
ASUS ESC N8-E11V (8× H200 SXM 141GB)
73 473 000 ₽
Ориентировочная цена. Требует подтверждения.
- Артикул
- SF-20338
- Наличие
- Уточняется
- Обновлено
- 12.11.2026
Сейчас доступен просмотр каталога. Приём заказов скоро откроется.
Характеристики
- Тип
- Новые
- Основная задача
- Обучение моделей / Инференс / Дообучение моделей / RAG-системы / Анализ данных / Научные расчеты (HPC)
- Процессор (CPU)
- Intel Xeon
- Видеокарта (GPU)
- NVIDIA H200
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 1128
- Тип памяти GPU
- HBM3e
- Объем оперативной памяти (RAM), ГБ
- 8192
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 7U
- Тип точности Совокупная мощность восьми H200 SXM
- Совокупная мощность восьми H200 SXM
- FP64 Tensor Core
- 536 TFLOPS
- FP8 Tensor Core
- 31 664 TFLOPS
- BF16 / FP16 Tensor Core
- 15 832TFLOPS
- TF32 Tensor Core
- 7 912 TFLOPS
- INT8 Tensor Core
- 31 664 TOPS
- Видеокарта
- 8x Nvidia H200 SXM 141GB HBM3e
- Процессор
- 2× Intel Xeon Scalable 4th/5th Gen (cTDP до 500W)
- Оперативная память
- до 8TB DDR5 ECC RDIMM, 32 DIMM-слотах
- SSD накопители
- 10× 2.5" hot-swap (спереди 8× NVMe, сзади 2× NVMe/SATA), плюс 2× M.2 Gen3 x2
Описание
Данная сборка на NVIDIA HGX H200 141GB (8× SXM) предназначена для Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты - за счёт 8-GPU HGX-архитектуры и эффективного масштабирования внутри узла.
GPU-часть: H200 (Hopper) с ускорением FP16/FP8/INT8 и HBM3e; суммарно 1128GB VRAM, что удобно для длинного контекста (KV-cache), крупных батчей и стабильного multi-GPU serving без агрессивной квантизации.
Для межGPU-обмена заявлен прямой интерконнект NVLink/NVSwitch до 900GB/s, поэтому платформа хорошо “держит” TP/PP/DP при больших моделях и высокой параллельности.
Платформа: 2× Intel Xeon Scalable 4th/5th Gen (2 сокета), 32 DIMM и память DDR5 4400 RDIMM / 3DS RDIMM с максимумом до 8 TB. По накопителям - 10× 2.5" hot-swap (спереди 8× NVMe, сзади 2× NVMe/SATA), плюс 2× M.2 Gen3 x2 (PCH)
Производительность GPU
| Тип точности | Совокупная мощность восьми H200 SXM |
| FP64 Tensor Core | 536 TFLOPS |
| FP8 Tensor Core | 31 664 TFLOPS |
| BF16 / FP16 Tensor Core | 15 832TFLOPS |
| TF32 Tensor Core | 7 912 TFLOPS |
| INT8 Tensor Core | 31 664 TOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-V4-Pro | Нет | Примерно 865GB | ✅ | Запускайте распределённо на 8 GPU и держите запас VRAM под KV-cache при длинном контексте. |
| Qwen3.5-397B-A17B / Qwen3.6-35B-A3B | Нет | Примерно 807GB / 71.9 GB | ✅ | Комфортен без квантизации; для serving масштабируйте TP на 2–8 GPU под нужный throughput. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Часто достаточно 1–2 GPU, а оставшиеся - под параллельные инстансы и высокий concurrency. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Оптимален для распределённого inference на 8 GPU с длинным контекстом и большими батчами. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 680–750GB | ✅ | Запуск на 8 GPU; балансируйте batch и контекст, чтобы не “съедать” VRAM под KV-cache. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | Стабильный продакшн-serving на 8 GPU; throughput лучше всего растёт от батчей при контролируемом контексте. |
| 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 | ✅ | Высокие разрешения и крупные батчи; генерацию удобно распараллеливать по нескольким GPU. |
| Flux.2-dev | Текст в изображение | ✅ | Оптимально запускать распределённо по 2 GPU или с оптимизациями памяти для стабильного high-res. |
| SD Turbo | Быстрые предпросмотры | ✅ | Максимальный throughput для превью и серийной генерации при высокой параллельности задач. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Небольшие требования к VRAM - можно держать несколько пайплайнов параллельно и увеличивать батчи. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Под короткие ролики; удобно масштабировать очередь “задача-на-GPU” для стабильного продакшна. |
| 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 H200 SXM 141GB HBM3e |
| Процессор | 2× Intel Xeon Scalable 4th/5th Gen (cTDP до 500W) |
| Оперативная память | до 8TB DDR5 ECC RDIMM, 32 DIMM-слотах |
| SSD накопители | 10× 2.5" hot-swap (спереди 8× NVMe, сзади 2× NVMe/SATA), плюс 2× M.2 Gen3 x2 |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.