← Каталог оборудования
HPE Cray XD670 Gen11 (8× H100 SXM 80GB)
HPEНовый

HPE Cray XD670 Gen11 (8× H100 SXM 80GB)

45 427 900 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-20478
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)
Intel Xeon
Видеокарта (GPU)
NVIDIA H100
Количество GPU, шт
8
Общий объем видеопамяти (VRAM), ГБ
640
Тип памяти GPU
HBM3
Объем оперативной памяти (RAM), ГБ
4096
Тип оперативной памяти
DDR5 ECC REG
Форм-фактор
6U
Тип точности Совокупная мощность восьми H100 SXM
Совокупная мощность восьми H100 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 H100 SXM 80GB HBM3
Процессор
2× Intel Xeon Scalable 4-го
Оперативная память
до 4TB DDR5 ECC RDIMM, 32 DIMM-слотах
SSD накопители
до до 8× 2.5" NVMe U.2/U.3 и 2× M.2 RAID SSD (Read-Intensive и Mixed-Use)

Описание

HPE Cray XD670 Gen11 - это плотная 5U платформа для Обучения моделей (Training), Дообучения моделей (Fine-tuning) и HPC / Научных расчётов, когда важны масштабирование на 8 GPU и высокая пропускная способность на больших батчах. Эта конфигурация также подходит для Инференса / Развертывания (Inference) и RAG-систем, особенно при параллельных запросах и длинных сессиях.

GPU-профиль H100 (Hopper) даёт ускорение FP16/FP8/INT8 и рассчитан на современные LLM-нагрузки; общий объём видеопамяти - 640GB VRAM (8×80GB). На платформе заявлена поддержка Transformer Engine, что полезно для ускорения типичных AI-пайплайнов.

По охлаждению доступны варианты с воздушным охлаждением и опциональным direct liquid cooling (DLC), что удобно для плотных стоек и энергоэффективных инсталляций.

Платформа (CPU / RAM / SSD): 5U single-node шасси с 2× CPU, для H100-конфигураций заявлена поддержка Intel Xeon Scalable 4-го поколения (Sapphire Rapids). Память - до 32× DDR5 DIMM (до 5600 MT/s), при этом максимум по объёму - до 4 TB (в списке поддерживаемых CPU есть модели с лимитом 4TB памяти). Для накопителей предусмотрено до 8× 2.5" NVMe U.2/U.3 и 2× M.2 RAID SSD (Read-Intensive и Mixed-Use).

Производительность GPU

Тип точностиСовокупная мощность восьми H100 SXM
FP64 Tensor Core536 TFLOPS
FP8 Tensor Core31 664 TFLOPS
BF16 / FP16 Tensor Core15 832TFLOPS
TF32 Tensor Core7 912 TFLOPS
INT8 Tensor Core31 664 TOPS

Совместимость с LLM-моделями

Примерно 407GB
Модель Тип квантизации Требуется VRAM Совместимость Примечание
DeepSeek-R1-GGUF 685B Q4_K_M Примерно 404GB ✅ Для стабильного serving используйте tensor parallel на 8 GPU и держите запас VRAM под KV-cache при длинном контексте.
Qwen3.5-397B-A17B-FP8 / Qwen3.6-35B-A3B FP8 / Нет Примерно 406GB / 71.9 GB ✅ Запускается распределённо по 4–8 GPU и хорошо подходит для продакшн-чатов и RAG с высоким throughput.
Gpt-oss:120b Нет Примерно 196GB ✅ Комфортно держать на 2–4 GPU с большим запасом под KV-cache, что помогает масштабировать батчи и параллельные запросы.
GigaChat3.5-432B-A28B Нет Примерно 438GB ✅ Рекомендуется TP на 8 GPU и аккуратные настройки контекста/батча, чтобы не упираться в VRAM на пиковых нагрузках.
Mistral-Large-3-675B-Instruct-2512-GGUF Q4_K_M✅ Оптимальна для аналитики и reasoning; держите запас под KV-cache, а для throughput масштабируйте TP/PP на несколько GPU.
GLM-5.3-Flash Нет Примерно 328GB ✅ Удобно для продакшна при распределении по 4–8 GPU; в 4-бит остаётся запас под длинный контекст и высокий concurrency.
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 ✅ Высокие разрешения и большие батчи идут уверенно; масштабируйте генерацию по нескольким GPU для максимального throughput.
Flux.2-dev Текст в изображение ⚠️ Обычно требует multi-GPU/распараллеливания или offload; на 8×H100 запуск реален, но чувствителен к выбранному пайплайну.
SD Turbo Быстрые предпросмотры ✅ Подходит для очень высокой скорости и параллельных очередей; удобно держать высокий concurrency.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Низкие требования к VRAM дают большой запас под высокое разрешение и батчи, включая параллельные пайплайны.
Kandinsky-6.0-Pro-distill-5s-Diffusers Текст/изображение в видео со звуком ✅ Хорошо подходит для конвейеров генерации коротких роликов; параллельте задачи по нескольким GPU для 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 H100 SXM 80GB HBM3
Процессор2× Intel Xeon Scalable 4-го
Оперативная памятьдо 4TB DDR5 ECC RDIMM, 32 DIMM-слотах
SSD накопителидо до 8× 2.5" NVMe U.2/U.3 и 2× M.2 RAID SSD (Read-Intensive и Mixed-Use)

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