Performance Rating
AMD Radeon Instinct MI300X outperforms NVIDIA Quadro M2000 by 5,435.29% in the overall GPU ARK performance rating
NVIDIA Quadro M2000
Expert Comparison
AMD Radeon Instinct MI300X значительно превосходит NVIDIA Quadro M2000 в вычислительной мощности, памяти и энергопотреблении. MI300X с 192 ГБ HBM3 и 81.72 TFLOPS FP32 способен эффективно обрабатывать большие объемы данных и выполнять сложные вычисления. В то время как Quadro M2000 с 4 ГБ GDDR5 и 1.786 TFLOPS FP32 больше подходит для базовых задач визуализации и профилирования. MI300X также потребляет гораздо больше энергии, что делает его более подходящим для высокопроизводительных вычислений.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+4,700%
192
ГБ
Memory Type
Memory Bandwidth
10.3 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
653.7
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+4,476%
81.72
TFLOPS
FP64 (Double Precision)
+146,352%
81.72
TFLOPS
CUDA Cores
+2,433%
19,456
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit (first supported)
CUDA Toolkit (deprecated)
CUDA Toolkit (support removed)
CUDA Toolkit status
Clocks & Performance
Base Clock
+26%
1,000
Boost Clock
+81%
2,100
Memory Clock
+53%
2,525
Power Consumption
Recommended PSU
-78%
250 W
Power Connector
TDP/TGP
-90%
75 W
Rendering
Texture Units (TMU)
+2,433%
1,216
ROP
L2 Cache
16 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-2-7b-Q4_0
MLPerf, mixtral-8x7b (fp8)
Additional
Slots
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
