
DELL PowerEdge XE9785 (8× Instinct MI355X 288GB)
52 800 000 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-21751
- 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 MI355X
- 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
- 10U
- Тип точности Совокупная мощность восьми Instinct MI355X OAM
- Совокупная мощность восьми Instinct MI355X OAM
- FP8*
- 80.8 PFLOPS
- FP16 Matrix*
- 40 PFLOPS
- FP16
- 1258.4 TFLOPS
- FP32 Matrix
- 1258.4 TFLOPS
- FP32
- 1258.4 TFLOPS
- FP64 Matrix
- 628.8 TFLOPS
- FP64
- 628.8 TFLOPS
- INT8 Matrix*
- 80.8 POPS
- BF16 Matrix*
- 40 PFLOPS
- Видеокарта
- 8x AMD Instinct MI355X OAM 288GB HBM3e
- Процессор
- 2× AMD EPYC 9005 серии (SP5 (LGA 6096))
- Оперативная память
- до 6TB DDR5 ECC RDIMM, 24 слота
- SSD накопители
- 16x E3.S Gen5 NVMe direct SSD или 10x U.2 Gen5 NVMe SSD, а под загрузочный массив предусмотрен BOSS-N1 с 2x M.2 SSD
Описание
DELL PowerEdge XE9785 - 10U AI и HPC сервер под Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference) и RAG-системы (Retrieval-Augmented Generation), когда нужен один мощный узел с большим запасом памяти и высокой пропускной способностью
В конфигурации установлено 8 × AMD Instinct MI355X по 288 GB HBM3E, суммарно 2304 GB (2.3 TB) VRAM. Это удобно для очень больших моделей, длинного контекста и крупного KV-cache, а также для высокой параллельности запросов.
MI355X ориентирован на современные низкие точности, включая FP4 и FP6, что помогает ускорять квантизированный инференс и снижать требования к памяти в продакшне (в зависимости от стека и сборки ROCm).
Производительность GPU
| Тип точности | Совокупная мощность восьми Instinct MI355X OAM |
| FP8 | 40 PFLOPS |
| FP8* | 80.8 PFLOPS |
| FP16 Matrix | 20 PFLOPS |
| FP16 Matrix* | 40 PFLOPS |
| FP16 | 1258.4 TFLOPS |
| FP32 Matrix | 1258.4 TFLOPS |
| FP32 | 1258.4 TFLOPS |
| FP64 Matrix | 628.8 TFLOPS |
| FP64 | 628.8 TFLOPS |
| INT8 Matrix | 40 POPS |
| INT8 Matrix* | 80.8 POPS |
| BF16 Matrix | 20 PFLOPS |
| BF16 Matrix* | 40 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 × MI355X, остаётся большой запас под контекст и KV-cache. |
| Qwen3.8-2.4T-A95B-GGUF | UD-IQ4_XS | Примерно 1.31TB | ✅ | Работает с квантизацией , удобно распределять на 4 - 8 × MI355X под serving и RAG. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Часто хватает 1 GPU, на 2 GPU проще держать длинный контекст, остальная VRAM под высокий concurrency. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Лучше распределять на 8 × MI355X для максимального throughput и стабильной работы на длинном контексте. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Подходит для длинного контекста и больших батчей, 8 × MI355X дают высокий запас по памяти. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | Помещается на 8 × MI355X, остаётся заметный запас под KV-cache и параллельные запросы. |
| 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 | ✅ | High-res и большие батчи, генерацию удобно распараллеливать по 8 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 узле. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Можно запускать несколько пайплайнов одновременно без упора в память. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Короткое видео удобно рендерить параллельно 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 AMD Instinct MI355X OAM 288GB HBM3e |
| Процессор | 2× AMD EPYC 9005 серии (SP5 (LGA 6096)) |
| Оперативная память | до 6TB DDR5 ECC RDIMM, 24 слота |
| SSD накопители | 16x E3.S Gen5 NVMe direct SSD или 10x U.2 Gen5 NVMe SSD, а под загрузочный массив предусмотрен BOSS-N1 с 2x M.2 SSD |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.