
NVIDIA DGX B200 (8× B200 SXM 180GB, 2× Xeon Platinum 8570, RAM 2TB)
99 559 200 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-17362
- 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
Характеристики
- Тип
- Новые
- Основная задача
- Обучение моделей / Инференс / Дообучение моделей / RAG-системы / Анализ данных / Научные расчеты (HPC) / Визуализация и рендеринг
- Процессор (CPU)
- Intel Xeon
- Видеокарта (GPU)
- NVIDIA B200 SXM
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 1440
- Тип памяти GPU
- HBM3e
- Объем оперативной памяти (RAM), ГБ
- 2000
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 10U
- Тип точности Совокупная мощность DGX B200 8-GPU
- Совокупная мощность DGX B200 8-GPU
- FP64 Tensor core
- 296 TFLOPS
- FP32 Tensor core
- 600 TFLOPS
- BF16/FP16 Tensor core
- 36 PFLOPS
- INT8 Tensor core
- 72 POPS
- FP8/FP6 Tensor core
- 72 PFLOPS
- FP4 Tensor core
- 144 PFLOPS
- Видеокарта
- 8x Nvidia B200 SXM 180GB HBM3e
- Процессор
- 2x Intel Xeon Platinum 8570 (56c/112t, 2.1GHz-4GHz, 350W)
- Оперативная память
- 2TB возможно увеличить до 4TB
- SSD накопители
- 2x 1.9TB NVMe M.2 8x 3.84TB NVMe U.2
- Сетевые карты
- 4x NVIDIA ConnectX-7 VPI (1x OSFP, 400GBE) 2x NVIDIA BlueField-3 DPU (2x QSFP112, 400GBE)
Описание
Система NVIDIA DGX B200 объединяет восемь NVIDIA B200 SXM Blackwell через NVLink 5 в единый высокоскоростной домен, обеспечивая топовую производительность для Обучения моделей, Дообучения, Инференса и RAG-систем, а также для HPC / Научных расчётов. Общий объём HBM3e - 1.44 TB, чего хватает для крупных батчей, длинного контекста и распределённого KV-кеша
Архитектура Blackwell с Transformer Engine (2-е поколение) поддерживает FP8/FP4 наряду с BF16/FP16/TF32/FP32/FP64 - это ускоряет тренинг и инференс LLM при высокой точности. Пятая генерация NVLink обеспечивает крайне низкую латентность и масштабирование при TP/PP. Стек: CUDA, PyTorch, TensorRT-LLM, vLLM.
Производительность GPU
| Тип точности | Совокупная мощность DGX B200 8-GPU |
| FP64 Tensor core | 296 TFLOPS |
| FP32 Tensor core | 600 TFLOPS |
| BF16/FP16 Tensor core | 36 PFLOPS |
| INT8 Tensor core | 72 POPS |
| FP8/FP6 Tensor core | 72 PFLOPS |
| FP4 Tensor core | 144 PFLOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-V4-Pro | Нет | Примерно 865GB | ✅ | Силен в рассуждениях |
| Qwen3.8-2.4T-A95B-GGUF | UD-IQ4_XS | Примерно 1.31TB | ✅ | Легко масштабируется при распараллеливании по 5 GPU; подходит для продакшн-чатов и агентов. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Комфортная работа при распараллеливании по 2–4 GPU; удобно для больших батчей и длинных диалогов. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Эффективно использует ресурсы 8×B200 без квантизации; подходит для крупных ассистентов и генерации длинных контекстов. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Оптимальна для reasoning- и аналитических задач на DGX B200, включая RAG и интеллектуальных агентов.. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | Эффективно использует ресурсы 8×B200 без квантизации; подходит для reasoning-задач, RAG и производственных LLM-сервисов. |
| 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 | Нет | Примерно 854GB | ✅ | Полноразмерная версия для серверов с большим запасом памяти; подходит для reasoning-задач, RAG, агентных сценариев и стабильного production-инференса без агрессивной квантизации. |
| MiMo-V2.5-Pro | Нет | Примерно 1.03TB | ✅ | Крупная Pro-версия для серверов с большим объёмом GPU-памяти; подходит для сложных reasoning-задач, RAG, агентных сценариев и production-инференса с высоким запасом качества. |
Совместимость с диффузионными моделями
| Модель | Тип | Совместимость | Примечание |
| Stable Diffusion XL 1.0 | Текст в изображение | ✅ | Надёжное качество; множество готовых пайплайнов и оптимизаций. |
| Flux.2-dev | Текст в изображение | ✅ | Требует ~178GB VRAM. Подходит для генерации изображений высокого разрешения и больших батчей. |
| SD Turbo | Быстрые предпросмотры | ✅ | Максимальная скорость для итераций и серийных кадров. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая версия Kandinsky 5.0; требует ~35GB VRAM, на этих конфигурациях есть большой запас по видеопамяти для высокого разрешения и батчей. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Модель для генерации 5-секундных видео с синхронизированным звуком по тексту или изображению. |
| 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
| Видеокарта | 8x Nvidia B200 SXM 180GB HBM3e |
| Процессор | 2x Intel Xeon Platinum 8570 (56c/112t, 2.1GHz-4GHz, 350W) |
| Оперативная память | 2TB возможно увеличить до 4TB |
| SSD накопители | 2x 1.9TB NVMe M.2
8x 3.84TB NVMe U.2 |
| Сетевые карты | 4x NVIDIA ConnectX-7 VPI (1x OSFP, 400GBE)
2x NVIDIA BlueField-3 DPU (2x QSFP112, 400GBE) |