
Supermicro AS-8126GS-TNMR (8× Instinct MI350X 288GB)
49 091 600 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-21591
- 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)
- AMD Instinct MI350X
- Количество GPU, шт
- 8
- Общий объем видеопамяти (VRAM), ГБ
- 2304
- Тип памяти GPU
- HBM3e
- Объем оперативной памяти (RAM), ГБ
- 6144
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 8U
- Тип точности Совокупная мощность восьми Instinct MI350X OAM
- Совокупная мощность восьми Instinct MI350X OAM
- FP8*
- 73.6 PFLOPS
- FP16 Matrix*
- 36.8 PFLOPS
- FP16
- 1153.6 TFLOPS
- FP32 Matrix
- 1153.6 TFLOPS
- FP32
- 1153.6 TFLOPS
- FP64 Matrix
- 576.8 TFLOPS
- FP64
- 576.8 TFLOPS
- INT8 Matrix*
- 73.6 POPS
- BF16 Matrix*
- 36.8 PFLOPS
- Видеокарта
- 8x AMD Instinct MI350X OAM 288GB HBM3e
- Процессор
- 2× AMD EPYC 9005/9004 (SP5 (LGA 6096))
- Оперативная память
- до 6TB DDR5 ECC RDIMM, 24 слота
- SSD накопители
- 8× 2.5" NVMe + 2× 2.5" SATA, 2× M.2 NVMe (PCIe 3.0 x4 (22110)
Описание
Supermicro AS-8126GS-TNMR - 8U GPU-сервер для задач, где важны Обучение моделей (Training), Дообучение моделей (Fine-tuning), Инференс / Развертывание (Inference), RAG-системы (Retrieval-Augmented Generation) и HPC / Научные расчёты. Платформа рассчитана на 2 процессора AMD EPYC (Socket SP5) и работу в экосистеме ROCm.
В конфигурации установлено 8 × AMD Instinct MI350X по 288 GB, суммарно 2304 GB (2.3 TB) HBM3E VRAM. Большой объём памяти помогает держать крупные модели, длинный контекст и KV-cache, а также повышать параллельность запросов в продакшн-сервисах.
Производительность GPU
| Тип точности | Совокупная мощность восьми Instinct MI350X OAM |
| FP8 | 36.8 PFLOPS |
| FP8* | 73.6 PFLOPS |
| FP16 Matrix | 18.4 PFLOPS |
| FP16 Matrix* | 36.8 PFLOPS |
| FP16 | 1153.6 TFLOPS |
| FP32 Matrix | 1153.6 TFLOPS |
| FP32 | 1153.6 TFLOPS |
| FP64 Matrix | 576.8 TFLOPS |
| FP64 | 576.8 TFLOPS |
| INT8 Matrix | 36.8 POPS |
| INT8 Matrix* | 73.6 POPS |
| BF16 Matrix | 18.4 PFLOPS |
| BF16 Matrix* | 36.8 PFLOPS |
* C структурированной разреженностью
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-V4-Pro | Нет | Примерно 865GB | ✅ | Уверенный запуск на 8 × MI350X, остаётся запас под контекст и KV-cache. |
| Qwen3.8-2.4T-A95B-GGUF | UD-IQ4_XS | Примерно 1.31TB | ✅ | Работает с квантизацией , удобно распределять на 4 - 8 × MI350X. |
| Gpt-oss:120b | Нет | Примерно 196GB | ✅ | Хватает 1 - 2 GPU, остальная VRAM под высокий QPS и параллельные запросы. |
| GigaChat3.5-432B-A28B-bf16 | Нет | Примерно 868GB | ✅ | Лучше распределять на 8 × MI350X для максимального throughput. |
| Mistral-Large-3-675B-Instruct-251 | Нет | Примерно 682GB | ✅ | Подходит для длинного контекста и больших батчей на 8× MI350X. |
| GLM-5.3 | Нет | Примерно 756GB | ✅ | Помещается на 8× MI350X, остаётся запас под KV-cache и concurrency. |
| 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 | ✅ | High-res и большие батчи, генерацию удобно распараллеливать по GPU. |
| Flux.2-dev | Текст в изображение | ✅ | Можно поднимать разрешение и throughput через параллельные очереди. |
| SD Turbo | Быстрые предпросмотры | ✅ | Идеален для быстрых превью и высокой параллельности на узле. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Можно запускать несколько пайплайнов одновременно без упора в память. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Короткое видео удобно рендерить параллельно на нескольких 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
| Видеокарта | 8x AMD Instinct MI350X OAM 288GB HBM3e |
| Процессор | 2× AMD EPYC 9005/9004 (SP5 (LGA 6096)) |
| Оперативная память | до 6TB DDR5 ECC RDIMM, 24 слота |
| SSD накопители | 8× 2.5" NVMe + 2× 2.5" SATA, 2× M.2 NVMe (PCIe 3.0 x4 (22110) |
Если нужна конфигурация на эту платформу под ваши задачи - свяжитесь с менеджером, и мы предложим подходящий вариант под бюджет и требования.