
GIGABYTE G893-ZD1-AAX3 (8× H200 SXM 141GB)
71 560 050 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-20227
- 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
- Обучение моделей / Инференс / Дообучение моделей / RAG-системы / Анализ данных / Научные расчеты (HPC)
- Процессор (CPU)
- AMD EPYC
- Видеокарта (GPU)
- NVIDIA H200
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 1128
- Тип памяти GPU
- HBM3e
- Объем оперативной памяти (RAM), ГБ
- 6144
- 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× AMD EPYC 9005/9004 (Socket SP5, cTDP до 500W)
- Оперативная память
- до 6TB DDR5 ECC RDIMM, 24 DIMM-слотах и 12-канальную организацию памяти на процессор
- SSD накопители
- 8× 2.5" Gen5 NVMe hot-swap и 2× M.2 (PCIe Gen3 x4 и Gen3 x1)
Описание
Платформа рассчитана на Инференс / Развертывание (Inference), Обучение моделей (Training), Дообучение моделей (Fine-tuning), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты - за счёт 8× SXM-GPU в составе NVIDIA HGX
Данная сборка использует NVIDIA HGX H200 с 8× SXM-GPU по 141GB HBM3e каждая: общий объём видеопамяти - 1128GB (~1.1TB); архитектура Hopper хорошо подходит для FP16/FP8/INT8-нагрузок и многопоточного serving с высоким concurrency.
Ограничения зависят от выбранного ПО и профиля нагрузки: для очень больших моделей критичны настройки tensor/data parallel, длина контекста и размер батча (из-за KV-cache и служебного оверхеда).
Платформа поддерживает 2× AMD EPYC 9005/9004 (Socket SP5, cTDP до 500W), память DDR5 в 24 DIMM-слотах и 12-канальную организацию памяти на процессор; по скоростям RDIMM заявлено: до 6400 MT/s для EPYC 9005 и до 4800 MT/s для EPYC 9004. Для накопителей доступны 8× 2.5" Gen5 NVMe hot-swap и 2× M.2 (PCIe Gen3 x4 и Gen3 x1).
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 | ✅ | Оптимально запускать распределённо на 8 GPU; удобно держать длинный контекст при грамотных лимитах KV-cache и батча. |
| Qwen3.5-397B-A17B | Нет | Примерно 807GB | ✅ | Уверенный serving без квантизации; хорошо масштабируется по 2–8 GPU под разные профили нагрузки. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Комфортно держать на 2–4 GPU, оставляя запас VRAM под KV-cache и высокий concurrency. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Лучший режим - 8 GPU для стабильного serving, длинного контекста и высокой пропускной способности. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 680–750GB | ✅ | Запуск на 8 GPU; подходит для RAG и батч-инференса при аккуратном управлении контекстом. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | Надёжный продакшн-serving на 8 GPU с хорошим запасом под 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 | 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 большие батчи; удобно распараллеливать генерацию по нескольким GPU. |
| Flux.2-dev | Текст в изображение | ✅ | Требует ~178GB VRAM: оптимально запускать распределённо на 2 GPU или с оптимизациями памяти. |
| SD Turbo | Быстрые предпросмотры | ✅ | Максимальный throughput для очередей предпросмотров и параллельной генерации. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | ~35GB VRAM: большой запас под увеличение разрешения, батчи и несколько пайплайнов. |
| Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers | Текст в видео | ✅ | ~29GB VRAM: хорошо ложится на параллельные очереди и продакшн-пайплайны генерации видео. |
| 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× AMD EPYC 9005/9004 (Socket SP5, cTDP до 500W) |
| Оперативная память | до 6TB DDR5 ECC RDIMM, 24 DIMM-слотах и 12-канальную организацию памяти на процессор |
| SSD накопители | 8× 2.5" Gen5 NVMe hot-swap и 2× M.2 (PCIe Gen3 x4 и Gen3 x1) |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.