Performance Rating
NVIDIA H200 SXM 141 GB outperforms PNY DGX Spark by 287.91% in the overall GPU ARK performance rating
PNY DGX Spark
Expert Comparison
NVIDIA H200 SXM 141 GB обладает гораздо большей пропускной способностью (4.89 TB/s) и более высокой производительностью в FP32 (66.91 TFLOPS), что делает его предпочтительным для вычислительных задач, машинного обучения и высокопроизводительного вычисления. Его TDP в 700 Вт также указывает на большую мощность и соответственно большую энергозатратность. В отличие от этого, PNY DGX Spark имеет меньшую пропускную способность (273.2 GB/s) и значительно меньше памяти (128 ГБ LPDDR5X), что делает его менее подходящим для сложных вычислительных задач, но более энергоэффективным с TDP всего 140 Вт.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+10%
141
ГБ
Memory Type
Memory Bandwidth
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+801%
267.6
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+125%
66.91
TFLOPS
FP64 (Double Precision)
+7,104%
33.45
TFLOPS
CUDA Cores
+175%
16,896
RT Cores
48
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+175%
132
PCIe Version
ML Software Support
CUDA Version
12.1
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+11%
1,665
Boost Clock
+22%
2,418
Memory Clock
+49%
1,593
Power Consumption
Recommended PSU
-73%
300 W
Power Connector
TDP/TGP
-80%
140 W
Rendering
Texture Units (TMU)
+38%
528
ROP
48
L2 Cache
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
