Performance Rating
NVIDIA B300 outperforms Gainward GTX 960 4 GB by 3,443.35% in the overall GPU ARK performance rating
NVIDIA B300
Expert Comparison
Gainward GTX 960 4 GB лучше подходит для базовых игр и задач средней сложности благодаря своей умеренной мощности и доступной цене. Несмотря на более старую архитектуру Maxwell 2.0, она обеспечивает хорошую производительность за счет высокой пропускной способности памяти (112.2 GB/s) и достаточной TDP (120 Вт). NVIDIA B300 с архитектурой Blackwell Ultra и HBM3e памятью обладает значительно большей производительностью (76.99 TFLOPS против 2.413 TFLOPS), что делает его идеальным выбором для высокопроизводительных вычислений, машинного обучения и графики требовательных приложений. Однако его высокая потребляемая мощность (1400 Вт) и стоимость делают его менее подходящим для повседневного использования.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering AdditionalMemory
Memory Size
+3,500%
144
ГБ ×2 (288 ГБ)
Memory Type
Memory Bandwidth
4.10 TB/s
×2 (8.2 TB/s)
Memory Bus Width
ML Performance
FP16 (Half Precision)
1.2318
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+3,091%
76.99
TFLOPS
FP64 (Double Precision)
+1,495%
1.2029
TFLOPS
CUDA Cores
+1,750%
18,944
×2 (37888)
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
148
PCIe Version
ML Software Support
CUDA Version
10.3
CUDA Toolkit (first supported)
CUDA Toolkit (deprecated)
CUDA Toolkit (support removed)
CUDA Toolkit status
Clocks & Performance
Base Clock
+48%
1,665
Boost Clock
+72%
2,032
Memory Clock
+14%
2,000
Power Consumption
Recommended PSU
-83%
300 W
Power Connector
TDP/TGP
-91%
120 W
Rendering
Texture Units (TMU)
+825%
592
×2 (1184)
ROP
L2 Cache
50 MB
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
