Performance Rating
NVIDIA H200 SXM 141 GB outperforms NVIDIA Quadro 600 by 6,706.06% in the overall GPU ARK performance rating
NVIDIA Quadro 600
Expert Comparison
NVIDIA H200 SXM 141 GB намного мощнее NVIDIA Quadro 600. H200 SXM обладает значительно большим количеством ядер (16896 против 96), более высокой пропускной способностью (4.89 TB/s против 25.60 GB/s) и гораздо большей памятью (141 ГБ HBM3e против 1024 ГБ DDR3). H200 SXM также рассчитан на более высокую мощность (700 Вт против 40 Вт) и имеет более высокий GPI (67.4 против 1.0), что делает его идеальным для вычислительной графики, машинного обучения и других интенсивных задач. Quadro 600 больше подходит для базовых задач визуализации и простых вычислений.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
141
ГБ
Memory Type
Memory Bandwidth
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
267.6
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+27,121%
66.91
TFLOPS
FP64 (Double Precision)
+163,071%
33.45
TFLOPS
CUDA Cores
+17,500%
16,896
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+6,500%
132
PCIe Version
ML Software Support
CUDA Version
9.0
CUDA Toolkit (first supported)
CUDA Toolkit (deprecated)
CUDA Toolkit (support removed)
CUDA Toolkit status
Clocks & Performance
Base Clock
1,500
Boost Clock
1,980
Memory Clock
+99%
1,593
Power Consumption
Recommended PSU
-82%
200 W
Power Connector
TDP/TGP
-94%
40 W
Rendering
Texture Units (TMU)
+3,200%
528
ROP
L2 Cache
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
