Performance Rating
NVIDIA H200 SXM 141 GB outperforms Intel Data Center GPU Flex 170 by 539.89% in the overall GPU ARK performance rating
NVIDIA H200 SXM 141 GB
Expert Comparison
Intel Data Center GPU Flex 170 подходит для задач средней сложности, таких как обработка больших данных и машинное обучение. Он имеет более низкую мощность потребления (150 Вт) и доступную память (16 ГБ GDDR6), что делает его экономичным решением. NVIDIA H200 SXM 141 GB, с другой стороны, предназначен для высокопроизводительных вычислений и имеет гораздо большую пропускную способность (4.89 ТБ/с) и больше ядер (16896). Его TDP в 700 Вт указывает на большую мощность, а индекс производительности GPU (GPI) в 67.4 демонстрирует его превосходство в скорости выполнения задач.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+781%
141
ГБ
Memory Type
Memory Bandwidth
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+697%
267.6
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+299%
66.91
TFLOPS
FP64 (Double Precision)
33.45
TFLOPS
CUDA Cores
+312%
16,896
RT Cores
32
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
132
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+30%
1,950
Boost Clock
+4%
2,050
Memory Clock
+26%
2,000
Power Consumption
Recommended PSU
-59%
450 W
Power Connector
TDP/TGP
-79%
150 W
Rendering
Texture Units (TMU)
+106%
528
ROP
32
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 (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
