
GIGABYTE XL43-ZX0-AAS2 (8x RTX PRO 6000 BSE 96GB)
29 453 600 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-23556
- 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 / Визуализация и рендеринг
- Процессор (CPU)
- AMD EPYC
- Видеокарта (GPU)
- NVIDIA RTX PRO 6000 Blackwell
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 768
- Тип памяти GPU
- GDDR7
- Объем оперативной памяти (RAM), ГБ
- 6144
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 4U
- Тип точности Совокупная мощность восьми RTX PRO 6000 BSE
- Совокупная мощность восьми RTX PRO 6000 BSE
- FP32
- 960 TFLOPS
- FP4
- 32 PFLOPS
- RT Core performance*
- 2840 TFLOPS
- Платформа
- GIGABYTE XL43-ZX0-AAS2
- Видеокарта
- 8x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7
- Процессор
- 2x AMD EPYC 9005 серии
- Оперативная память
- 24 DIMM, до 6TB DDR5 ECC REG
- SSD накопитель
- 4x 2.5" Gen5 NVMe, 2x M.2 (2280/22110)
Описание
GIGABYTE XL43-ZX0-AAS2 в такой конфигурации - это 4U MGX-сервер на двух AMD EPYC 9005 с поддержкой до 8 двухслотовых PCIe Gen5 GPU, 24 слотов DDR5 RDIMM, 4 hot-swap NVMe и 4 резервируемых БП по 3200 Вт. Сам GIGABYTE относит эту платформу к сценариям AI Training, AI Inference, и Visual Computing, так что это именно плотный сервер под ИИ и ускоренные вычисления, а не просто GPU-станция в стойке.
С установленными 8x RTX PRO 6000 Blackwell Server Edition 96GB сервер получает суммарно 768 GB GDDR7 видеопамяти. NVIDIA позиционирует эту карту как универсальный датацентровый ускоритель для agentic AI, physical AI, scientific computing, rendering, 3D graphics и video, а Lenovo отдельно отмечает для неё LLM fine-tuning, inference и RAG как типовые сценарии, особенно для моделей до 70B на один GPU.
Для этой конфигурации акцент логично делать на Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы, Анализ данных, Визуализация и рендеринг и Видеоаналитика / Видеонаблюдение.
Производительность GPU
| Тип точности | Совокупная мощность восьми RTX PRO 6000 BSE |
| FP32 | 960 TFLOPS |
| FP4 | 32 PFLOPS |
| RT Core performance* | 2840 TFLOPS |
*-RT Core performance - это пиковая производительность специализированных RT-ядер (Ray Tracing Cores), которые аппаратно ускоряют операции трассировки лучей (поиск пересечений луча с геометрией и обход BVH). Показатель важен для визуализации/рендеринга и некоторых графических/3D-пайплайнов, но не является прямым аналогом FP32/AI-производительности.
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-R1 685B | Нет | Примерно 689GB | ✅ | Запускается на 8 GPU в распределённом режиме и хорошо подходит для крупных reasoning-задач, если аккуратно настроены контекст, KV-cache и multi-GPU serving. |
| Qwen3.5-397B-A17B-NVFP4 / Qwen3.6-35B-A3B | NVFP4 (FP4 для NVIDIA) / Нет | Примерно 251GB / 71.9 GB | ✅ | Очень комфортно чувствует себя на этой конфигурации и оставляет большой запас памяти под serving, RAG, агентные сценарии и высокую плотность параллельных запросов. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Комфортно размещается и позволяет держать несколько сервисов, длинные диалоги, крупные батчи и высокий throughput без дефицита VRAM. |
| GigaChat3.5-432B-A28B | Нет | Примерно 438GB | ✅ | Помещается на 8 x 96GB, но работает уже близко к пределу по памяти, поэтому требует аккуратной настройки multi-GPU serving, длины контекста и KV-cache. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Хорошо подходит для крупных reasoning- и RAG-сценариев при распределении нагрузки между всеми GPU и контроле batch size, контекста и служебных буферов. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | В NVFP4 остаётся очень хороший запас памяти под длинный контекст, батчи, параллельные инстансы и стабильную работу под высокой нагрузкой. |
| Gemma-4-31B-IT-NVFP4 | NVFP4 (FP4 для NVIDIA) | Примерно 32.7GB | ✅ | Очень лёгкая модель для этой конфигурации и удобна для множества одновременных инстансов, длинного контекста и высокой плотности запросов. |
| NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 | NVFP4 (FP4 для NVIDIA) | Примерно 80.4GB | ✅ | Удобна для параллельного запуска нескольких инстансов, работы с длинным контекстом и высокой плотности 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 | ✅ | Уверенно подходит для high-res генерации, параллельных пайплайнов и больших очередей задач на нескольких GPU. |
| Flux.2-dev | Текст в изображение | ✅ | Требовательная модель, но на этой конфигурации удобно распределять нагрузку по GPU, держать крупные батчи и обслуживать несколько тяжёлых пайплайнов одновременно. |
| SD Turbo | Быстрые предпросмотры | ✅ | Хорошо подходит для быстрых итераций, массовой генерации и одновременной обработки нескольких задач. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая модель с большим запасом памяти под высокое разрешение, батчи и параллельную работу пользователей. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Удобна для пакетной генерации коротких роликов и хорошо масштабируется по нескольким GPU. |
| 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
| Платформа | GIGABYTE XL43-ZX0-AAS2 |
| Видеокарта | 8x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7 |
| Процессор | 2x AMD EPYC 9005 серии |
| Оперативная память | 24 DIMM, до 6TB DDR5 ECC REG |
| SSD накопитель | 4x 2.5" Gen5 NVMe, 2x M.2 (2280/22110) |