Performance Rating
NVIDIA H200 SXM 141 GB outperforms NVIDIA CMP 40HX by 1,026.76% in the overall GPU ARK performance rating
NVIDIA H200 SXM 141 GB
Expert Comparison
NVIDIA H200 SXM значительно превосходит NVIDIA CMP 40HX в количестве ядер (16896 против 2304), объеме памяти (141 ГБ HBM3e против 8 ГБ GDDR6) и пропускной способности (4.89 ТБ/с против 448 ГБ/с). H200 SXM также имеет более высокую производительность в вычислениях FP32 (66.91 ТФЛОПС против 7.603 ТФЛОПС) и большую TDP (700 Вт против 185 Вт). CMP 40HX лучше подходит для базовых задач и среднего класса игр, тогда как H200 SXM идеально подходит для вычислительных задач высокой сложности и обработки больших объемов данных.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+1,662%
141
ГБ
Memory Type
Memory Bandwidth
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+1,659%
267.6
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+780%
66.91
TFLOPS
FP64 (Double Precision)
+13,978%
33.45
TFLOPS
CUDA Cores
+633%
16,896
RT Cores
36
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+267%
132
PCIe Version
ML Software Support
CUDA Version
9.0
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+2%
1,500
Boost Clock
+20%
1,980
Memory Clock
+10%
1,750
Power Consumption
Recommended PSU
-59%
450 W
Power Connector
TDP/TGP
-74%
185 W
Rendering
Texture Units (TMU)
+267%
528
ROP
36
L2 Cache
+1,150%
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
