Performance Rating
NVIDIA H200 SXM 141 GB outperforms NVIDIA Quadro T1200 Mobile by 2,272.54% in the overall GPU ARK performance rating
NVIDIA Quadro T1200 Mobile
Expert Comparison
NVIDIA H200 SXM 141 GB обладает значительно большей производительностью и больше ядер (16896 против 1024), а также гораздо более высокой пропускной способностью памяти (4.89 TB/s против 192 GB/s). Она предназначена для сложных вычислений и AI-задач, требующих огромного объема данных. В то время как NVIDIA Quadro T1200 Mobile более энергоэффективна (TDP 18 Вт против 700 Вт) и лучше подходит для мобильных решений или задач с меньшими вычислительными нагрузками, таких как профилирование, визуализация и базовые CAD-задачи.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+3,425%
141
ГБ
Memory Type
Memory Bandwidth
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+3,560%
267.6
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+1,730%
66.91
TFLOPS
FP64 (Double Precision)
+29,191%
33.45
TFLOPS
CUDA Cores
+1,550%
16,896
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+725%
132
PCIe Version
ML Software Support
CUDA Version
9.0
Clocks & Performance
Base Clock
+1%
1,515
Boost Clock
+11%
1,980
Memory Clock
+6%
1,593
Power Consumption
Recommended PSU
Power Connector
TDP/TGP
-97%
18 W
Rendering
Texture Units (TMU)
+725%
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
