
ASUS ESC8000A-E13P (8× RTX PRO 6000 BSE 96GB, 2× EPYC 9845, RAM 1.5TB)
42 046 500 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-20516
- 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 / Визуализация и рендеринг
- Процессор (CPU)
- AMD EPYC
- Видеокарта (GPU)
- NVIDIA RTX PRO 6000 Blackwell
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 768
- Тип памяти GPU
- GDDR7
- Объем оперативной памяти (RAM), ГБ
- 1536
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 4U
- Тип точности Совокупная мощность восьми RTX PRO 6000 BSE
- Совокупная мощность восьми RTX PRO 6000 BSE
- FP32
- 960 TFLOPS
- FP4
- 32 PFLOPS
- RT Core performance*
- 2840 TFLOPS
- Платформа
- ASUS ESC8000A-E13P
- Видеокарта
- 8x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7
- Процессор
- 2x AMD EPYC 9845 (160c/320t, 2.1GHz-3.7GHz, 390W)
- Оперативная память
- 24x 64GB DDR5 ECC REG Samsung 6400Mhz 2Rx4
- SSD накопитель
- 4x Kioxia CM6-R 7.68TB 2.5" U.3
- Сетевая карта
- 1x Mellanox MCX755106AS-HEAT (2x QSFP112, 200GBE)
Описание
ASUS ESC8000A-E13P с 8× NVIDIA RTX PRO 6000 Blackwell Server Edition по 96GB (суммарно 768GB VRAM) - это мощная платформа для Инференса / Развертывания (Inference), RAG-систем (Retrieval-Augmented Generation), Дообучения моделей (Fine-tuning) и Обучения моделей (Training) в multi-GPU конфигурациях, когда важны большой общий объём видеопамяти и высокая пропускная способность GPU-узлов.
RTX PRO 6000 Blackwell Server Edition использует архитектуру Blackwell и память 96GB GDDR7 с ECC на каждую карту, а также Tensor Cores с поддержкой FP4 (актуально для ускорения современных LLM-нагрузок и снижения требований к памяти при инференсе).
Сервер также отлично подходит для Визуализации и рендеринга и Видеоаналитики / Видеонаблюдения (в т.ч. многопоточные пайплайны детекции/трекинга/segmentation), потому что это RTX-платформа с акцентом на AI + графику/RT-задачи.
Ограничения и нюансы: эффективность масштабирования Training/Fine-tuning зависит от стека (PyTorch/vLLM/TensorRT), стратегии параллелизма (tensor/pipeline/data) и межсоединения (в серверном варианте - PCIe Gen5). Поэтому большие модели чаще запускают в распределённом режиме, а “в одну карту” - только то, что помещается в 96GB.
Производительность GPU
| Тип точности | Совокупная мощность восьми RTX PRO 6000 BSE |
| FP32 | 960 TFLOPS |
| FP4 | 32 PFLOPS |
| RT Core performance* | 2840 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 685B | Нет | Примерно 689GB | ✅ | Запуск на 8×96GB (768GB суммарно) в multi-GPU через vLLM/TensorRT-LLM; подходит для reasoning и длинного контекста. |
| Qwen3.5-397B-A17B-FP8 / Qwen3.6-35B-A3B | FP8 / Нет | Примерно 406GB / 71.9 GB | ✅ | Комфортный multi-GPU инференс на одном узле; чаты, агенты и RAG под высокой нагрузкой. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Без квантизации; можно держать несколько реплик/сервисов параллельно благодаря 768GB VRAM. |
| GigaChat3.5-432B-A28B | Нет | Примерно 438GB | ✅ | Помещается на 8×96GB; запуск в multi-GPU для крупных ассистентов и длинных диалогов. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Multi-GPU на одном узле; хороша для аналитики, RAG и агентных сценариев. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | FP8 снижает VRAM и ускоряет инференс; удобно для продакшн LLM и RAG-сервисов. |
| 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. |
| 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 | ✅ | High-res генерация и батчи; легко распараллелить очереди на 8 GPU (CUDA). |
| Flux.2-dev | Текст в изображение | ✅ | Тяжёлые пайплайны удобно распределять по GPU; уверенная high-res генерация на CUDA. |
| SD Turbo | Быстрые предпросмотры | ✅ | Очень быстрые итерации; много параллельных предпросмотров и массовая генерация. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая модель: запас VRAM под high-res, батчи и одновременную работу пользователей. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Короткие ролики: масштабирование по GPU ускоряет пакетную генерацию видео и кадров. |
Технические характеристики
| Платформа | ASUS ESC8000A-E13P |
| Видеокарта | 8x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7 |
| Процессор | 2x AMD EPYC 9845 (160c/320t, 2.1GHz-3.7GHz, 390W) |
| Оперативная память | 24x 64GB DDR5 ECC REG Samsung 6400Mhz 2Rx4 |
| SSD накопитель | 4x Kioxia CM6-R 7.68TB 2.5" U.3 |
| Сетевая карта | 1x Mellanox MCX755106AS-HEAT (2x QSFP112, 200GBE) |