← Каталог оборудования
GIGABYTE G492-IL0 (8× A100 SXM 80GB)
GIGABYTEНовый

GIGABYTE G492-IL0 (8× A100 SXM 80GB)

24 525 500 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-20688
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

Все характеристики

Характеристики

Тип
Новые
Основная задача
Обучение моделей / Инференс / Дообучение моделей / RAG-системы / Анализ данных / Научные расчеты (HPC)
Процессор (CPU)
Intel Xeon
Видеокарта (GPU)
NVIDIA A100
Количество GPU, шт
8
Общий объем видеопамяти (VRAM), ГБ
640
Тип памяти GPU
HBM2e
Объем оперативной памяти (RAM), ГБ
8192
Тип оперативной памяти
DDR4 ECC REG
Форм-фактор
4U
Тип точности Совокупная мощность восьми A100 SXM
Совокупная мощность восьми A100 SXM
FP64 Tensor Core
156 TFLOPS
BF16 / FP16 Tensor Core
4 992 TFLOPS
TF32 Tensor Core
2 496 TFLOPS
INT8 Tensor Core
9 984 TOPS
Видеокарта
8x Nvidia A100 SXM 80GB HBM2e
Процессор
2x Socket P+ (LGA-4189) и Intel Xeon Scalable 3-го поколения
Оперативная память
до 8TB DDR4 ECC REG, 32 DIMM
SSD накопители
6× 2.5" Gen4 NVMe/SATA отсека и 2× M.2 PCIe Gen4 x4

Описание

Конфигурация на базе HGX A100 80GB рассчитана на Обучение моделей (Training), Дообучение моделей (Fine-tuning) и Инференс / Развертывание (Inference), когда важны высокая плотность GPU и быстрый обмен данными между ними. Суммарный объём видеопамяти 640GB позволяет держать крупные модели и оставлять запас под KV-cache, батчи и параллельные сессии.

Связка HGX A100 с NVLink/NVSwitch даёт сильный выигрыш в multi-GPU сценариях, где критична коммуникация между ускорителями при распределении тензоров и градиентов. Это делает платформу уместной для RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты, когда нужно стабильно масштабировать нагрузку на 8 GPU.

Официальное руководство этой линейки прямо указывает модельный ряд G492-ID0 / G492-IL0 как 4U DP SXM4 A100 8 GPU сервер.

Платформа поддерживает процессоры 3rd Generation Intel Xeon Scalable в двухсокетной конфигурации (2× LGA4189, TDP до 270W), память DDR4 только в 32 слотах DIMM (8 каналов), а для накопителей предусмотрены 6× 2.5" Gen4 NVMe/SATA отсека и 2× M.2 PCIe Gen4 x4. Для питания заявлены резервированные БП 3+1 3000W.

Производительность GPU

Тип точностиСовокупная мощность восьми A100 SXM
FP64 Tensor Core156 TFLOPS
BF16 / FP16 Tensor Core4 992 TFLOPS
TF32 Tensor Core2 496 TFLOPS
INT8 Tensor Core9 984 TOPS

Совместимость с LLM-моделями

Модель Тип квантизации Требуется VRAM Совместимость Примечание
DeepSeek-R1-GGUF 685B Q4_K_M Примерно 404GB ✅ Комфортный запуск в 4-бит на 8×A100 с TP на 8 GPU и контролем контекста и батча, чтобы сохранить запас под KV-cache.
Qwen3.5-397B-A17B-GGUF / Qwen3.6-35B-A3B Q4_K_M / Нет Примерно 241GB / 71.9 GB ✅ Уверенно помещается без квантизации и хорошо подходит для serving и RAG при распределении по 4-8 GPU.
Gpt-oss:120b Нет Примерно 196GB ✅ Можно держать на 2–4 GPU и использовать оставшуюся VRAM под длинный контекст и высокий QPS.
GigaChat3.5-432B-A28B Нет Примерно 438GB ✅ Стабильно работает в 4-бит на 8 GPU и выдерживает многопоточную нагрузку при аккуратных настройках контекста.
Mistral-Large-3-675B-Instruct-2512-GGUF Q4_K_M Примерно 407GB ✅ Оптимально для крупного inference с запасом под KV-cache и масштабированием по 4–8 GPU для throughput.
GLM-5.3-Flash Нет Примерно 328GB ✅ Даёт большой запас по VRAM для длинных сессий и батчей, удобно повышать параллелизм запросов.
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 батчи проходят стабильно, а генерацию удобно распараллеливать по нескольким GPU.
Flux.2-dev Текст в изображение ✅ Требовательный пайплайн легче вести в multi-GPU режиме и держать высокий throughput на очередях.
SD Turbo Быстрые предпросмотры ✅ Подходит для массовых предпросмотров и серийной генерации с высокой параллельностью задач.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Лёгкий профиль позволяет держать несколько пайплайнов одновременно и увеличивать батчи без дефицита VRAM.
Kandinsky-6.0-Pro-distill-5s-Diffusers Текст/изображение в видео со звуком ✅ Хорошо масштабируется на очередях коротких роликов при параллельной обработке задач на нескольких GPU.

Технические характеристики

Видеокарта8x Nvidia A100 SXM 80GB HBM2e
Процессор2x Socket P+ (LGA-4189) и Intel Xeon Scalable 3-го поколения
Оперативная памятьдо 8TB DDR4 ECC REG, 32 DIMM
SSD накопители6× 2.5" Gen4 NVMe/SATA отсека и 2× M.2 PCIe Gen4 x4

Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.