← Каталог оборудования
GIGABYTE G294-A22-AAP2 (4× RTX PRO 6000 BSE 96GB, 1× Xeon 6944P, RAM 1.1TB)
GIGABYTEНовый

GIGABYTE G294-A22-AAP2 (4× RTX PRO 6000 BSE 96GB, 1× Xeon 6944P, RAM 1.1TB)

30 920 400 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-19882
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 / Визуализация и рендеринг
Процессор (CPU)
Intel Xeon 6-series
Видеокарта (GPU)
NVIDIA RTX PRO 6000 Blackwell
Количество GPU, шт
4
Общий объем видеопамяти (VRAM), ГБ
384
Тип памяти GPU
GDDR7
Объем оперативной памяти (RAM), ГБ
1152
Тип оперативной памяти
DDR5 ECC REG
Форм-фактор
2U
Тип точности Совокупная мощность четырех RTX PRO 6000 BSE
Совокупная мощность четырех RTX PRO 6000 BSE
FP32
480 TFLOPS
FP4
16 PFLOPS
RT Core performance*
1420 TFLOPS
Платформа
GIGABYTE G294-A22-AAP2
Видеокарта
4x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7
Процессор
1x Intel Xeon 6944P (72c/144t, 1.8GHz-3.9GHz, 350W)
Оперативная память
12x 96GB DDR5 ECC REG Micron 6400Mhz 2Rx4
SSD накопитель
6x Samsung PM883a 7.68TB 2.5" 6Gb/s

Описание

GIGABYTE G294-A22-AAP2 с 4× NVIDIA RTX PRO 6000 Blackwell Server Edition (4×96GB) и суммарными 384 GB GDDR7 VRAM - это компактный GPU-узел для Инференс / Развертывание (Inference) и RAG-системы (Retrieval-Augmented Generation), когда нужен высокий throughput и несколько параллельных инстансов моделей в одном сервере.

Blackwell + большой объём VRAM позволяют уверенно держать крупные LLM (в т.ч. MoE) в multi-GPU режиме (tensor/pipeline parallel), а также эффективно обслуживать длинные контексты и много одновременных запросов. Для генеративных задач по изображениям/видео сервер хорошо подходит благодаря запасу памяти и возможности распараллеливания пайплайнов по 4 GPU.

Оптимальные сценарии: Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation), Дообучение моделей (Fine-tuning), Анализ данных (Data Science), Визуализация и рендеринг, Видеоаналитика / Видеонаблюдение. Обучение моделей (Training) возможно для средних/части крупных моделей, но эффективность будет зависеть от конкретного стека и схемы параллелизма (и это скорее “практичный on-prem”, а не топовый тренировочный кластер).

Производительность GPU

Тип точностиСовокупная мощность четырех RTX PRO 6000 BSE
FP32480 TFLOPS
FP4 16 PFLOPS
RT Core performance*1420 TFLOPS

*-RT Core performance - это пиковая производительность специализированных RT-ядер (Ray Tracing Cores), которые аппаратно ускоряют операции трассировки лучей (поиск пересечений луча с геометрией и обход BVH). Показатель важен для визуализации/рендеринга и некоторых графических/3D-пайплайнов, но не является прямым аналогом FP32/AI-производительности.

Совместимость с LLM-моделями

Модель Тип квантизации Требуется VRAM Совместимость Примечание
DeepSeek-R1-Distill-Llama-70B Нет Примерно 141GB ✅ На узле 4× RTX PRO 6000 BSE (384GB VRAM) уверенно запускается в multi-GPU (обычно 2 GPU, при длинном контексте - 4 GPU) через vLLM/TensorRT-LLM. Хорош для reasoning; запас VRAM можно направить на большой KV-cache и высокий QPS при множестве параллельных сессий.
Qwen3.8-27B Нет Примерно 55.6GB ✅ Оптимальный формат для «большой модели в одном узле»: распределение по 4 GPU оставляют заметный запас под KV-cache, высокий batch и несколько одновременных диалогов. Подходит для агентных сценариев, продакшн-чатов и RAG с высоким QPS.
gpt-oss:120b Нет (FP16) Примерно 260GB ✅ Комфортный “workhorse” для узла 4×96GB: запускается с распределением по 4 GPU, при этом остаётся VRAM под увеличенный контекст и параллельные запросы. Хороший баланс качества и throughput для продакшн-инференса.
Mistral-Large-3-675B-Instruct-2512-GGUF IQ4_XS Примерно 360GB ⚠️ Запуск возможен на 4×96GB, но с минимальным запасом: потребуется жёстко контролировать контекст (KV-cache), batch size и число одновременных сессий. Рекомендуется vLLM/TensorRT-LLM и аккуратная схема tensor/pipeline parallel, чтобы удерживать стабильную латентность.
GLM-5.3-Flash Нет Примерно 328GB ✅ FP8 снижает требования к памяти и повышает throughput, но модель близка к лимиту узла 384GB. Для стабильной работы нужны умеренный контекст, ограничение параллельных сессий и продакшн-движок (TensorRT-LLM/vLLM) с корректным распределением по 4 GPU.
GigaChat3.5-432B-A28B-GGUF Q4_K_M Примерно 262GB ✅ Отлично подходит для reasoning, кода, анализа текста и ассистентских задач.
NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 NVFP4 (FP4 для NVIDIA) Примерно 80.4GB ✅ Удобна для параллельного запуска нескольких инстансов, работы с длинным контекстом и высокой плотности запросов.
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 Нет Примерно 316GB ✅ Базовая версия среднего объёма для серверов с хорошим запасом памяти; подходит для RAG, корпоративных ассистентов, генерации текста и стабильного инференса без квантизации.

Совместимость с диффузионными моделями

<!-- -->
Модель Тип Совместимость Примечание
Stable Diffusion XL 1.0 Текст в изображение ✅ На 4× RTX PRO 6000 BSE удобно держать несколько очередей/пользователей и параллельные пайплайны; 96GB на GPU дают большой запас под high-res, крупные batch, refiner и постобработку (апскейл/инпейтинг) без упора в память.
Flux.2-dev Текст в изображение ✅ Требовательна к VRAM, но 96GB на GPU позволяют комфортно работать с высоким разрешением и батчами; throughput удобно масштабировать, распределяя задания по нескольким GPU внутри одного сервера для стабильной high-res генерации.
SD Turbo Быстрые предпросмотры ✅ Максимальная скорость итераций: на одном узле легко держать много параллельных предпросмотров и серийных кадров, обеспечивая низкую задержку и стабильное обслуживание нескольких потоков одновременно.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Лёгкая модель: остаётся большой запас VRAM под повышенное разрешение, батчи и одновременную работу нескольких пайплайнов; удобно для многопользовательских сценариев и высокой пропускной способности.
Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers Текст в видео ✅ Для коротких роликов удобно распараллеливать генерацию по GPU: сервер ускоряет пакетную обработку, держит несколько очередей и стабильно обслуживает серию задач на CUDA-стеке (видео/серийные кадры).
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

ПлатформаGIGABYTE G294-A22-AAP2
Видеокарта4x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7
Процессор1x Intel Xeon 6944P (72c/144t, 1.8GHz-3.9GHz, 350W)
Оперативная память12x 96GB DDR5 ECC REG Micron 6400Mhz 2Rx4
SSD накопитель6x Samsung PM883a 7.68TB 2.5" 6Gb/s