← Каталог оборудования
Supermicro SYS-420GP-TNAR (8× A100 SXM 80GB)
SupermicroНовый

Supermicro SYS-420GP-TNAR (8× A100 SXM 80GB)

17 906 700 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-20187
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)
Intel Xeon
Видеокарта (GPU)
NVIDIA A100
Количество GPU, шт
8
Общий объем видеопамяти (VRAM), ГБ
640
Тип памяти GPU
HBM2e
Объем оперативной памяти (RAM), ГБ
8192
Тип оперативной памяти
DDR4 ECC REG
Форм-фактор
4U
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 Socket P+ (LGA-4189) и Intel Xeon Scalable 3-го поколения
Оперативная память
до 8TB ECC DDR4 (также заявлена поддержка Intel Optane Persistent Memory 200 до 8TB, суммарно до 12TB с DRAM)
SSD накопители
6× 2.5" hot-swap NVMe/SATA/SAS и 2× M.2 NVMe/SATA (boot only)

Описание

Платформа с HGX A100 80GB (8×SXM) хорошо подходит под Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты - когда важны стабильная multi-GPU работа и масштабирование нагрузки.

GPU-секция построена на HGX A100 8-GPU и использует NVLink с NVSwitch, а суммарный объём видеопамяти в данной сборке - 640GB VRAM (8×80GB), что удобно для больших батчей и длинных контекстов при правильном контроле KV-cache

Из ограничений по накопителям: M.2 (NVMe/SATA) предназначены только под загрузочные диски, а основные диски ставятся в фронтальные hot-swap отсеки.

Платформа поддерживает 2× Socket P+ (LGA-4189) и Intel Xeon Scalable 3-го поколения, память - 32 DIMM слота с максимумом до 8TB ECC DDR4 (также заявлена поддержка Intel Optane Persistent Memory 200 до 8TB, суммарно до 12TB с DRAM). Для накопителей доступны 6× 2.5" hot-swap NVMe/SATA/SAS и 2× M.2 NVMe/SATA (boot only).

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 ✅ Оптимально 4-бит и TP на 4–8 GPU; держите запас VRAM под KV-cache при длинном контексте.
Qwen3.5-397B-A17B-FP8 / Qwen3.6-35B-A3B FP8 / Нет Примерно 406GB / 71.9 GB ✅ Лучше распараллеливать по 6–8 GPU для стабильного serving и больших батчей.
Gpt-oss:120b Нет Примерно 196GB ✅ Комфортно на 2–4 GPU с большим запасом под KV-cache и высокий throughput.
GigaChat3.5-432B-A28B Нет Примерно 438GB ✅ Запуск в 4-бит с TP на 8 GPU; контролируйте контекст и batch, чтобы не упираться в KV-cache.
Mistral-Large-3-675B-Instruct-2512-GGUF Q4_K_M Примерно 407GB ✅ Логично держать в 4-бит и распределять по 4–8 GPU, сохраняя запас под KV-cache.
GLM-5.3-Flash Нет Примерно 328GB ✅ Стабильно на 2-4 GPU; в 4-бит остаётся запас под длинный контекст и параллельные запросы.
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 ✅ Высокий throughput: масштабируйте генерацию по нескольким GPU и держите большие батчи.
Flux.2-dev Текст в изображение ✅ Требует ~178GB VRAM - лучше распределять по нескольким GPU или использовать offload/оптимизации памяти.
SD Turbo Быстрые предпросмотры ✅ Максимальная скорость предпросмотров; легко держит высокий concurrency и параллельные очереди.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Требует ~35GB VRAM - остаётся большой запас под высокое разрешение и batch.
Kandinsky-6.0-Pro-distill-5s-Diffusers Текст/изображение в видео со звуком ✅ ~29GB VRAM на ролики до ~5 секунд; хорошо параллелится по GPU в продакшн-пайплайне.
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 Socket P+ (LGA-4189) и Intel Xeon Scalable 3-го поколения
Оперативная памятьдо 8TB ECC DDR4 (также заявлена поддержка Intel Optane Persistent Memory 200 до 8TB, суммарно до 12TB с DRAM)
SSD накопители6× 2.5" hot-swap NVMe/SATA/SAS и 2× M.2 NVMe/SATA (boot only)

Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.