Performance Rating
NVIDIA RTX PRO 6000 Blackwell Server outperforms GALAX GTX 1630 General OC by 3,514.47% in the overall GPU ARK performance rating
NVIDIA RTX PRO 6000 Blackwell Server
Expert Comparison
GALAX GTX 1630 General OC подходит для базовых задач, таких как обработка видео и простые игры, благодаря своим 512 ядрам и 4 ГБ памяти. Она потребляет меньше энергии (75 Вт) и имеет более низкий TDP, что делает её подходящей для мобильных устройств или компактных систем. В то время как NVIDIA RTX PRO 6000 Blackwell Server предназначена для серверных задач и профессионального использования, с 24064 ядрами и 96 ГБ памяти, обеспечивая гораздо большую производительность (126.0 TFLOPS FP32 и 1.79 TB/s пропускная способность). Эта видеокарта потребляет значительно больше энергии (600 Вт) и предназначена для мощных серверов.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+2,300%
96
ГБ
Memory Type
Memory Bandwidth
1.79 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+3,290%
126.0
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+6,678%
126.0
TFLOPS
FP64 (Double Precision)
+3,287%
1.968
TFLOPS
CUDA Cores
+4,600%
24,064
RT Cores
188
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+2,250%
188
PCIe Version
ML Software Support
CUDA Version
12.0
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+9%
1,740
Boost Clock
+44%
2,617
Memory Clock
+17%
1,750
Power Consumption
Recommended PSU
-75%
250 W
Power Connector
TDP/TGP
-88%
75 W
Rendering
Texture Units (TMU)
+2,250%
752
ROP
188
L2 Cache
128 MB
Benchmarks
MLPerf, llama2-70b-99.9 (fp4)
MLPerf, llama3.1-8b (fp4)
Geekbench AI, FP16
Geekbench AI, INT8
Geekbench AI, FP32
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
