Performance Rating
NVIDIA H200 SXM 141 GB outperforms AMD Radeon R5 A335 by 11,721.05% in the overall GPU ARK performance rating
NVIDIA H200 SXM 141 GB
Expert Comparison
Видеокарта NVIDIA H200 SXM значительно превосходит AMD Radeon R5 A335 по всем параметрам. У NVIDIA H200 SXM более мощная архитектура Hopper, гораздо большее количество ядер (16896 против 320), больше объем памяти (141 ГБ HBM3e против 2 ГБ DDR3) и гораздо большую пропускную способность (4.89 TB/s против 14.40 GB/s). Кроме того, её индекс производительности GPU Performance Index составляет 67.4, в то время как у Radeon R5 A335 этот показатель всего 0.6. NVIDIA H200 SXM предназначена для высокопроизводительных вычислений и машинного обучения, тогда как Radeon R5 A335 больше подходит для базовых задач и легких приложений.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+6,950%
141
ГБ
Memory Type
Memory Bandwidth
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
267.6
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+9,671%
66.91
TFLOPS
FP64 (Double Precision)
33.45
TFLOPS
CUDA Cores
+5,180%
16,896
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
132
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit status
Clocks & Performance
Base Clock
1,500
Boost Clock
1,980
Memory Clock
+77%
1,593
Power Consumption
Recommended PSU
Power Connector
TDP/TGP
Rendering
Texture Units (TMU)
+2,540%
528
ROP
L2 Cache
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 (fp16)
MLPerf, llama3.1-405b (fp8)
MLPerf, llama3.1-8b (fp8)
MLPerf, deepseek-r1 (fp8)
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
