← Каталог оборудования
NVIDIA DGX A100 (8× A100 SXM 80GB, 2× EPYC 7742, RAM 1TB)
NVIDIAНовый

NVIDIA DGX A100 (8× A100 SXM 80GB, 2× EPYC 7742, RAM 1TB)

11 590 600 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-7875
Наличие
Уточняется
Обновлено
12.11.2026

Поставки организациям и ИП для бизнеса. Для оформления заказа свяжитесь с менеджером и согласуйте итоговую цену, комплектацию и наличие. Контакты менеджера

Все характеристики

Характеристики

Тип
Новые
Основная задача
Обучение моделей / Инференс / Дообучение моделей / RAG-системы / Анализ данных / Научные расчеты (HPC)
Процессор (CPU)
AMD EPYC
Видеокарта (GPU)
NVIDIA A100
Количество GPU, шт
8
Общий объем видеопамяти (VRAM), ГБ
640
Тип памяти GPU
HBM2e
Объем оперативной памяти (RAM), ГБ
2000
Тип оперативной памяти
DDR4 ECC REG
Форм-фактор
5U
Тип точности Совокупная мощность восьми A100 SXM
Совокупная мощность восьми A100 SXM
FP64 Tensor Core
156 TFLOPS
BF16 / FP16 Tensor Core
4 992 TFLOPS
TF32 Tensor Core
2 496 TFLOPS
INT8 Tensor Core
9 984 TOPS
Видеокарта
8x Nvidia A100 SXM 80GB HBM2e
Процессор
2x AMD EPYC 7742 (64c/128t, 2.25GHz-3.4GHz, 225W)
Оперативная память
1TB DDR4 ECC REG
Сетевые карты
8-ports QSFP56 NVIDIA ConnectX-6 200Gbe InfiniBand/Ethernet

Описание

NVIDIA DGX с A100 SXM(Ampere) и суммарными 640 GB HBM2e VRAM - это платформа для тяжёлых задач: Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation), HPC / Научные расчёты и Анализ данных (Data Science). Такой объём VRAM позволяет уверенно держать крупные LLM и большие батчи без постоянного “перелива” в CPU RAM.

A100 использует HBM2e и отлично работает в экосистеме CUDA (PyTorch, TensorRT, NCCL, vLLM и др.). Архитектурно это “универсальный ускоритель” для ML/HPC с сильной производительностью в FP16/TF32 и ускорениями для INT8.

Ограничение: это A100, не H100, поэтому нет FP8/FP4-уровня Hopper, и если ваша цель - максимум эффективности на ультранизкой точности, H100 будет быстрее. Также это не “графическая” карта для рендера/видеонаблюдения - фокус именно на вычислениях ML/HPC.

Производительность GPU

Тип точностиСовокупная мощность восьми A100 SXM
FP64 Tensor Core156 TFLOPS
BF16 / FP16 Tensor Core4 992 TFLOPS
TF32 Tensor Core2 496 TFLOPS
INT8 Tensor Core9 984 TOPS

Совместимость с LLM-моделями

Модель Тип квантизации Требуется VRAM Совместимость Примечание
DeepSeek-R1-GGUF 685B Q4_K_M Примерно 404GB ✅ Силен в рассуждениях; на DGX A100 комфортно держать 4-бит, но при длинном контексте нужен запас под KV-cache и оверхед (лучше использовать tensor parallel на 4–8 GPU и следить за контекстом/батчем).
Qwen3.5-397B-A17B-GGUF / Qwen3.6-35B-A3B Q4_K_M / Нет Примерно 241GB / 71.9 GB ✅ Помещается на DGX A100 целиком; оптимально распараллеливать по 4–8 GPU (TP/PP) для стабильного serving. Подходит для продакшн-чатов и RAG.
Gpt-oss:120b Нет Примерно 196GB ✅ Очень комфортный размер для DGX A100: можно держать на 2–4 GPU, оставляя большой запас под KV-cache, длинные диалоги и высокий throughput (параллельные запросы/батчи).
GigaChat3.5-432B-A28B Нет Примерно 438GB ✅ На DGX A100 устойчиво запускается в 4-бит; рекомендуется TP на 8 GPU и аккуратные настройки контекста/батча, чтобы сохранить запас VRAM под KV-cache и избежать упора в память при пиковых нагрузках.
Mistral-Large-3-675B-Instruct-2512-GGUF Q4_K_M Примерно 407GB ✅ Оптимальна для аналитики и reasoning; на DGX A100 логично держать 4-бит с запасом под KV-cache (особенно при длинном контексте). Хорошо масштабируется по 4–8 GPU в vLLM/TensorRT-LLM.
GLM-5.3-Flash Нет Примерно 328GB ✅ Стабильный продакшн-запуск на 2–4 GPU; в 4-бит остаётся хороший запас по VRAM под длинный контекст, параллельные запросы и увеличение batch size без риска
Kimi-K2.7-Code Нет Примерно 595GB ✅ Полноразмерная версия для мощных GPU-серверов; подходит для reasoning-задач, RAG, агентных рабочих процессов и производственного инференса с высоким запасом качества.
MiniMax-M3 UD-Q4_K_M Примерно 264GB ✅ Квантизированная версия с заметно меньшим объёмом; удобна для серверов с ограниченным запасом памяти, RAG-сценариев, ассистентов и локальных LLM-сервисов.
MiMo-V2.5-Pro-GGUF UD_Q4_K_M Примерно 630GB ✅ Квантизированная Pro-версия для более гибкого размещения на серверных конфигурациях с разным объёмом памяти; подходит для RAG, reasoning-задач и производственных LLM-сервисов.

Совместимость с диффузионными моделями

<!-- -->
Модель Тип Совместимость Примечание
Stable Diffusion XL 1.0 Текст в изображение ✅ Надёжное качество и много готовых пайплайнов/оптимизаций. На DGX A100 легко держит высокие разрешения и параллельные очереди; можно масштабировать генерацию по нескольким GPU для максимального throughput.
Flux.2-dev Текст в изображение ✅ Требовательная модель: при ~178GB VRAM оптимально запускать в multi-GPU режиме (распараллеливание) или с оптимизациями памяти. На DGX A100 это решаемо и остаётся запас под батчи/разрешение, но итог зависит от конкретного пайплайна.
SD Turbo Быстрые предпросмотры ✅ Максимальная скорость для итераций и серийных кадров; отлично подходит для параллельной генерации и больших очередей. На A100 можно держать высокий concurrency без упора в VRAM.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Лёгкая версия Kandinsky 5.0; требует ~35GB VRAM — на DGX A100 большой запас под повышенное разрешение, батчи и одновременную работу нескольких пайплайнов.
Kandinsky-6.0-Pro-distill-5s-Diffusers Текст/изображение в видео со звуком ✅ T2V (~29GB VRAM) для роликов до ~5 секунд; хорошо масштабируется по нескольким GPU (параллельные задачи/очереди) и подходит для продакшн-пайплайнов генерации видео.
NVIDIA-Cosmos3-Super Генерации, анализа и симуляции физического мира, которая может работать с текстом, изображениями, видео и действиями ✅ Модель объёмом 133 GB для генерации, анализа и симуляции физического мира. Работает с текстом, изображениями, видео и действиями, поэтому подходит для сложных мультимодальных сценариев. Требует высокой производительности и большого объёма видеопамяти, а стабильность запуска зависит от конкретной конфигурации и настроек оптимизации.

Технические характеристики

Видеокарта8x Nvidia A100 SXM 80GB HBM2e
Процессор2x AMD EPYC 7742 (64c/128t, 2.25GHz-3.4GHz, 225W)
Оперативная память1TB DDR4 ECC REG
Сетевые карты8-ports QSFP56 NVIDIA ConnectX-6 200Gbe InfiniBand/Ethernet