AMD Radeon R5 Mobile Graphics

GCN 3.0 · 192 SP · 15 Вт TDP · 2016
Ноутбук

Radeon R5 Mobile Graphics — это встройка на базе архитектуры GCN 3.0 из семейства Stoney Ridge. Она появилась в 2016 году. Внутри чипа работает 192 вычислительных блока со скоростью до 847 МГц. Это решение бюджетного сегмента для старых ноутбуков. Память здесь общая с системой, поэтому выделенного видеообъема нет. Производительность составляет всего 0.3 TFLOPS в FP32. Для современных задач этого мало. Даже браузер может подтормаживать при десятках открытых вкладок. В 2026 году эта графика не тянет ничего серьезного, потому что современные API требуют больше ресурсов. Она работает только на пределе возможностей старого железа. Если рассматривать конкурентов в бюджетном сегменте, то это Intel UHD Graphics из процессоров Core i3 или i5 прошлых поколений. Intel часто выигрывает за счет более эффективной работы с видеокодеками. Radeon R5 Mobile Graphics — это вчерашний день. Она не предназначена для игр. Ее задача — просто выводить картинку на экран и запускать офисные приложения. Даже старые проекты вроде CS:GO будут выдавать крайне низкий FPS при нестабильном фреймтайме.

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
GCN GCN 3.0
GPU-чип
Stoney
Stream Processors
192

Частоты

Базовая
200 МГц
Boost
847 МГц
FP32 пик
0.33 TFLOPS
FP16 пик
0.33 TFLOPS

Память

Питание и форм-фактор

TDP
15 Вт

Выходы и интерфейс

Интерфейс
IGP

API и технологии

DirectX
12.0
Vulkan
1.2

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

Работать не будет. Интерфейс Windows может тормозить.

1440p 1 / 10

Даже в 720p картинка будет дерганой.

1080p 2 / 10

Только очень старые проекты или инди-игры.

AI-инференс 0 / 10

Stable Diffusion не запустится из-за отсутствия VRAM и мощности.

AI-обучение 0 / 10

Обучение невозможно даже для микро-моделей.

3D-рендер 1 / 10

Рендер в Cycles займет вечность или вылетит по ошибке.

Видеомонтаж 2 / 10

DaVinci будет виснуть на превью. Только простейший монтаж.

Офис 5 / 10

Тексты, таблицы и почта работают нормально.

Стоит ли покупать в 2026?

Покупать это железо в 2026 году нет смысла. Это решение для выживания старого ноутбука. Если вам нужна рабочая машина для офиса, то такая графика подойдет. Но любая попытка запустить современный софт превратит работу в мучение. Она сильно уступает даже базовым решениям от Intel. Прошлые поколения вроде Radeon R7 справлялись чуть лучше за счет большего числа ядер. Сейчас этот чип — просто способ не покупать новый компьютер. Если бюджет ограничен, лучше искать б/у ноутбук с дискретной графикой или хотя бы процессором Ryzen со встроенной Vega. Radeon R5 Mobile Graphics не даст вам даже 30 FPS в базовых задачах гейминга. Это тупиковый путь для любого современного пользователя.

Обновлено редакцией: 2026-05-17.

Плюсы и минусы

Сильные стороны

  • Минимальное потребление 15 Вт
  • Не требует отдельного питания
  • Низкая нагрузка на систему охлаждения

Слабые стороны

  • Крайне низкий FP32 пик 0.3 TFLOPS
  • Отсутствие выделенной видеопамяти
  • Невозможность запуска современных игр
  • Устаревшая архитектура GCN 3.0

Часто задаваемые вопросы

Потянет ли она Stable Diffusion локально?

Нет, это физически невозможно. Для работы SD нужно минимум 4-8 ГБ видеопамяти и высокая производительность ядер. Здесь же всего 0.3 TFLOPS и нет выделенной памяти, поэтому процесс просто не начнется.

Нужен ли отдельный блок питания для этой графики?

Нет, она потребляет всего 15 Вт. Это интегрированное решение, которое питается напрямую от системы. Дополнительные кабели или разъемы 6-pin не требуются.

Что лучше: эта графика или Intel UHD?

В большинстве сценариев Intel UHD будет стабильнее. У Intel лучше оптимизация под видеокодеки, что важно для YouTube в 1080p. Radeon R5 здесь проигрывает по всем фронтам.

Можно ли использовать ее для AI-задач?

Забудьте об этом. Для локальных LLM вроде Llama или Qwen нужны гигабайты быстрой памяти. Эта архитектура 2016 года не поддерживает современные инструкции, необходимые для инференса нейросетей.