 72 GB VRAM、1,344 GB/s，能用 4-bit 量化跑 gpt-oss-120b 這類 100B 級 MoE 模型。NVIDIA 未公布售價。

> 本站有販售: 依需求報價 · https://onpremworld.com/zh-tw/quote · 本頁規格、可跑模型估算與店面價格皆獨立於銷售編製。

## 規格

|  |  |
|---|---|
| 記憶體 | 72 GB GDDR7 (ECC) |
| 記憶體頻寬 | 1344 GB/s |
| 功耗 | 300 W |
| 上市 | 2025-12 |
| 架構 | Blackwell |
| 軟體支援 | CUDA |

## 能跑哪些模型 (72 GB, 8K)

此為估算值，並非實測。請參考估算方法說明。

| 模型 | 參數量 | 最佳量化 | 合計 | tok/s（預估） |
|---|---|---|---|---|
| Mistral Small 4 119B (2603) | 119B | Q4_K_M | 71.2 GiB | 162 |
| gpt-oss-120b | 117B | Q4_K_M | 70.1 GiB | 189 |
| Llama 4 Scout 17B-16E Instruct | 109B | Q4_K_M | 66.6 GiB | 77 |
| GLM-4.5-Air | 106B | Q4_K_M | 64.8 GiB | 103 |
| Qwen3-Coder-Next (80B-A3B) | 80B | Q6_K | 65.1 GiB | 216 |
| Llama 3.3 70B Instruct | 70B | Q6_K | 59.4 GiB | 16 |
| Qwen3.5-35B-A3B | 35B | FP16 | 69.1 GiB | 119 |
| Qwen3.6-35B-A3B | 35B | FP16 | 69.1 GiB | 119 |
| Qwen3-32B | 32.8B | FP16 | 66.6 GiB | 14 |
| DeepSeek-R1-Distill-Qwen-32B | 32.76B | FP16 | 66.6 GiB | 14 |
| Gemma 4 31B IT | 30.7B | FP16 | 61.6 GiB | 15 |
| Qwen3-30B-A3B (2507) | 30.5B | FP16 | 60.9 GiB | 111 |
| Qwen3-Coder-30B-A3B-Instruct | 30.5B | FP16 | 60.9 GiB | 111 |
| GLM-4.7-Flash (30B-A3B) | 30B | FP16 | 59.6 GiB | 119 |
| Qwen3.5-27B | 27B | FP16 | 53.8 GiB | 17 |
| Qwen3.6-27B | 27B | FP16 | 53.8 GiB | 17 |
| Qwen3.8-27B | 27B | FP16 | 53.8 GiB | 17 |
| Gemma 3 27B IT | 27B | FP16 | 54.3 GiB | 17 |
| Gemma 4 26B A4B IT | 25.2B | FP16 | 50.1 GiB | 99 |
| Mistral Small 3.2 24B Instruct (2506) | 24B | FP16 | 48.7 GiB | 19 |
| Magistral Small 1.2 (2509) | 24B | FP16 | 48.7 GiB | 19 |
| Devstral Small 2 24B Instruct (2512) | 24B | FP16 | 48.7 GiB | 19 |
| gpt-oss-20b | 21B | FP16 | 41.8 GiB | 104 |
| Phi-4 (14B) | 14B | FP16 | 29.4 GiB | 31 |
| Gemma 3 12B IT | 12B | FP16 | 24.8 GiB | 36 |
| Gemma 4 12B Unified IT | 11.95B | FP16 | 24.2 GiB | 36 |
| Qwen3.5-9B | 9B | FP16 | 18.4 GiB | 47 |
| Qwen3-8B | 8.2B | FP16 | 17.7 GiB | 51 |
| DeepSeek-R1-0528-Qwen3-8B | 8.19B | FP16 | 17.6 GiB | 52 |
| Llama 3.1 8B Instruct | 8B | FP16 | 17.1 GiB | 53 |
| Gemma 4 E4B IT | 8B | FP16 | 16.4 GiB | 53 |
| Llama 3.2 3B Instruct | 3.21B | FP16 | 7.7 GiB | 113 |
| Kimi K2.6 | 1000B | 放不下 | – | – |
| DeepSeek-R1-0528 (671B) | 671B | 放不下 | – | – |
| DeepSeek-V4-Flash | 284B | 放不下 | – | – |
| Qwen3.8-Flash-Next | 180B | 放不下 | – | – |
| Qwen3.5-122B-A10B | 122B | 放不下 | – | – |

## 價格

各商店的最新售價，以查價當天頁面標示的價格為準。

| 地區 | 商店 | 商品 | 售價 | 每 GB | 查價日 |
|---|---|---|---|---|---|
| 台灣 | 原價屋 CoolPC | Leadtek RTX PRO 5000 Blackwell 72GB (Line on the shop's public price list (no per-product page); list stamped 2026/10/15 9:31) | [NT$455,000](https://www.coolpc.com.tw/evaluate.php) | NT$6,319/GB | 2026-10-15 |

台灣性價比：跑 Llama 3.1 8B Instruct (Q4_K_M, 8K) 預估約每秒 139.8 個 token，換算為 0.3 tok/s／每 NT$1,000。

全部價格: https://onpremworld.com/zh-tw/prices.md

## 常見問題

### RTX PRO 5000 72GB Blackwell 可以跑哪些 LLM？

以 72 GB 記憶體、8K 上下文估算，放得下的最大模型包括：Mistral Small 4 119B (2603)、gpt-oss-120b、Llama 4 Scout 17B-16E Instruct、GLM-4.5-Air、Qwen3-Coder-Next (80B-A3B)。完整清單見下方表格。

### RTX PRO 5000 72GB Blackwell 跑本地 LLM 有多快？

生成速度主要取決於記憶體頻寬（1344 GB/s）。以 Llama 3.1 8B Instruct（FP16）為例，預估約每秒 53 個 token；模型越大越慢。

### RTX PRO 5000 72GB Blackwell 能跑 70B 等級的模型嗎？

可以。Llama 3.3 70B Instruct 在 RTX PRO 5000 72GB Blackwell（72 GB）上以 Q6_K 量化、8K 上下文約需 59.4 GiB，預估生成速度約每秒 16 個 token。

## 資料來源

- https://www.nvidia.com/content/dam/en-zz/Solutions/products/workstations/professional-desktop-gpus/rtx-pro-5000-blackwell/workstation-datasheet-blackwell-rtx-pro-5000-5488550-nvidia.pdf
- https://www.nvidia.com/en-us/products/workstations/professional-desktop-gpus/rtx-pro-5000/
- https://blogs.nvidia.com/blog/rtx-pro-5000-72gb-blackwell-gpu/