
Supermicro 4124GS-TNR (6× H100 80GB, 2× EPYC 7773X, RAM 2TB)
20 521 600 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-17427
- 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)
- AMD EPYC
- Видеокарта (GPU)
- NVIDIA H100
- Количество GPU, шт
- 6
- Общий объем видеопамяти (VRAM), ГБ
- 480
- Тип памяти GPU
- HBM3
- Объем оперативной памяти (RAM), ГБ
- 2048
- Тип оперативной памяти
- DDR4 ECC REG LR
- Форм-фактор
- 4U
- Тип точности Совокупная мощность шести H100
- Совокупная мощность шести H100
- FP64 Tensor Core
- 306 TFLOPS
- TF32 Tensor Core
- 4536 TFLOPS
- BF16/FP16 Tensor Core
- 9078 TFLOPS
- FP8 Tensor Core
- 18156 TFLOPS
- INT8 Tensor Core
- 18156 TOPS
- Платформа
- Supermicro A+ Server 4124GS-TNR 4U 24SFF
- Видеокарта
- 6x NVIDIA H100 OEM 80GB HBM3
- Процессор
- 2x AMD EPYC 7773X (64c/128t, 2.2GHz-3.5GHz, 280W)
- Оперативная память
- 16x 128GB DDR4 ECC REG SK Hynix 2666Mhz 2S4Rx4 LR
- SSD накопитель
- 4x Intel D5-P5530 1.92TB 2.5" U.2
Описание
Сервер на шести NVIDIA H100 OEM 80GB - флагман для Обучения моделей (Training), Дообучения (Fine-tuning), Инференса / Развертывания и HPC / Научных расчётов крупных LLM и мультимодальных систем, а также RAG-систем и HPC / Научных расчётов. Суммарные 480 GB HBM3 позволяют уверенно держать крупные модели (в т.ч. без квантизации), длинные контексты и высокие батчи с распределением по нескольким GPU. Hopper приносит тензорные ядра с FP8/FP16/BF16/INT8, Transformer Engine, высокий interconnect (NVLink/NVSwitch при наличии) и зрелый стек CUDA 12.x / PyTorch 2.x / vLLM / TensorRT-LLM / DeepSpeed. Ограничения: нет задач визуализации/рендера — сервер заточен под ИИ и вычисления.
Производительность GPU
| Тип точности | Совокупная мощность шести H100 |
| FP64 Tensor Core | 306 TFLOPS |
| TF32 Tensor Core | 4536 TFLOPS |
| BF16/FP16 Tensor Core | 9078 TFLOPS |
| FP8 Tensor Core | 18156 TFLOPS |
| INT8 Tensor Core | 18156 TOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-R1-GGUF 671B | Q4_K_M | Примерно 404GB | ✅ | Укладывается в 6×80GB; распределение по всем GPU, держите умеренный контекст. |
| Qwen3.5-397B-A17B-FP8 / Qwen3.6-35B-A3B | FP8 / Нет | Примерно 406GB / 71.9 GB | ✅ | Укладывается в 6×80GB; распределение по всем GPU |
| gpt-oss-120b | Нет | Примерно 196GB | ✅ | Комфортно на 3–4 GPU; для обучения используйте BF16/TE. | GigaChat3.5-432B-A28B | Нет | Примерно 438GB | ✅ | Укладывается в 6×80GB с запасом; подходит для сложных русскоязычных ассистентов, аналитики и генерации длинных текстов. |
| Mistral-Large-3-675B GGUF | Q4_K_M | Примерно 404GB | ✅ | Уверенно работает на 6×80GB; многоязычная модель для reasoning-задач, RAG-сценариев и интеллектуальных агентов с умеренным контекстом. |
| GLM-5.3-Flash | Нет | Примерно 328GB | ✅ | Уверенно работает на 6×H100; подходит для многоязычных ассистентов, аналитики и производственных LLM-сервисов. |
| 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 Medium | Текст в изображение | ✅ | Генерирует картинки до 2048×2048. Поддерживает сложные сцены и типографику. Для 4K используйте разбиение на части (тайлинг). |
| FLUX.2-dev | Текст в изображение | ✅ | Современная и быстрая модель генерации изображений. Работает плавно на всех 6 GPU, подходит для больших батчей и фоновой генерации. |
| Stable Video Diffusion 1.1 | Видео(img2vid) | ✅ | Создаёт короткие ролики (4–6 секунд). Для длинных видео используйте поэтапный рендер и склейку. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая версия Kandinsky 5.0; требует ~35GB VRAM, на этих конфигурациях есть большой запас по видеопамяти для высокого разрешения и батчей. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Модель для генерации 5-секундных видео с синхронизированным звуком по тексту или изображению. |
| 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 | Supermicro A+ Server 4124GS-TNR 4U 24SFF |
| Видеокарта | 6x NVIDIA H100 OEM 80GB HBM3 |
| Процессор | 2x AMD EPYC 7773X (64c/128t, 2.2GHz-3.5GHz, 280W) |
| Оперативная память | 16x 128GB DDR4 ECC REG SK Hynix 2666Mhz 2S4Rx4 LR |
| SSD накопитель | 4x Intel D5-P5530 1.92TB 2.5" U.2 |