
GIGABYTE G894-SD3-AAX7 (8× B300 SXM 180GB)
90 760 300 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-20701
- 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) / Визуализация и рендеринг
- Процессор (CPU)
- Intel Xeon 6-series
- Видеокарта (GPU)
- NVIDIA B300 SXM
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 2304
- Тип памяти GPU
- HBM3e
- Объем оперативной памяти (RAM), ГБ
- 8192
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 8U
- Тип точности Совокупная мощность HGX B300 8-GPU
- Совокупная мощность HGX B300 8-GPU
- FP8/FP6 Tensor core (training)
- 72 PFLOPS
- FP4 Tensor core (inference)
- 144 PFLOPS
- Видеокарта
- 8x Nvidia B200 SXM 180GB HBM3e
- Процессор
- 2× Intel Xeon 6 6700-серии или 6500-серии с TDP до 350W в сокетах LGA 4710
- Оперативная память
- до 8TB DDR5 ECC RDIMM, 32 слота
- SSD накопители
- 8× 2.5" Gen5 NVMe hot-swap и 2× M.2 с интерфейсами PCIe Gen5 x4 и Gen5 x2
Описание
Конфигурация ориентирована на Обучение моделей (Training), Дообучение моделей (Fine-tuning) и Инференс / Развертывание (Inference), когда важны масштабирование на 8 GPU, стабильный throughput и работа с крупными батчами. Для практичных сценариев RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты хорошо подходит запас видеопамяти и ускорение на FP16/FP8/INT8.
Узел построен на NVIDIA HGX B300 с 8×SXM GPU по 288GB HBM3e, суммарно 2304GB VRAM (≈ 2.3TB). Это упрощает размещение больших моделей и помогает держать длинный контекст и высокий параллелизм без жёстких компромиссов по памяти.
Для пиковых нагрузок чаще всего выигрывает распределённый inference и аккуратные лимиты по контексту и батчу, чтобы не упираться в KV-cache и служебный оверхед при большом числе одновременных запросов.
Платформа поддерживает 2× Intel Xeon 6 6700-Series или 6500-Series с TDP до 350W в сокетах LGA 4710, память DDR5 RDIMM или MRDIMM в 32 DIMM-слотах с 8-канальным контроллером на процессор и скоростями до 6400 MT/s для RDIMM и до 8000 MT/s для MRDIMM, при этом максимальный объём - до 8TB. Для накопителей предусмотрены 8× 2.5" Gen5 NVMe hot-swap и 2× M.2 с интерфейсами PCIe Gen5 x4 и Gen5 x2.
Производительность GPU
| Тип точности | Совокупная мощность HGX B300 8-GPU |
| FP8/FP6 Tensor core (training) | 72 PFLOPS |
| FP4 Tensor core (inference) | 144 PFLOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-V4-Pro | Нет | Примерно 865GB | ✅ | Оптимально запускать с tensor parallel на 8 GPU и контролировать контекст и батчи из-за KV-cache. | Qwen3.5-397B-A17B / Qwen3.6-35B-A3B | Нет | Примерно 807GB / 71.9 GB | ✅ | Комфортный serving без квантизации с распределением по 2–8 GPU и запасом под длинный контекст. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Удобно держать на 1–2 GPU и повышать throughput батчами или запускать несколько инстансов. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Стабильно работает на 8 GPU и лучше держит нагрузку при разумных лимитах параллельных сессий. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Хорош для продакшн инференса на 8 GPU с запасом VRAM под KV-cache и большие батчи. | GLM-5.3 | Нет | Примерно 756GB | ✅ | Подходит для длинных сессий и высокой параллельности на 8 GPU с большим запасом по памяти. |
| Kimi-K3 | Нет | Примерно 1.56TB | ✅ | 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 | Нет | Примерно 1.03TB | ✅ | Крупная Pro-версия для серверов с большим объёмом GPU-памяти; подходит для сложных reasoning-задач, RAG, агентных сценариев и production-инференса с высоким запасом качества. |
Совместимость с диффузионными моделями
| Модель | Тип | Совместимость | Примечание |
| Stable Diffusion XL 1.0 | Текст в изображение | ✅ | Высокие разрешения и батчи, генерацию удобно распараллеливать по нескольким GPU. |
| Flux.2-dev | Текст в изображение | ✅ | Держит high-res и крупные батчи, задачи удобно распределять по 8 GPU для стабильной очереди. |
| SD Turbo | Быстрые предпросмотры | ✅ | Максимальная скорость предпросмотров и высокая параллельность без упора в память. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Можно держать несколько пайплайнов одновременно и повышать батчи с большим запасом VRAM. |
| Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers | Текст в видео | ✅ | Пакетная генерация коротких роликов с параллельным запуском на нескольких GPU. |
| 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 Nvidia B200 SXM 180GB HBM3e |
| Процессор | 2× Intel Xeon 6 6700-серии или 6500-серии с TDP до 350W в сокетах LGA 4710 |
| Оперативная память | до 8TB DDR5 ECC RDIMM, 32 слота |
| SSD накопители | 8× 2.5" Gen5 NVMe hot-swap и 2× M.2 с интерфейсами PCIe Gen5 x4 и Gen5 x2 |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.