Spec-Card SPEC CARD
AMD Radeon Instinct MI50
Die legendäre Karte, die im Community-Umfeld für Inferenz mit großem Videospeicher nach wie vor im Umlauf ist: 16/32 GB HBM2 plus PCIe 4.0, eine der weltweit ersten 7-nm-Datacenter-GPUs (Next Horizon, 06.11.2018) und zugleich das letzte Flaggschiff von AMDs GCN 5.1/Vega 20. AMD hat die Produktseite zurückgezogen und den offiziellen ROCm-Support eingestellt (gfx906 ist ab ROCm 6.x aus der offiziellen Support-Matrix gefallen), doch das GitHub-Ökosystem rund um gfx906-Modifikationen für llama.cpp/Ollama/vLLM/ComfyUI bleibt 2025–2026 aktiv nachweislich lebendig (Qwen3.8-27B gemessen bei 19→48 tok/s, optimierte ROCm-7.2-Images, Open-Source-Lüfterumbauten und Shrouds). Gebrauchte 32-GB-Versionen fielen zeitweise auf ca. 150–200 US-Dollar und wurden so zum Einstieg als "HBM2 für den kleinen Geldbeutel". Einordnung der Redaktion: erschwinglicher HBM2-Speicherriese im Inferenz-Umlauf, neben P40 und V100 Teil der großen Legacy-Dreifaltigkeit der Community-Inferenz-Szene
Überblick
Die AMD Radeon Instinct MI50 ist eine im November 2018 vorgestellte Datacenter-Beschleunigerkarte von AMD mit Vega-20-Chip (GCN-5.1-Architektur, unter ROCm als gfx906 geführt) und gehört zu den weltweit ersten Datacenter-GPUs im TSMC-7-nm-Prozess — zugleich das letzte Flaggschiff der Vega-20-Familie. Sie verfügt über 60 Compute Units und 3.840 Stream-Prozessoren, bietet HBM2-Speicher mit 16 oder 32 GB, Full-Chip-ECC, einen PCIe-4.0-x16-Bus sowie zwei Infinity-Fabric-Links für die Mehrkarten-Verbindung. Dank des großen HBM2-Speichers hält sie sich in der Community für lokale LLM-Inferenz bis heute beharrlich am Markt: Zahlreiche Nutzer setzen sie weiterhin mit Frameworks wie llama.cpp, Ollama und vLLM ein.
Kernspezifikationen
| Architektur | GCN 5.1 (Vega 20, gfx906, TSMC 7nm FinFET) — nicht CDNA; CDNA erst ab MI100 |
| Speicher | 16 GB oder 32 GB HBM2 (Full-Chip-ECC, zwei Versionen) |
| VRAM-Bandbreite | 1 TB/s (1024 GB/s, 4096bit × 1GHz DDR) |
| Speicherbusbreite | 4096 bit (4 HBM2-Stacks × 1024 bit) |
| Rechenleistung | FP64 6,6 / FP32 13,3 / FP16 26,5 / INT8 53 TOPs (Peak Engine Clock 1725 MHz) |
| Compute Units | 60 CU / 3840 Stream-Prozessoren |
| Verbrauch | 300 W Peak-TDP (2×8-Pin externe Stromversorgung) |
| Interconnect | Infinity Fabric 2 Links (92 GB/s je Link, insgesamt 184 GB/s) / PCIe 4.0 x16 (kompatibel zu 3.0 x16) |
| Erscheinungsjahr | 2018 (vorgestellt auf der Next-Horizon-Veranstaltung am 06.11.2018, eine der weltweit ersten 7-nm-Datacenter-GPUs) |
| Formfaktor | PCIe Add-in Card, Full-Height Dual-Slot 10.5" (267 mm), Aktivkühlung |
Spezifikationen anhand offizieller Quellen verifiziert (
Offizielle Benchmarks , aktualisiert am 10.10.2026) · Der tatsächliche Preis richtet sich nach dem Angebot des Verkäufers
Einsatzszenarien
- Lokale LLM-Inferenz: Der große HBM2-Speicher trägt mittelgroße bis große Modelle, Textgenerierung läuft über Frameworks wie llama.cpp, Ollama und vLLM; die Community liefert über gfx906-Modifikationen laufend Leistungsoptimierungen
- Wissenschaftliches Rechnen und FP-intensive Workloads: Mit FP64-Doppelgenauigkeit eignet sich die Karte für numerische Simulationen und Engineering-Berechnungen im klassischen HPC-Umfeld
- Mehr-GPU-Skalierung: Über die beiden Infinity-Fabric-Links lassen sich Multi-GPU-Systeme aufbauen und der verfügbare Speicherpool für größere Modelle ausweiten
- Bilderzeugung und kreative Workflows: Als Beschleunigerkarte für Diffusionsmodelle in Toolchains wie ComfyUI, mit von der Community gepflegten optimierten Images und Kühlungs-Umbaulösungen
Modelle der Familie
Videoerklärung VIDEO
Wichtige Punkte für Kauf und Prüfung
- Formfaktor und Rechenzentrums-Tauglichkeit: Die Karte ist eine Full-Height-Dual-Slot-PCIe-Steckkarte mit 10,5 Zoll (267 mm) Länge, aktiv gekühlt und benötigt 2x 8-Pin-Stromanschlüsse; die TDP liegt bei 300 W. Vor dem Kauf sollten Gehäuse, airflow-abdeckung und Stromversorgung die Anforderungen an Full-Height-Dual-Slot und hohe Leistungsaufnahme erfüllen
- Varianten und Echtheitsprüfung: Im Umlauf sind vor allem die 16-GB- und die 32-GB-Version; für LLM-Inferenz ist die 32-GB-Version die erste Wahl. Da es sich meist um aus Datacenters aussortierte Karten handelt, sollte man bei der Abnahme im ROCm-Umfeld die korrekte gfx906-Erkennung, die Speichergröße und den Full-Chip-ECC-Status prüfen
- Realistische Erwartungen beim Software-Support: Die offizielle Produktseite ist entfernt, gfx906 ist ab ROCm 6.x aus der offiziellen Support-Matrix gefallen — Käufer müssen sich darauf einstellen, auf von der Community gepflegte Treiber angewiesen zu sein. Zur Bewertung der Langzeitpflege empfiehlt sich ein Blick auf das aktive gfx906-Modding-Ökosystem auf GitHub (etwa optimierte ROCm-Images und Open-Source-Lösungen für Kühlungs-Umbauten)
FAQ
Lohnt sich die MI50 32 GB heute noch für LLM-Inferenz?
Wer das Budget begrenzt ist und mit einem community-gepflegten Software-Stack leben kann, findet hier nach wie vor eine gängige Einstiegsoption für HBM2-Inferenz mit viel Speicher. Der große Videospeicher fasst ordentliche Modelle, und die gfx906-Modding-Community rund um llama.cpp, Ollama, vLLM und ComfyUI aktualisiert ihre Arbeit laufend. Zu bedenken: Der offizielle ROCm-Support ist eingestellt, man baut die Umgebung selbst und verlässt sich auf Community-Lösungen.
ROCm unterstützt gfx906 nicht mehr — läuft die MI50 trotzdem noch normal?
Ja. gfx906 ist seit ROCm 6.x aus der offiziellen Support-Matrix geflogen, doch das Community-Modding-Ökosystem ist weiterhin aktiv — inklusive optimierter Images und Patches für diese Architektur; auch auf Framework-Ebene gibt es laufend dokumentierte Optimierungen. Empfehlung: auf eine von der Community verifizierte ROCm-Versionskombination festlegen.
MI50: 16 GB oder 32 GB — welche Version wählen?
Bei lokal betriebener LLM-Inferenz ist der Speichervorteil der 32-GB-Version deutlich: Sie fasst größere Modelle oder mehr Kontext. Die 16-GB-Version passt für knapperes Budget oder kleinere Modelle. Architektur und Rechenleistung sind identisch, der Unterschied liegt im Wesentlichen bei Speichergröße und Preis.