
MSI XpertStation WS300 (1× GB300 Grace Blackwell Ultra)
13 355 100 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-22035
- 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
- Инференс / Дообучение моделей / RAG-системы / Анализ данных / Визуализация и рендеринг
- Процессор (CPU)
- NVIDIA GB300 (Grace)
- Видеокарта (GPU)
- NVIDIA GB300 (Blackwell Ultra)
- Количество GPU, шт
- 1
- Общий объем видеопамяти (VRAM), ГБ
- 252
- Тип памяти GPU
- HBM3e
- Объем оперативной памяти (RAM), ГБ
- 496
- Тип оперативной памяти
- LPDDR5x
- Форм-фактор
- Tower
- Тип точности Совокупная мощность GB300
- Совокупная мощность GB300
- FP4 Tensor Core
- 20 PFLOPS
- FP8 / FP6 Tensor Core
- 10 PFLOPS
- BF16 / FP16 Tensor Core
- 5 PFLOPS
- TF32 Tensor Core
- 2.5 PFLOPS
- FP32
- 83.3 TFLOPS
- FP64
- 1.39 TFLOPS
- INT8 Tensor Core
- 333 TOPS
Описание
MSI XpertStation WS300 - это рабочая станция ИИ на архитектуре NVIDIA DGX Station с NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip. Внутри установлены 1 × NVIDIA Grace-72 Core Neoverse V2 CPU и 1 × NVIDIA Blackwell Ultra GPU, поэтому система подходит для инференса, RAG-сценариев, анализа данных и локального дообучения моделей в формате deskside.
Конфигурация памяти включает 252 GB HBM3e на стороне GPU с пропускной способностью до 8 TB/s и 496 GB LPDDR5X на стороне CPU с пропускной способностью до 396 GB/s. MSI отдельно указывает общий когерентный пул памяти 748 GB coherent memory, что удобно для больших моделей, длинного контекста и крупного KV-cache без постоянных упоров в память.
Для подключения и расширения у станции есть 2 × 400 GbE QSFP через NVIDIA ConnectX-8, 1 × PCIe 5.0 x16, 2 × PCIe 5.0 x16 с линиями x8, а также накопители 4 × M.2 2280, из которых 4 × PCIe 5.0 x2. MSI также указывает до 20 PFLOPS AI-производительности для всей системы.
Производительность GPU
| Тип точности | Совокупная мощность GB300 |
| FP4 Tensor Core | 20 PFLOPS |
| FP8 / FP6 Tensor Core | 10 PFLOPS |
| BF16 / FP16 Tensor Core | 5 PFLOPS |
| TF32 Tensor Core | 2.5 PFLOPS |
| FP32 | 83.3 TFLOPS |
| FP64 | 1.39 TFLOPS |
| INT8 Tensor Core | 333 TOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-R1-Distill-Llama*-70B | Нет | Примерно 141GB | ✅ | На одном Blackwell Ultra GPU с 279GB HBM3E запускается без квантизации и остаётся запас под KV-cache и длинный контекст. *LLAMA - проект Meta Platforms Inc.**, деятельность которой в России признана экстремистской и запрещена **Деятельность Meta Platforms Inc. в России признана экстремистской и запрещена |
| Qwen3.5-397B-A17B-GGUF | Q4_K_M | Примерно 241GB | ✅ | В Q4 помещается в 279GB VRAM, но запас небольшой, поэтому лучше держать умеренный контекст и batch. |
| gpt-oss:120b | Нет (FP16) | Примерно 260GB | ✅ | FP16 помещается почти впритык, для стабильной работы лучше ограничивать контекст или использовать более лёгкий режим точности. |
| GLM-4.7-GGUF | Q4_K_M | Примерно 216GB | ✅ | Комфортно запускается в Q4 и оставляет запас под KV-cache и несколько параллельных сессий. |
| Gemma-4-31B-IT-NVFP4 | NVFP4 (FP4 для NVIDIA) | Примерно 32.7GB | ✅ | MSI XpertStation WS300 хорошо подходит для такой модели - остаётся большой запас памяти под контекст, служебные данные и стабильную работу. |
| 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. |
| 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-GGUF | UD_Q4_K_M | Примерно 191GB | ✅ | Компактная GGUF-версия для более доступного развёртывания; подходит для серверов с ограниченным объёмом памяти, RAG-сценариев, ассистентов и локального инференса. |
Совместимость с диффузионными моделями
| Модель | Тип | Совместимость | Примечание |
| Stable Diffusion XL 1.0 | Текст в изображение | ✅ | High-res, refiner и inpainting идут стабильно на одном GPU, остаётся запас памяти под несколько задач. |
| Flux.2-dev | Текст в изображение | ✅ | Хватает VRAM для high-res пайплайнов и параллельных генераций без жёстких ограничений по памяти. |
| SD Turbo | Быстрые предпросмотры | ✅ | Подходит для быстрых превью и большого числа коротких прогонов подряд. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая модель, можно держать несколько пайплайнов одновременно и повышать качество без упора в память. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Удобно для пакетной генерации коротких роликов без длинных очередей. |