Performance Rating
NVIDIA RTX A6000 outperforms XFX XFX QICKSILVER MagAir RX 7800 XT by 30.59% in the overall GPU ARK performance rating
XFX XFX QICKSILVER MagAir RX 7800 XT
Expert Comparison
NVIDIA RTX A6000 имеет более мощную архитектуру Ampere и большую память (48 ГБ против 16 ГБ), что делает его предпочтительным для тяжелых задач в области машинного обучения и 3D-渲染未能完成，请稍候... user Извините за недоразумение. Давайте продолжим в текстовом формате. NVIDIA RTX A6000 имеет более мощную архитектуру Ampere, большую память (48 ГБ против 16 ГБ) и более высокую пропускную способность (768.0 GB/s против 624.1 GB/s), что делает его предпочтительным для задач в области машинного обучения и высокопроизводительной графики. XFX QICKSILVER MagAir RX 7800 XT имеет более высокую ускоренную частоту (2430 МГц против 1800 МГц) и меньший энергопотребление (263 Вт против 300 Вт), что делает его более энергоэффективным и подходящим для игр и менее требовательных задач.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering AdditionalMemory
Memory Size
+200%
48
ГБ
Memory Type
Memory Bandwidth
Memory Bus Width
ML Performance
FP16 (Half Precision)
+93%
74.65
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+4%
38.71
TFLOPS
FP64 (Double Precision)
+192,790,905%
1,166,000.0
TFLOPS
CUDA Cores
+180%
10,752
RT Cores
+40%
84
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
84
PCIe Version
ML Software Support
CUDA Version
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+9%
1,410
Boost Clock
+35%
2,430
Memory Clock
+22%
2,438
Power Consumption
Recommended PSU
-14%
600 W
Power Connector
TDP/TGP
-12%
263 W
Rendering
Texture Units (TMU)
+40%
336
ROP
+40%
84
L2 Cache
+50%
6 MB
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
