
GIGABYTE XL44-SX0-AAS2 (8x RTX PRO 6000 BSE 96GB)
32 108 600 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-23729
- 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)
- Intel Xeon 6-series
- 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
- 4096
- 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 XL44-SX0-AAS2
- Видеокарта
- 8x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7
- Процессор
- 2x Intel Xeon 6500/6700 серии
- Оперативная память
- 32 DIMM, до 4TB DDR5 ECC REG
- SSD накопитель
- 4x 2.5" Gen5 NVMe, 2x M.2 (2280/22110)
Описание
GIGABYTE XL44-SX0-AAS2 — это 4U MGX-платформа на двух Intel Xeon 6700/6500, рассчитанная на до 8 двухслотовых PCIe Gen5 GPU, с 32 слотами DDR5, 4 горячезаменяемыми Gen5 NVMe и 4 резервируемыми БП по 3200 Вт. Сам GIGABYTE относит эту модель к задачам AI, Visual Computing, HPC, AI Training и AI Inference.
В конфигурации с 8x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB сервер получает суммарно 768 GB GDDR7. NVIDIA указывает для этой карты архитектуру Blackwell, 96 GB GDDR7, пропускную способность памяти 1597 GB/s, а также производительность FP4 / FP8 / FP16-BF16 / FP32; сама карта позиционируется как универсальный датацентровый GPU для inference, fine-tuning, distributed rendering, HPC и virtual workstations.
Для такой системы логично делать акцент на Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы, Анализ данных, HPC / Научные расчёты, Визуализация и рендеринг и Видеоаналитика / Видеонаблюдение. В отличие от конфигураций на H200 NVL, здесь профиль более универсальный — сильный для больших inference-нагрузок, мультимодальных пайплайнов, графики, рендеринга и видео, но для самых тяжёлых LLM на пределе памяти уже важнее аккуратная настройка multi-GPU, контекста и offload. Это следует из позиционирования самой платформы и RTX PRO 6000 BSE.
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 x RTX PRO 6000 BSE в распределённом режиме и оставляет умеренный запас под KV-cache, контекст и стабильный 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 в 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, но при такой загрузке VRAM лучше внимательно контролировать batch size, контекст и служебные буферы. |
| 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. | |
| 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 3 Medium | Текст в изображение | ✅ | Легко справляется с высоким разрешением, крупными батчами и несколькими параллельными пайплайнами без какого-либо дефицита видеопамяти. |
| FLUX.2-dev | Текст в изображение | ✅ | Требовательная модель, но для 8 x H200 NVL это комфортная нагрузка с огромным запасом под высокое разрешение, batch generation и несколько одновременных задач. |
| Stable Video Diffusion 1.1 | Видео(img2vid) | ✅ | Хорошо подходит для генерации роликов, пакетного рендера и одновременной обработки нескольких видео-пайплайнов на разных GPU. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая версия Kandinsky 5.0 и на этой конфигурации остаётся огромный запас по видеопамяти для высокого разрешения, батчей и параллельной работы пользователей. |
| Kandinsky-5.0-T2V-Lite-sft-5s-Diffusers | Текст в видео | ✅ | Подходит для продакшн-пайплайнов, пакетной генерации коротких роликов и уверенно 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 XL44-SX0-AAS2 |
| Видеокарта | 8x NVIDIA RTX PRO 6000 Blackwell Server Edition 96GB GDDR7 |
| Процессор | 2x Intel Xeon 6500/6700 серии |
| Оперативная память | 32 DIMM, до 4TB DDR5 ECC REG |
| SSD накопитель | 4x 2.5" Gen5 NVMe, 2x M.2 (2280/22110) |