
DELL PowerEdge XE9680 (8× H100 SXM 80GB)
40 590 900 ₽
Ориентировочная цена. Требует подтверждения.
- Артикул
- SF-20456
- 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 H100
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 640
- Тип памяти GPU
- HBM3
- Тип точности Совокупная мощность восьми H100 SXM
- Совокупная мощность восьми H100 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 H100 SXM 80GB HBM3
- Процессор
- 2× Intel Xeon Scalable 4-го/5-го поколения (до 64C/350W на 5-м поколении
- Оперативная память
- до 4TB DDR5 ECC RDIMM, 32 DIMM-слотах
- SSD накопители
- до 8× 2.5" NVMe/SAS/SATA (до 122.88 TB) либо до 16× E3.S NVMe (до 122.88 TB)
Описание
Конфигурация на NVIDIA HGX H100 80GB (8× SXM5) рассчитана на Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты - это плотная 8-GPU платформа для тяжёлых ML/DL-нагрузок и распределённого запуска больших моделей.
GPU-профиль H100 (Hopper) с ускорением FP16/FP8/INT8 и HBM3 удобен для serving и обучения: суммарно 640GB VRAM, что даёт хороший запас под KV-cache, длинный контекст и рост batch/concurrency.
Платформа поддерживает HGX H100 8-GPU SXM5 (PCIe Gen5) и рассчитана на интенсивные межGPU-обмены; для стабильной производительности в продакшне обычно важны корректные настройки распараллеливания (TP/PP) и управление контекстом/батчами.
Платформа: поддержка 4th/5th Gen Intel Xeon Scalable, память DDR5 RDIMM - 32 слота и максимум 4 TB. По накопителям доступны варианты: до 8× 2.5" NVMe/SAS/SATA (до 122.88 TB) либо до 16× E3.S NVMe direct (до 122.88 TB).
Производительность GPU
| Тип точности | Совокупная мощность восьми H100 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-R1-GGUF 685B | Q4_K_M | Примерно 404GB | ✅ | Рекомендован 4-бит и TP на 4–8 GPU; запас VRAM держите под KV-cache при длинном контексте. |
| Qwen3.5-397B-A17B-FP8 | FP8 | Примерно 406GB | ✅ | Помещается на 8 GPU; TP/PP подбирайте под требуемую latency и batch. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Комфортно на 2–4 GPU, оставляя VRAM под большие батчи и высокий concurrency. |
| GigaChat3.5-432B-A28B | Нет | Примерно 438GB | ✅ | 4-бит + TP на 8 GPU для стабильного serving и длинного контекста. |
| Mistral-Large-3-675B-Instruct-2512-GGUF | Q4_K_M | Примерно 407GB | ✅ | 4-бит с запасом под KV-cache; хорошо держит высокий throughput при батчах. |
| GLM-5.3-Flash | Нет | Примерно 328GB | ✅ | Запуск на 2–4 GPU; увеличивайте batch и контекст, контролируя рост KV-cache. |
| 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 | 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-Pro-GGUF | UD_Q4_K_M | Примерно 630GB | ✅ | Квантизированная Pro-версия для более гибкого размещения на серверных конфигурациях с разным объёмом памяти; подходит для RAG, reasoning-задач и производственных LLM-сервисов. |
Совместимость с диффузионными моделями
| Модель | Тип | Совместимость | Примечание |
| Stable Diffusion XL 1.0 | Текст в изображение | ✅ | Высокие разрешения и крупные батчи; генерацию легко распараллеливать по GPU. |
| Flux.2-dev | Текст в изображение | ⚠️ | Обычно нужен multi-GPU/offload; итог зависит от пайплайна и настроек памяти. |
| SD Turbo | Быстрые предпросмотры | ✅ | Быстрые превью и серийная генерация при высокой параллельности очереди. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Большой запас VRAM позволяет повышать разрешение и батчи без упора в память. |
| Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers | Текст в видео | ✅ | Параллельные задачи по нескольким GPU для стабильных продакшн-очередей. |
| 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 H100 SXM 80GB HBM3 |
| Процессор | 2× Intel Xeon Scalable 4-го/5-го поколения (до 64C/350W на 5-м поколении |
| Оперативная память | до 4TB DDR5 ECC RDIMM, 32 DIMM-слотах |
| SSD накопители | до 8× 2.5" NVMe/SAS/SATA (до 122.88 TB) либо до 16× E3.S NVMe (до 122.88 TB) |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.