
Supermicro 4125GS-TNRT (8× H100 80GB, 2× EPYC 9354, RAM 1TB)
26 224 000 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-17430
- 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)
- Процессор (CPU)
- AMD EPYC
- Видеокарта (GPU)
- NVIDIA H100
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 640
- Тип памяти GPU
- HBM3
- Объем оперативной памяти (RAM), ГБ
- 1024
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 4U
- Тип точности Совокупная мощность восьми H100
- Совокупная мощность восьми H100
- FP64 Tensor Core
- 408 TFLOPS
- TF32 Tensor Core
- 6048 TFLOPS
- BF16/FP16 Tensor Core
- 12104 TFLOPS
- FP8 Tensor Core
- 24184 TFLOPS
- INT8 Tensor Core
- 24184 TOPS
- Платформа
- Supermicro A+ Server 4125GS-TNRT 4U 24SFF
- Видеокарта
- 8x NVIDIA H100 OEM 80GB HBM3
- Процессор
- 2x AMD EPYC 9354 (32c/64t, 3.3GHz-3.8GHz, 280W)
- Оперативная память
- 16x 64GB DDR5 ECC REG Samsung 4800Mhz 2Rx4
- SSD накопитель
- 4x Samsung (IBM) PM1735 6.4TB PCI-E 2x Intel D5-P5530 1.92TB 2.5" U.2
Описание
Сервер на восьми NVIDIA H100 80GB — это топовое решение для Обучения (Training), Дообучения (Fine-tuning) и Инференса / Развертывания крупнейших языковых моделей и мультимодальных систем. Суммарные 640 GB HBM3 позволяют без компромиссов запускать модели до 500B параметров, работать с экстремально длинными контекстами и выполнять обучение в FP8/FP16/BF16 с максимальной скоростью.
Архитектура Hopper оснащена тензорными ядрами 4-го поколения, Transformer Engine (FP8), NVLink 4.0 и NVSwitch, что обеспечивает почти линейное масштабирование при распределённых нагрузках. Совместим со стеками PyTorch 2.x, vLLM, DeepSpeed, TensorRT-LLM, Megatron-LM, Ollama и другими продвинутыми фреймворками.
Производительность GPU
| Тип точности | Совокупная мощность восьми H100 |
| FP64 Tensor Core | 408 TFLOPS |
| TF32 Tensor Core | 6048 TFLOPS |
| BF16/FP16 Tensor Core | 12104 TFLOPS |
| FP8 Tensor Core | 24184 TFLOPS |
| INT8 Tensor Core | 24184 TOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-R1-GGUF 671B | Q6_K | Примерно 551GB | ✅ | Укладывается в 8×H100 (640 GB). Работает стабильно в vLLM / Ollama; рекомендуется контекст до 64k токенов. |
| Qwen3.5-397B-A17B-FP8 / Qwen3.6-35B-A3B | FP8 / Нет | Примерно 406GB / 71.9 GB | ✅ | Отлично подходит для reasoning-задач и аналитики. Поддерживает запуск на всех 8 GPU без ограничений. |
| gpt-oss-120b | Нет | Примерно 196GB | ✅ | Высокая скорость отклика и стабильность. Идеальна для RAG и производственных сервисов. | GigaChat3.5-432B-A28B | Нет | Примерно 438GB | ✅ | Подходит для сложных русскоязычных ассистентов, аналитики и генерации длинных текстов. |
| Mistral-Large-3-675B GGUF | Q4_K_M | Примерно 404GB | ✅ | Мощная многоязычная модель для reasoning-задач, RAG-сценариев и интеллектуальных агентов. |
| GLM-5.3-Flash | Нет | Примерно 328GB | ✅ | Уверенно работает на 8×H100; подходит для многоязычных ассистентов, аналитики 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 | 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 3 Medium | Текст в изображение | ✅ | Создаёт изображения до 4096×4096 без потери качества. Поддерживает сложные композиции и художественные стили. |
| FLUX.2-dev | Текст в изображение | ✅ | Ускоренная версия FLUX для 4K-генерации. Отлично масштабируется на 8 GPU и подходит для потокового рендеринга. |
| Stable Video Diffusion 1.1 | Видео(img2vid) | ✅ | Создаёт реалистичные ролики до 8 секунд в Full HD. Для длинных видео - рендер по сегментам с последующей склейкой. |
| 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
| Платформа | Supermicro A+ Server 4125GS-TNRT 4U 24SFF |
| Видеокарта | 8x NVIDIA H100 OEM 80GB HBM3 |
| Процессор | 2x AMD EPYC 9354 (32c/64t, 3.3GHz-3.8GHz, 280W) |
| Оперативная память | 16x 64GB DDR5 ECC REG Samsung 4800Mhz 2Rx4 |
| SSD накопитель | 4x Samsung (IBM) PM1735 6.4TB PCI-E 2x Intel D5-P5530 1.92TB 2.5" U.2 |