Performance Rating
NVIDIA RTX PRO 6000 Blackwell Server outperforms PNY DGX Spark by 230.86% in the overall GPU ARK performance rating
PNY DGX Spark
Expert Comparison
NVIDIA RTX PRO 6000 Blackwell Server значительно превосходит PNY DGX Spark в производительности и количестве ядер. RTX PRO 6000 Blackwell Server имеет 24064 ядра против 6144 у DGX Spark, 96 ГБ GDDR7 против 128 ГБ LPDDR5X памяти, а также более высокую пропускную способность (1.79 ТБ/с против 273.2 ГБ/с) и большую TDP (600 Вт против 140 Вт). RTX PRO 6000 Blackwell Server лучше подходит для вычислений на больших объемах данных, машинного обучения и графики. DGX Spark более энергоэффективен и лучше подходит для менее требовательных задач или малых систем.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+33%
128
ГБ
Memory Type
Memory Bandwidth
1.79 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+324%
126.0
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+324%
126.0
TFLOPS
FP64 (Double Precision)
+324%
1.968
TFLOPS
CUDA Cores
+292%
24,064
RT Cores
+292%
188
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
+292%
188
PCIe Version
ML Software Support
CUDA Version
12.1
CUDA Toolkit (first supported)
CUDA Toolkit status
Clocks & Performance
Base Clock
+5%
1,665
Boost Clock
+8%
2,617
Memory Clock
+64%
1,750
Power Consumption
Recommended PSU
-70%
300 W
Power Connector
TDP/TGP
-77%
140 W
Rendering
Texture Units (TMU)
+96%
752
ROP
+292%
188
L2 Cache
50 MB
Benchmarks
MLPerf, llama2-70b-99.9 (fp4)
MLPerf, llama3.1-8b (fp4)
Geekbench AI, FP16
Geekbench AI, INT8
Geekbench AI, FP32
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
