Performance Rating
AMD Radeon Instinct MI300X outperforms NVIDIA Quadro 4100 by 5,781.25% in the overall GPU ARK performance rating
NVIDIA Quadro 4100
Expert Comparison
AMD Radeon Instinct MI300X значительно превосходит NVIDIA Quadro 4100 по многим параметрам. MI300X имеет гораздо больше ядер (19456 против 1344), большую память (192 ГБ HBM3 против 2 ГБ DDR3) и значительно большую пропускную способность (10.3 TB/s против 57.02 GB/s). Также MI300X обладает гораздо более высокой производительностью в FP32 вычислениях (81.72 TFLOPS против 2.142 TFLOPS). MI300X подходит для мощных вычислений, машинного обучения и анализа больших данных, в то время как Quadro 4100 больше предназначен для графических задач и less demanding вычислений.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+9,500%
192
ГБ
Memory Type
Memory Bandwidth
10.3 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
653.7
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+3,715%
81.72
TFLOPS
FP64 (Double Precision)
+91,412%
81.72
TFLOPS
CUDA Cores
+1,348%
19,456
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit (first supported)
CUDA Toolkit (deprecated)
CUDA Toolkit (support removed)
CUDA Toolkit status
Clocks & Performance
Base Clock
1,000
Boost Clock
2,100
Memory Clock
+183%
2,525
Power Consumption
Recommended PSU
-83%
200 W
Power Connector
TDP/TGP
-95%
35 W
Rendering
Texture Units (TMU)
+986%
1,216
ROP
L2 Cache
16 MB
Benchmarks
MLPerf, llama2-70b-99.9 (UNSET)
MLPerf, llama2-70b-99.9 (fp16)
MLPerf, llama2-70b-99.9 (fp8)
MLPerf, llama3.1-405b (UNSET)
MLPerf, llama3.1-405b (fp16)
llama.cpp, llama-2-7b-Q4_0
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
