NVIDIA GeForce 9300M G

Tesla · 0.25 ГБ DDR2 · 16 CUDA · 13 Вт TDP · 2008
Десктоп

GeForce 9300M G — это артефакт из 2008 года на архитектуре Tesla. Чип G86S содержит всего 16 CUDA-ядер с частотой до 400 МГц. Память здесь критически мала: 256 МБ DDR2 с пропускной способностью 6 ГБ/с. Карта относится к бюджетному сегменту прошлого десятилетия. Она не предназначена для современных задач. В 2026 году её роль сводится к выводу изображения на монитор в старых офисных сборках. Даже Windows 10 может работать нестабильно из-за отсутствия актуальных драйверов под архитектуру G86. Видеопамяти не хватит даже для открытия десяти вкладок в Chrome с тяжёлым контентом. Потребление составляет всего 13 Вт. БП на 200 Вт хватит с огромным запасом. Конкурентов в 2026 году нет, так как любая современная затычка вроде Intel UHD Graphics или встроенной графики Ryzen справляется лучше. Если искать что-то живое в том же бюджетном сегменте, стоит смотреть на б/у решения уровня GT 1030. Она даст больше FPS и нормальную поддержку современных кодеков.

Производительность по сценариям

5 component-баллов — сильные стороны и слабости карты в разных задачах.

Шкала 0-100. Топовая карта в каждом сценарии = 100. Кликни строку — увидишь полный топ-100 в этой категории. Подробнее — методика.

Характеристики

Чип

Архитектура
TSL Tesla
GPU-чип
G86S
CUDA-ядра
16

Частоты

Базовая
400 МГц
Boost
400 МГц
FP32 пик
0.03 TFLOPS

Память

Объём
0.25 ГБ DDR2
Шина
64 бит
Частота
400 МГц
Bandwidth
6 ГБ/с

Питание и форм-фактор

TDP
13 Вт

Выходы и интерфейс

Интерфейс
PCIe 2.0 x16

API и технологии

DirectX
10.0
CUDA
1.1

Соседи по рейтингу

Под какие задачи подходит

Балл 1-10 для каждого сценария — пригодность именно для этой задачи (не общий perf-rank).

4K-гейминг 1 / 10

Невозможно из-за нехватки видеопамяти и пропускной способности.

1440p 1 / 10

Карта не выдаст даже 5 FPS в современных проектах.

1080p 1 / 10

Только для эмуляторов или игр уровня Half-Life 2.

AI-инференс 1 / 10

Stable Diffusion не запустится из-за отсутствия CUDA-ядер нужной версии.

AI-обучение 1 / 10

Обучение моделей невозможно на таком железе.

3D-рендер 1 / 10

Рендер в Cycles будет идти вечно или вылетит с ошибкой.

Видеомонтаж 1 / 10

NVENC здесь нет, монтаж в DaVinci невозможен.

Офис 5 / 10

Подходит для текстовых редакторов и простых браузерных задач.

Стоит ли покупать в 2026?

Брать GeForce 9300M G в 2026 году нет смысла. Это устройство для вывода картинки на старый монитор в специфических задачах. Если вам нужна видеокарта для работы, забудьте про этот чип. Он не потянет даже современный веб-интерфейс без тормозов. Покупать её стоит только если вы собираете ретро-ПК под софт 2008 года. В любом другом случае это пустая трата денег. Даже самая дешёвая встроенная графика в процессорах Intel Core i3 даст больше пользы. Сравните её с GeForce GT 710: та хотя бы поддерживает DirectX 12 на базовом уровне. 9300M G безнадёжно устарела по всем фронтам. Она не имеет отношения к современным вычислениям или AI-задачам. Любая попытка запустить на ней что-то тяжелее Paint закончится ошибкой памяти.

Обновлено редакцией: 2026-05-19.

Плюсы и минусы

Сильные стороны

  • Минимальный TDP 13 Вт
  • Не требует доппитания
  • Компактные размеры

Слабые стороны

  • Всего 256 МБ памяти
  • Устаревшая шина 64 бит
  • Отсутствие поддержки современных API
  • Нулевая производительность в вычислениях

Часто задаваемые вопросы

Подойдёт ли она для запуска Stable Diffusion?

Нет, так как для работы SD требуется минимум 4 ГБ видеопамяти и поддержка современных ядер CUDA. Здесь всего 256 МБ DDR2, чего не хватит даже для загрузки весов модели.

Нужен ли специальный блок питания?

Нет, карта потребляет всего 13 Вт. Она работает напрямую от слота PCI-E и не требует никаких дополнительных кабелей питания от БП.

Чем она отличается от GeForce 9500 GT?

9500 GT построена на более свежем чипе с большим количеством ядер и объёмом памяти. 9300M G — это максимально упрощенная версия для офисного сегмента.

Можно ли использовать её для AI-вычислений?

Нет, архитектура Tesla 2008 года не поддерживает современные библиотеки типа PyTorch или TensorFlow. Вычисления на ней будут иметь нулевую эффективность.