
GIGABYTE G894-ZD3-AAX7 (8× B300 SXM 288GB)
102 700 600 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-20716
- 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)
- AMD EPYC
- Видеокарта (GPU)
- NVIDIA B300 SXM
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 2304
- Тип памяти GPU
- HBM3e
- Объем оперативной памяти (RAM), ГБ
- 6144
- 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 B300 Blackwell Ultra SXM 288GB HBM3e
- Процессор
- 2× AMD EPYC 9005/9004 (SP5 (LGA 6096))
- Оперативная память
- 24 DIMM DDR5-6400 RDIMM/3DS, максимум до 6TB суммарно
- SSD накопители
- 8×2.5" Gen5 NVMe hot-swap и 2 внутренних M.2 (PCIe Gen3 x4 и Gen3 x1)
Описание
Конфигурация рассчитана на Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты, где важны высокая плотность ускорителей и быстрые межсоединения внутри узла.
B300 SXM на базе Blackwell Ultra, с вычислениями FP16/FP8/INT8 и HBM3e. Для класса B300 заявляется до 288GB HBM3e на GPU, поэтому при 8 ускорителях суммарный объём видеопамяти в этой сборке составляет 2304GB (≈2.3TB), что даёт большой запас под длинный контекст, KV-cache и крупные батчи.
По I/O сервер ориентирован на масштабирование в кластере и высокую пропускную способность - предусмотрены 8 OSFP портов для GPU-сетей (InfiniBand XDR 800Gb/s или Dual 400GbE через NVIDIA ConnectX-8), а также фронтальные 2×10GbE и отдельные порты управления
Платформа поддерживает 2× AMD EPYC 9005/9004 серии (Socket SP5, cTDP до 500W), память DDR5 RDIMM в 24 DIMM-слотах (максимальный объём до 6TB), а для накопителей доступны 8×2.5" Gen5 NVMe hot-swap и 2 внутренних M.2 (PCIe Gen3 x4 и Gen3 x1).
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 | ✅ | Комфортный inference на 8 GPU с большим запасом под KV-cache и высоким параллелизмом запросов. |
| Qwen3.5-397B-A17B / Qwen3.6-35B-A3B | Нет | Примерно 807GB / 71.9 GB | ✅ | Работает без квантизации и хорошо масштабируется по 2 - 8 GPU для serving и RAG с длинным контекстом. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Можно держать на 1 - 2 GPU, оставляя много VRAM под батчи, высокий QPS и длинные диалоги. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Оптимально запускать с tensor parallel на 8 GPU для максимального throughput и стабильной меж-GPU коммуникации. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Хорошо подходит для больших батчей и длинного контекста, а распределение по 8 GPU даёт стабильный продакшн-serving. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | Запуск на 8 GPU позволяет держать высокий concurrency и запас памяти под контекст и KV-cache без упора в VRAM. |
| 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 параллельные очереди удобно распределять по GPU для максимального throughput. |
| Flux.2-dev | Текст в изображение | ✅ | Большой запас VRAM позволяет повышать разрешение и batch, а пайплайны легко параллелятся по нескольким GPU. |
| SD Turbo | Быстрые предпросмотры | ✅ | Подходит для массовых предпросмотров и высокой частоты генераций при большом числе одновременных задач. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Можно держать несколько пайплайнов одновременно и повышать качество без ограничений по памяти. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Параллельный рендер коротких роликов на нескольких GPU даёт высокий продакшн-throughput. |
Технические характеристики
| Видеокарта | 8x Nvidia B300 Blackwell Ultra SXM 288GB HBM3e |
| Процессор | 2× AMD EPYC 9005/9004 (SP5 (LGA 6096)) |
| Оперативная память | 24 DIMM DDR5-6400 RDIMM/3DS, максимум до 6TB суммарно |
| SSD накопители | 8×2.5" Gen5 NVMe hot-swap и 2 внутренних M.2 (PCIe Gen3 x4 и Gen3 x1) |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.