
Huawei Atlas 800T A3 (8× Ascend 910C 128GB, 4× Kunpeng 920, RAM 2TB)
82 758 200 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-19294
- 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)
- Kunpeng 920
- Видеокарта (GPU)
- Ascend 910C
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 1024
- Тип памяти GPU
- HBM
- Объем оперативной памяти (RAM), ГБ
- 2048
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 10U
- Тип точности Совокупная мощность восьми Ascend 910C
- Совокупная мощность восьми Ascend 910C
- FP32
- 1.584 PFLOPS
- FP16
- 6.016 PFLOPS
- INT8
- 12.032 POPS
- Видеокарта
- 8x Ascend 910C 128GB HBM
- Оперативная память
- 2TB DDR5 ECC REG возможно увеличить до 4TB
- Сетевые карты
- 8x 400Gbe QSFP интерфейс прямого выхода, протокол RoCE 56x 400Gbe QSFP интерфейс прямого выхода, протокол Lingqu
Описание
Atlas 800T A3 - это стоечный AI-сервер форм-фактора 10U на базе восьми NPU Ascend 910 и четырёх процессоров Kunpeng 920, ориентированный на тяжёлые задачи предобучения, дообучения и обучения с подкреплением (RL) для больших моделей. Архитектура и ресурсная база сервера позволяют строить кластеры для LLM и мультимодальных моделей, используемых в интернет-сервисах, финтех-платформах и научных исследованиях; несколько машин Atlas 800T A3 могут объединяться в суперузел с суммарно 384 картами для масштабного распределённого обучения.
Вычислительная подсистема обеспечивает до 6,0 PFLOPS в FP16 и 12,0 POPS в INT8 на узел, а восемь модулей встроенной памяти по 128 ГБ с суммарной пропускной способностью до 3,2 ТБ/с дают модели широкий контекст и высокую пропускную способность при обучении. Это подходит для предобучения и дообучения больших языковых и мультимодальных моделей, RL-подходов (включая RLHF/RLAIF) в сценариях интернет-поиска и рекомендаций, алгоритмической торговли и скоринговых моделей в финтехе, а также для сложных научных симуляций и анализа данных.
Системная часть включает 32 слота DDR5 (до 5200 МТ/с, до 64 ГБ на модуль), поддерживает до 2× 2.5" SATA и 8× 2.5" NVMe для локального хранилища и до 5 слотов расширения PCIe 5.0 для дополнительных адаптеров. Межсоединение D2D с пропускной способностью 784 ГБ/с в обоих направлениях и сетевая подсистема с 8× 400GE QSFP-DD (RoCE) для внешней Ethernet-плоскости и 56× 400GE QSFP-DD (протокол шины) для внутренней фабрики кластера обеспечивают эффективное распределённое обучение, синхронизацию градиентов и быстрый инференс уже обученных моделей.
Надёжность и готовность к круглосуточной работе обеспечиваются шестью блоками питания по 3,0 кВт с возможностью горячей замены и резервированием 5+1, поддержкой питания от 220 В AC и 336/240 HVDC, а также воздушным охлаждением с пятью модулями вентиляторов (4+1, hot-swap). Максимальная потребляемая мощность до 16,2 кВт соответствует уровню нагрузок в полноценных тренировочных кластерах и делает Atlas 800T A3 устойчивой платформой для промышленных AI-инфраструктур в интернет-сервисах, финтехе и науке.
Производительность GPU
| Тип точности | Совокупная мощность восьми Ascend 910C |
| FP32 | 1.584 PFLOPS |
| FP16 | 6.016 PFLOPS |
| INT8 | 12.032 POPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-V4-Pro | Нет | Примерно 865GB | ✅ | Запускается на суперузле Atlas 800T A3 с несколькими машинами; ориентирован на сложные reasoning-сценарии и работу с очень длинным контекстом. |
| Qwen3.5-397B-A17B | Нет | Примерно 807GB | ✅ | Хорошо масштабируется по NPU Ascend 910 в кластере Atlas 800T A3; подходит для продакшн-чатов, агентов и RAG-систем. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Эффективно использует ресурсы 8× Ascend 910 одной машины Atlas 800T A3; удобно для больших батчей и длинных диалогов без квантизации. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Ориентирован на использование ресурсов суперузла Atlas 800T A3 (до 384 NPU); подходит для крупных ассистентов и генерации очень длинных контекстов. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Оптимальна для reasoning- и аналитических задач на NPU Ascend 910 в кластере Atlas 800T A3, включая RAG и интеллектуальных агентов. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | FP8 - не поддерживается напрямую железом. Возможен запуск FP8/W8A8-квантованных моделей через Ascend-совместимые inference-фреймворки, например vLLM-Ascend, xLLM или SGLang. |
| 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-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; на Atlas 800T A3 можно вести генерацию высокого разрешения и многопользовательские пайплайны на нескольких NPU. |
| Flux.2-dev | Текст в изображение | ✅ | Требует ~178GB VRAM; на Atlas 800T A3 удобно распределять нагрузку по 8× Ascend 910 и получать стабильную генерацию high-res изображений и больших батчей. |
| SD Turbo | Быстрые предпросмотры | ✅ | Максимальная скорость итераций и серийных кадров на Ascend 910; хорошо подходит для прототипирования и online-предпросмотров на Atlas 800T A3. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая версия Kandinsky 5.0 (~35GB VRAM); на Atlas 800T A3 остаётся большой запас по памяти и мощности для высокого разрешения и плотных батчей. |
| Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers | Текст в видео | ✅ | Модель T2V (~29GB VRAM) для роликов до ~5 секунд; на Atlas 800T A3 легко масштабируется по нескольким NPU для пакетной 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
| Видеокарта | 8x Ascend 910C 128GB HBM |
| Процессор | 4x Kunpeng 920 (64c/64t, 2.6Ghz, 180W) |
| Оперативная память | 2TB DDR5 ECC REG возможно увеличить до 4TB |
| Сетевые карты | 8x 400Gbe QSFP интерфейс прямого выхода, протокол RoCE 56x 400Gbe QSFP интерфейс прямого выхода, протокол Lingqu |