Performance Rating
AMD Radeon Instinct MI300X outperforms PNY DGX Spark by 441.74% in the overall GPU ARK performance rating
PNY DGX Spark
Expert Comparison
AMD Radeon Instinct MI300X обладает гораздо большей производительностью, особенно в вычислениях с плавающей запятой (81.72 TFLOPS против 29.71 TFLOPS у PNY DGX Spark). Она также имеет более широкую шину памяти (8192 бит против 256 бит) и большее количество ядер (19456 против 6144). Однако MI300X потребляет значительно больше энергии (750 Вт против 140 Вт). MI300X предназначена для высокопроизводительных вычислений, таких как машинное обучение и симуляции, тогда как PNY DGX Spark более энергоэффективен и подходит для менее интенсивных задач.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+50%
192
ГБ
Memory Type
Memory Bandwidth
10.3 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+2,100%
653.7
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+175%
81.72
TFLOPS
FP64 (Double Precision)
+17,501%
81.72
TFLOPS
CUDA Cores
+217%
19,456
RT Cores
48
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
48
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+66%
1,665
Boost Clock
+15%
2,418
Memory Clock
+137%
2,525
Power Consumption
Recommended PSU
-74%
300 W
Power Connector
TDP/TGP
-81%
140 W
Rendering
Texture Units (TMU)
+217%
1,216
ROP
48
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-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
