
Supermicro AS-8125GS-TNMR2 (8× Instinct MI300X 192GB)
23 293 100 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-21599
- 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)
- Процессор (CPU)
- AMD EPYC
- Видеокарта (GPU)
- AMD Instinct MI300X
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 1536
- Тип памяти GPU
- HBM3
- Объем оперативной памяти (RAM), ГБ
- 6144
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 8U
- Тип точности Совокупная мощность восьми Instinct MI300X OAM
- Совокупная мощность восьми Instinct MI300X OAM
- FP8*
- 41.76 PFLOPS
- FP16*
- 20.88 PFLOPS
- TF32*
- 10.4 PFLOPS
- FP32 Matrix
- 1304 TFLOPS
- FP32
- 1304 TFLOPS
- FP64 Matrix
- 1304 TFLOPS
- FP64
- 653.6 TFLOPS
- INT8*
- 41.76 POPS
- BF16*
- 20.88 PFLOPS
- Видеокарта
- 8x AMD Instinct MI300X OAM 192GB HBM3
- Процессор
- 2× AMD EPYC 9005/9004 (SP5 (LGA 6096))
- Оперативная память
- до 6TB DDR5 ECC RDIMM, 24 слота
- SSD накопители
- 12× 2.5" NVMe + 2× 2.5" SATA + 4× 2.5" NVMe (Опциально), 2× M.2 NVMe (M-key)
Описание
Supermicro AS-8125GS-TNMR2 - 8U GPU-сервер для крупных AI-нагрузок, где важны Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты.
В конфигурации установлено 8 × AMD Instinct MI300X по 192 GB, суммарно 1536 GB (1.5 TB) HBM3 VRAM. Такой объём памяти позволяет держать очень большие модели, длинный контекст и крупный KV-cache, а также поднимать высокий параллелизм запросов в продакшн-сервисах.
Производительность GPU
| Тип точности | Совокупная мощность восьми Instinct MI300X OAM |
| FP8 | 20.88 PFLOPS |
| FP8* | 41.76 PFLOPS |
| FP16 | 10.4 PFLOPS |
| FP16* | 20.88 PFLOPS |
| TF32 | 5229.6 TFLOPS |
| TF32* | 10.4 PFLOPS |
| FP32 Matrix | 1304 TFLOPS |
| FP32 | 1304 TFLOPS |
| FP64 Matrix | 1304 TFLOPS |
| FP64 | 653.6 TFLOPS |
| INT8 | 20.8 POPS |
| INT8* | 41.76 POPS |
| BF16 | 10.4 PFLOPS |
| BF16* | 20.88 PFLOPS |
* C структурированной разреженностью
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-V4-Pro | Нет | Примерно 865GB | ✅ | Уверенный запуск на 8 × MI300X, остаётся запас под контекст, KV-cache и батчи. |
| Qwen3.8-2.4T-A95B-GGUF | UD-IQ4_XS | Примерно 1.31TB | ✅ | Работает без квантизации, оптимально распределять на 5 - 8 GPU. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Хватает 1 - 2 GPU, остальная VRAM под высокий concurrency и KV-cache. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Лучше запускать на 8 GPU для максимального throughput и длинного контекста. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Подходит для крупных задач и больших батчей, стабильный inference на 8 GPU. | GLM-5.3 | Нет | Примерно 756GB | ✅ | FP8-версия уверенно помещается на 8 GPU и подходит для продакшн LLM-сервисов. |
| 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 | 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 | ✅ | High-res и большие батчи, генерацию удобно распараллеливать по нескольким GPU. |
| Flux.2-dev | Текст в изображение | ✅ | Можно поднимать разрешение и throughput через параллельные очереди на GPU. |
| SD Turbo | Быстрые предпросмотры | ✅ | Идеален для быстрых превью и высокой параллельности на одном узле. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая модель, можно запускать много пайплайнов параллельно без упора в память. |
| Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers | Текст в видео | ✅ | Удобно распределять генерацию коротких роликов по GPU для очередей и пакетного рендера. |
| 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 AMD Instinct MI300X OAM 192GB HBM3 |
| Процессор | 2× AMD EPYC 9005/9004 (SP5 (LGA 6096)) |
| Оперативная память | до 6TB DDR5 ECC RDIMM, 24 слота |
| SSD накопители | 12× 2.5" NVMe + 2× 2.5" SATA + 4× 2.5" NVMe (Опциально), 2× M.2 NVMe (M-key) |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.