
GIGABYTE XV23-VC0-AAJ1 (4× H100 NVL 94GB, 2× Grace, RAM 960GB)
22 147 900 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-22831
- 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)
- NVIDIA Grace
- Видеокарта (GPU)
- NVIDIA H100
- Количество GPU, шт
- 4
- Общий объем видеопамяти (VRAM), ГБ
- 376
- Тип памяти GPU
- HBM3
- Объем оперативной памяти (RAM), ГБ
- 960
- Тип оперативной памяти
- LPDDR5x
- Форм-фактор
- 2U
- Тип точности Совокупная мощность четырех H100 NVL
- Совокупная мощность четырех H100 NVL
- FP8 Tensor Core
- 13364 TFLOPS
- BF16 / FP16 Tensor Core
- 6684 TFLOPS
- TF32 Tensor Core
- 3340 TFLOPS
- FP32
- 240 TFLOPS
- FP64 Tensor Core
- 240 TFLOPS
- INT8 Tensor Core
- 13364 TOPS
- Платформа
- GIGABYTE XV23-VC0-AAJ1
- Видеокарта
- 4x NVIDIA H100 NVL 94GB HBM3
- Процессор
- 2x NVIDIA Grace
- Оперативная память
- 960GB LPDDR5X
- SSD накопитель
- 2x 2.5" Gen5 NVMe 2x M.2 (2242/2260/2280/22110)
Описание
GIGABYTE XV23-VC0-AAJ1 - это 2U-платформа для инференса / развертывания, RAG-систем, дообучения моделей и научных расчётов. В этой конфигурации используются два встроенных процессора NVIDIA Grace и четыре ускорителя NVIDIA H100 NVL по 94GB, поэтому сервер получает 376GB HBM3 и 960GB ECC LPDDR5X. Такая система хорошо подходит для крупных моделей, длинного контекста и распределённого запуска больших LLM на 4 GPU. Официально платформа серии XV23-VC0 построена на NVIDIA Grace CPU Superchip, поддерживает до 4 двухслотовых Gen5 GPU, а также использует LPDDR5X ECC и NVLink-C2C между Grace CPU.
По самой платформе GIGABYTE также указывает 2 фронтальных 2.5" Gen5 NVMe hot-swap отсека, 2 слота M.2 PCIe Gen5 x4 и 4 PCIe Gen5 x16 слота для GPU, что делает сервер удобным для плотной AI-конфигурации в одном 2U-корпусе.
Производительность GPU
| Тип точности | Совокупная мощность четырех H100 NVL |
| FP8 Tensor Core | 13364 TFLOPS |
| BF16 / FP16 Tensor Core | 6684 TFLOPS |
| TF32 Tensor Core | 3340 TFLOPS |
| FP32 | 240 TFLOPS |
| FP64 Tensor Core | 240 TFLOPS |
| INT8 Tensor Core | 13364 TOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-R1-Distill-Llama-70B | Нет | Примерно 141GB | ✅ | Уверенно работает на этой системе и оставляет большой запас памяти под длинный контекст и несколько параллельных запросов. |
| Qwen3.5-122B-A10B | Нет | Примерно 250GB | ✅ | Хорошо подходит для запуска на четырёх GPU и позволяет держать стабильную работу даже при длинном контексте и высокой нагрузке. |
| gpt-oss-120b | Нет | Примерно 196GB | ✅ | Удобный вариант для этой конфигурации - остаётся запас памяти под рабочий контекст, дополнительные сервисы и параллельные задачи. |
| GLM-5.3-Flash | Нет | Примерно 328GB | ✅ | Почти полностью использует доступную видеопамять, поэтому лучше держать умеренный контекст и не перегружать систему лишними задачами. |
| Gemma-4-31B-it | Нет | Примерно 62.6GB | ✅ | Хорошо подходит для этой конфигурации - модель можно запускать с запасом памяти и высокой параллельной нагрузкой на 4 GPU. |
| 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 | Нет | Примерно 316GB | ✅ | Базовая версия среднего объёма для серверов с хорошим запасом памяти; подходит для RAG, корпоративных ассистентов, генерации текста и стабильного инференса без квантизации. |
Совместимость с диффузионными моделями
| Модель | Тип | Совместимость | Примечание |
| stable-diffusion-3.5-medium | Текст в изображение | ✅ | Подходит для генерации изображений в высоком разрешении и удобной параллельной работы сразу на четырёх GPU. |
| FLUX.2-dev | Текст в изображение | ✅ | Требовательная модель, но на этой конфигурации её удобно распределять между четырьмя GPU для более быстрой и стабильной генерации. |
| SD Turbo | Быстрые предпросмотры | ✅ | Подходит для быстрых итераций, серийной генерации и большого числа одновременных задач. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая модель для этой платформы - можно держать высокое разрешение, большие батчи и несколько процессов одновременно. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Подходит для коротких роликов и пакетной обработки с распределением нагрузки между четырьмя 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 XV23-VC0-AAJ1 |
| Видеокарта | 4x NVIDIA H100 NVL 94GB HBM3 |
| Процессор | 2x NVIDIA Grace |
| Оперативная память | 960GB LPDDR5X |
| SSD накопитель | 2x 2.5" Gen5 NVMe
2x M.2 (2242/2260/2280/22110) |