
Supermicro SYS-221GE-NR (4x NVIDIA H100 NVL 94GB)
17 947 500 ₽
Цена ориентировочная. Информация в каталоге не является публичной офертой.
- Артикул
- SF-23460
- 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)
- Intel Xeon
- Видеокарта (GPU)
- NVIDIA H100
- Количество GPU, шт
- 4
- Общий объем видеопамяти (VRAM), ГБ
- 376
- Тип памяти GPU
- HBM3
- Объем оперативной памяти (RAM), ГБ
- 8192
- Тип оперативной памяти
- DDR5 ECC REG
- Форм-фактор
- 2U
- Тип точности Совокупная мощность четырех H100 NVL
- Совокупная мощность четырех H100 NVL
- FP64 Tensor Core
- 240 TFLOPS
- FP32 Tensor Core
- 3 340 TFLOPS
- BF16/FP16 Tensor Core
- 6 684 TFLOPS
- FP8 Tensor Core
- 13 364 TFLOPS
- INT8 Tensor Core
- 9 984 TOPS
- Платформа
- Supermicro SYS-221GE-NR
- Видеокарта
- 4x NVIDIA H100 NVL 94GB HBM3
- Процессор
- 2x Intel Xeon Scalable 4th и 5th Gen в сокетах LGA 4677
- Оперативная память
- 32 DIMM, до 8TB DDR5 ECC RDIMM
- SSD накопитель
- 8x E1.S NVMe, 2x M.2 NVMe/SATA slots (M-key)
Описание
Supermicro SYS-221GE-NR в конфигурации с 4x NVIDIA H100 NVL 94GB и суммарными 376 GB HBM3 - это серверный узел для задач уровня дата-центра, где важны максимальная плотность вычислений, высокая пропускная способность памяти и стабильная работа под длительной нагрузкой. Такая система особенно хорошо подходит для Обучения моделей (Training), Дообучения моделей (Fine-tuning), Инференса / Развертывания (Inference), RAG-систем и HPC / Научных расчётов.
GPU NVIDIA H100 NVL построены на архитектуре Hopper и ориентированы на современные AI-нагрузки с поддержкой FP16, FP8 и INT8, что делает платформу эффективной как для тяжёлых LLM, так и для ускорения инференса в production-среде. Большой суммарный объём HBM3 позволяет запускать крупные модели с более высоким качеством квантизации, увеличенным контекстом, большим batch size и несколькими параллельными пайплайнами без жёсткой экономии видеопамяти.
За счёт такого запаса VRAM сервер уверенно чувствует себя в сценариях обучения и дообучения больших языковых моделей, генеративных систем и сложных вычислительных задач. Платформа хорошо сочетается с экосистемой CUDA, современными версиями PyTorch, TensorRT, vLLM и другими AI-фреймворками, где H100 раскрывает преимущество по пропускной способности и ускорению матричных операций.
Производительность GPU
| Тип точности | Совокупная мощность четырех H100 NVL |
| FP64 Tensor Core | 240 TFLOPS |
| FP32 Tensor Core | 3 340 TFLOPS |
| BF16/FP16 Tensor Core | 6 684 TFLOPS |
| FP8 Tensor Core | 13 364 TFLOPS |
| INT8 Tensor Core | 9 984 TOPS |
Совместимость с LLM-моделями
| Модель | Тип квантизации | Требуется VRAM | Совместимость | Примечание |
| DeepSeek-R1-Distill-Llama-70B | Нет | Примерно 141GB | ✅ | Уверенно распределяется между 2 GPU и оставляет большой запас под длинный контекст, KV-cache и несколько параллельных сценариев inference. |
| Qwen3-235B-A22B-Thinking-2507-FP8 | FP8 | Примерно 236GB | ✅ | Хорошо подходит для крупного inference на одном узле и сохраняет заметный запас памяти под контекст, батчи и стабильную multi-user нагрузку. |
| gpt-oss:120b | Нет (FP16) | Примерно 260GB | ✅ | Комфортно работает на 4 GPU и даёт хороший запас под KV-cache, высокий throughput и параллельное обслуживание нескольких запросов. |
| Mistral-Large-3-675B-Instruct-2512-GGUF | IQ4_XS | Примерно 360GB | ⚠️ | Запуск возможен на 4x H100 NVL 94GB, но запас по памяти уже минимальный, поэтому важны аккуратные настройки контекста, batch size и KV-cache. |
| GLM-5.3-Flash | Нет | Примерно 328GB | ✅ | Модель близка к пределу по VRAM для этой конфигурации, поэтому для стабильного serving нужны умеренный контекст и точная настройка multi-GPU распределения. |
| GigaChat3.5-432B-A28B-GGUF | Q4_K_M | Примерно 262GB | ✅ | Отлично подходит для reasoning, кода, анализа текста и ассистентских задач. |
| gemma-4-31B-it | нет | Примерно 62.6GB | ✅ | Очень лёгкая модель для 4x H100 NVL и удобна для нескольких одновременных инстансов, длинного контекста и высокой плотности запросов. |
| 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 XL 1.0 | Текст в изображение | ✅ | Уверенно подходит для high-res генерации, крупных батчей и параллельных пайплайнов на нескольких GPU. |
| FLUX.2-dev | Текст в изображение | ✅ | Требовательная модель, но на 4x H100 NVL её удобно распределять по GPU и держать серьёзную очередь задач с хорошим запасом по памяти. |
| SD Turbo | Быстрые предпросмотры | ✅ | Отлично подходит для быстрых итераций, массовой генерации и высокой плотности параллельных задач. |
| Kandinsky-5.0-T2I-Lite-sft-Diffusers | Текст в изображение | ✅ | Лёгкая версия Kandinsky 5.0 и на этой конфигурации остаётся большой запас видеопамяти под высокое разрешение, батчи и параллельные задания. |
| Kandinsky-6.0-Pro-distill-5s-Diffusers | Текст/изображение в видео со звуком | ✅ | Подходит для пакетной генерации коротких роликов и хорошо масштабируется на нескольких GPU с высоким запасом по производительности. |
| 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 SYS-221GE-NR |
| Видеокарта | 4x NVIDIA H100 NVL 94GB HBM3 |
| Процессор | 2x Intel Xeon Scalable 4th и 5th Gen в сокетах LGA 4677 |
| Оперативная память | 32 DIMM, до 8TB DDR5 ECC RDIMM |
| SSD накопитель | 8x E1.S NVMe, 2x M.2 NVMe/SATA slots (M-key) |