Performance Rating
NVIDIA H200 SXM 141 GB outperforms NVIDIA L20 by 134.37% in the overall GPU ARK performance rating
NVIDIA L20
Expert Comparison
NVIDIA H200 SXM 141 GB имеет более мощную архитектуру Hopper с большей памятью (141 ГБ HBM3e) и пропускной способностью (4.89 ТБ/с), что делает его предпочтительным для вычислительных задач, машинного обучения и высокопроизводительных вычислений. В то время как NVIDIA L20 с архитектурой Ada Lovelace менее мощный по многим параметрам, он потребляет меньше энергии (275 Вт против 700 Вт) и может быть более подходящим для менее интенсивных задач или для использования в ограниченном энергетическом режиме.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+194%
141
ГБ
Memory Type
Memory Bandwidth
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+351%
267.6
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+13%
66.91
TFLOPS
FP64 (Double Precision)
+3,507%
33.45
TFLOPS
CUDA Cores
+43%
16,896
RT Cores
92
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+43%
132
PCIe Version
ML Software Support
CUDA Version
9.0
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+4%
1,500
Boost Clock
+27%
2,520
Memory Clock
+41%
2,250
Power Consumption
Recommended PSU
-45%
600 W
Power Connector
TDP/TGP
-61%
275 W
Rendering
Texture Units (TMU)
+43%
528
ROP
92
L2 Cache
+92%
96 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
