Performance Rating
NVIDIA RTX PRO 6000 Blackwell Server outperforms NVIDIA H100 NVL 94 GB by 0.42% in the overall GPU ARK performance rating
NVIDIA RTX PRO 6000 Blackwell Server
Expert Comparison
NVIDIA H100 NVL 94 GB имеет более высокую пропускную способность памяти (3.94 TB/s против 1.79 TB/s) и большее количество ядер (16896 против 24064), что делает его предпочтительным для вычислительных задач и больших данных. Однако H100 потребляет меньше энергии (400 Вт против 600 Вт) и имеет незначительно меньший GPI (57.2 против 57.5). Напротив, NVIDIA RTX PRO 6000 Blackwell Server предлагает большую производительность в FP32 (126.0 TFLOPS против 60.32 TFLOPS) и более широкую шину памяти (512 бит против 6016 бит), что делает его лучшим выбором для графических задач и машинного обучения с меньшими объемами данных.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+2%
96
ГБ
Memory Type
Memory Bandwidth
1.79 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+92%
241.3
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+109%
126.0
TFLOPS
FP64 (Double Precision)
+1,433%
30.16
TFLOPS
CUDA Cores
+42%
24,064
RT Cores
188
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+42%
188
PCIe Version
ML Software Support
CUDA Version
12.0
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+47%
1,590
Boost Clock
+47%
2,617
Memory Clock
+34%
1,750
Power Consumption
Recommended PSU
-20%
800 W
Power Connector
TDP/TGP
-33%
400 W
Rendering
Texture Units (TMU)
+42%
752
ROP
188
L2 Cache
50 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
