← Каталог оборудования
NVIDIA GB200 NVL72 (36x GB200 Grace Blackwell)
NVIDIAНовый

NVIDIA GB200 NVL72 (36x GB200 Grace Blackwell)

554 415 400 ₽

Цена ориентировочная. Информация в каталоге не является публичной офертой.

Артикул
SF-24373
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) / Визуализация и рендеринг
Процессор (CPU)
NVIDIA GB200 (Grace)
Видеокарта (GPU)
NVIDIA GB200 (Blackwell)
Количество GPU, шт
72
Общий объем видеопамяти (VRAM), ГБ
13392
Тип памяти GPU
HBM3e
Объем оперативной памяти (RAM), ГБ
17856
Тип оперативной памяти
LPDDR5x
Форм-фактор
48U
Тип точности Совокупная мощность системы
Совокупная мощность системы
FP4 (NVFP4) Tensor core
1440 PFLOPS
FP8 Tensor core
720 PFLOPS
FP6 Tensor core
720 PFLOPS
FP16 Tensor core
360 PFLOPS
BF16 Tensor core
360 PFLOPS
FP32
6 PFLOPS
TF32 Tensor core
180 PFLOPS
FP64 Tensor core
3 PFLOPS
INT8
720 POPS

Описание

NVIDIA GB200 NVL72 - это стоечная жидкостно-охлаждаемая AI-платформа, рассчитанная на Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation), Анализ данных (Data Science) и HPC / Научные расчёты. Система объединяет 72 GPU Blackwell в единый NVLink-домен, который работает как масштабный вычислительный контур для моделей самого высокого класса.

Платформа располагает 13,4 ТБ HBM3e VRAM с пропускной способностью до 576 ТБ/с, а NVLink Switch System обеспечивает до 130 ТБ/с межGPU-коммуникаций. Архитектура Blackwell поддерживает FP4, FP8/FP6, FP16/BF16 и INT8, что особенно важно для крупных LLM, MoE-моделей, высокоплотного инференса и ресурсоёмкого обучения.

GB200 NVL72 не является профильным решением для классического видеонаблюдения. Его основная область - корпоративные и исследовательские AI-задачи, где критичны экстремальный объём памяти, высокая скорость обмена между ускорителями и масштабирование до триллионных моделей.


Производительность GPU

Тип точностиСовокупная мощность системы
FP4 (NVFP4) Tensor core1440 PFLOPS
FP8 Tensor core720 PFLOPS
FP6 Tensor core720 PFLOPS
FP16 Tensor core360 PFLOPS
BF16 Tensor core360 PFLOPS
FP326 PFLOPS
TF32 Tensor core180 PFLOPS
FP64 Tensor core3 PFLOPS
INT8720 POPS

Совместимость с LLM-моделями

Модель Тип квантизации Требуется VRAM Совместимость Примечание
DeepSeek-V4-Pro Нет Примерно 865GB ✅ GB200 NVL72 обеспечивает уверенный запуск модели с большим запасом под длинный контекст, KV-cache и высокий параллелизм запросов.
Qwen3.8-2.4T-A95B Нет Примерно 4.89TB ✅ Крупная MoE-модель для серверов с большим объёмом GPU-памяти; подходит для сложных reasoning-задач, RAG, агентных сценариев и production-инференса. Для стабильной работы требуется распределение по нескольким GPU и достаточный запас памяти под KV-cache, длинный контекст и параллельные запросы.
Gpt-oss:120b Нет Примерно 196GB ✅ Для такой модели система имеет многократный запас по памяти и вычислениям, что особенно полезно для высокой concurrency и длинного контекста.
GigaChat3.5-432B-A28B-bf16 Нет Примерно 868GB ✅ NVL72 подходит для стабильной работы модели в крупномасштабном инференсе, включая длинный контекст, большие батчи и параллельное обслуживание пользователей.
Mistral-Large-3-675B-Instruct-251 Нет Примерно 682GB ✅ Платформа даёт значительный запас для длинных контекстных окон, крупных батчей и производительного корпоративного serving.
GLM-5.3 Нет Примерно 756GB ✅ GB200 NVL72 рассчитан на модели такого класса и оставляет большой резерв под KV-cache, параллельные запросы и масштабный инференс.
Gemma-4-31B-IT-NVFP4 NVFP4 (FP4 для NVIDIA) Примерно 32.7GB ✅ Для GB200 NVL72 это крайне лёгкая модель, которую удобно масштабировать на большое число параллельных инстансов с длинным контекстом и высокой плотностью запросов.
NVIDIA-Nemotron-3-Super-120B-A12B-NVFP4 NVFP4 (FP4 для NVIDIA) Примерно 80.4GB ✅ GB200 NVL72 запускает такую модель с огромным запасом по памяти и производительности, что удобно для большого числа одновременных инстансов, длинного контекста и высоконагруженного serving.
Kimi-K3 Нет Примерно 1.56TB ✅ 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 ✅ Система легко справляется с high-res генерацией, крупными батчами и массовым параллельным запуском пайплайнов.
Flux.2-dev Текст в изображение ✅ Масштаб NVL72 позволяет увеличивать разрешение, скорость обработки и количество одновременных генеративных очередей.
SD Turbo Быстрые предпросмотры ✅ Подходит для экстремально высокой параллельности и быстрого создания большого числа превью в реальном рабочем потоке.
Kandinsky-5.0-T2I-Lite-sft-Diffusers Текст в изображение ✅ Можно одновременно обслуживать множество независимых генеративных пайплайнов без заметного упора в видеопамять.
Kandinsky-6.0-Pro-distill-5s-Diffusers Текст/изображение в видео со звуком ✅ Платформа хорошо подходит для параллельной генерации коротких видеороликов и ускорения тяжёлых видеодиффузионных сценариев.
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.