Performance Rating
AMD Radeon Instinct MI300X outperforms NVIDIA B200 by 42.99% in the overall GPU ARK performance rating
NVIDIA B200
Expert Comparison
AMD Radeon Instinct MI300X лучше по пропускной способности памяти (10.3 TB/s против 4.10 TB/s) и общему показателю производительности (GPI 94.1 против 65.8). Он также имеет большую память (192 ГБ HBM3 против 90 ГБ HBM3e) и более высокую частоту boost. Однако NVIDIA B200 обладает более низким TDP (1000 Вт против 750 Вт) и может быть более энергоэффективным для задач с меньшими вычислительными нагрузками. MI300X лучше для вычислительных задач и машинного обучения, тогда как B200 может быть предпочтительнее для менее интенсивных вычислений или при ограниченном энергетическом бюджете.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+113%
192
ГБ
Memory Type
Memory Bandwidth
+151%
10.3 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+54,777%
653.7
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+10%
81.72
TFLOPS
FP64 (Double Precision)
+120%
81.72
TFLOPS
CUDA Cores
+3%
19,456
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
148
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+43%
1,000
Boost Clock
+7%
2,100
Memory Clock
+26%
2,525
Power Consumption
Recommended PSU
-18%
1150 W
Power Connector
TDP/TGP
-25%
750 W
Rendering
Texture Units (TMU)
+105%
1,216
ROP
L2 Cache
+212%
50 MB
Benchmarks
MLPerf, llama2-70b-99.9 (UNSET)
MLPerf, llama2-70b-99.9 (fp16)
MLPerf, llama2-70b-99.9 (fp8)
MLPerf, llama3.1-405b (UNSET)
MLPerf, llama3.1-405b (fp16)
llama.cpp, llama 7B Q4_0
llama.cpp, llama-2-7b-Q4_0
MLPerf, mixtral-8x7b (fp8)
Additional
Slots
SXM Module
Release Date
Display Outputs
Renting is cheaper than buying
H100 80Gb SXM (80GB)
NVIDIA
Флагманская GPU на архитектуре Hopper с 80 ГБ памяти HBM3 в форм-факторе SXM. Создана для обучения и инференса больших языковых моделей, HPC задач. Поддерживает FP64, FP32, TF32, FP16, BF16, FP8 и INT8 вычисления с Tensor Cores 4-го поколения.
from 299.11 RUB/hour
