← Каталог оборудования
GIGABYTE G492-ZD2 (8× A100 SXM 80GB)
GIGABYTEНовый

GIGABYTE G492-ZD2 (8× A100 SXM 80GB)

24 362 700 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-20276
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)
AMD EPYC
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 AMD EPYC 7003 серии
Оперативная память
до 8TB DDR4, 32 DIMM, 8-канальная архитектура; RDIMM/LRDIMM до 128GB, 3DS RDIMM/LRDIMM до 256GB
SSD накопители
6× 2.5" Gen4 NVMe/SATA hot-swap bays (с оговоркой, что NVMe не hot-swap) и 2× M.2 (PCIe Gen4 x4, 2242/2260/2280)

Описание

Данная сборка на NVIDIA HGX A100 (8× SXM4 80GB) рассчитана на Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты - благодаря плотной 8-GPU компоновке и высокоскоростному межGPU-обмену (NVLink/NVSwitch).

GPU-часть: 8× A100 SXM 80GB, суммарно 640GB VRAM; это даёт хороший запас под крупные модели, длинный контекст (KV-cache) и высокий throughput при serving (батчи/параллельные запросы)

Для производительных multi-GPU сценариев (TP/PP/DP, NCCL) платформа опирается на HGX-модуль и заявляет до 600GB/s GPU-to-GPU interconnection.

Платформа: поддерживает двухпроцессорную конфигурацию AMD EPYC 7003 (совместима с EPYC 7002), 32 слота DDR4 (8-канальная архитектура; RDIMM/LRDIMM до 128GB, 3DS RDIMM/LRDIMM до 256GB; максимум по объёму платформы - до 8TB), а для накопителей доступны 6× 2.5" Gen4 NVMe/SATA hot-swap bays (с оговоркой, что NVMe не hot-swap) и 2× M.2 (PCIe Gen4 x4, 2242/2260/2280).

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 ✅ Запускается в 4-бит на 8 GPU; держите запас под KV-cache при длинном контексте и настраивайте TP на 4–8 GPU под throughput.
Qwen3.5-397B-A17B-FP8 / Qwen3.6-35B-A3B FP8 / Нет Примерно 406GB / 71.9 GB ✅ Помещается целиком; для стабильного serving используйте TP/PP на 4–8 GPU и держите запас под батчи и контекст.
Gpt-oss:120b Нет Примерно 196GB ✅ Комфортно держать на 2–4 GPU, оставляя большой запас под KV-cache и высокий concurrency.
GigaChat3.5-432B-A28B Нет Примерно 438GB ✅ Устойчивый 4-бит запуск на 8 GPU; ограничивайте контекст и batch, чтобы не упираться в KV-cache.
Mistral-Large-3-675B-Instruct-2512-GGUF Q4_K_M Примерно 407GB ✅ Оптимально в 4-бит; масштабируйте inference по 4–8 GPU и оставляйте VRAM под длинный контекст.
GLM-5.3-Flash Нет Примерно 328GB ✅ Стабильно работает на 2–4 GPU; в 4-бит остаётся запас под длинный контекст и параллельные запросы.
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 ✅ Легко держит высокие разрешения и параллельные очереди; масштабируйте генерацию по нескольким GPU для throughput.
Flux.2-dev Текст в изображение ✅ Требует ~178GB VRAM: запускайте распределённо или с оптимизациями памяти, чтобы сохранить запас под батчи и разрешение.
SD Turbo Быстрые предпросмотры ✅ Отличен для быстрых итераций и больших очередей; удобно параллелить по GPU без упора в VRAM.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Лёгкая версия; требует ~35GB VRAM - остаётся большой запас под разрешение, батчи и несколько пайплайнов.
Kandinsky-6.0-Pro-distill-5s-Diffusers Текст/изображение в видео со звуком ✅ T2V (~29GB VRAM) для роликов до ~5 секунд; хорошо параллелится по GPU для 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

Видеокарта8x Nvidia A100 SXM 80GB HBM2e
Процессор2x AMD EPYC 7003 серии
Оперативная памятьдо 8TB DDR4, 32 DIMM, 8-канальная архитектура; RDIMM/LRDIMM до 128GB, 3DS RDIMM/LRDIMM до 256GB
SSD накопители6× 2.5" Gen4 NVMe/SATA hot-swap bays (с оговоркой, что NVMe не hot-swap) и 2× M.2 (PCIe Gen4 x4, 2242/2260/2280)

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