Performance Rating
AMD Radeon Instinct MI325X outperforms NVIDIA B200 by 51.95% in the overall GPU ARK performance rating
NVIDIA B200
Expert Comparison
AMD Radeon Instinct MI325X имеет значительное преимущество в пропускной способности памяти (10.3 TB/s против 4.10 TB/s) и общем объеме памяти (288 ГБ против 90 ГБ), что делает его более эффективным для вычислений с большими данными и глубокого обучения. Однако NVIDIA B200 предлагает более высокую производительность FP32 (74.45 TFLOPS против 81.72 TFLOPS) и более низкую базовую частоту (700 МГц против 1000 МГц), что может быть важным фактором для определенных приложений. MI325X больше подходит для задач с большим объемом данных и высокими требованиями к памяти, в то время как B200 может быть предпочтительнее для приложений, требующих высокой точности вычислений FP32.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+220%
288
ГБ
Memory Type
Memory Bandwidth
+151%
10.3 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+54,777%
653.7
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+10%
81.72
TFLOPS
FP64 (Double Precision)
+120%
81.72
TFLOPS
CUDA Cores
+3%
19,456
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
148
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+43%
1,000
Boost Clock
+7%
2,100
Memory Clock
+26%
2,525
Power Consumption
Recommended PSU
Power Connector
TDP/TGP
Rendering
Texture Units (TMU)
+105%
1,216
ROP
L2 Cache
+212%
50 MB
Benchmarks
MLPerf, llama2-70b-99.9 (Dummy)
MLPerf, llama2-70b-99.9 (fp8)
llama.cpp, llama 7B Q4_0
llama.cpp, llama-2-7b-Q4_0
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
