NVIDIA H200 SXM 141 GB vs TongFang Hongkong RTX 4070 Mobile

Сравнение NVIDIA H200 SXM 141 GB с 141 Гб HBM3e и 16 896 ядрами против TongFang Hongkong RTX 4070 Mobile с 8 Гб GDDR6 и 4 608 ядрами.

Загружаемся...

Оценка производительности

H200 H200
MI325X MI325X
A100 A100

NVIDIA H200 SXM 141 GB

NVIDIA H200 SXM 141 GB

RX 7900 XTX RX 7900 XTX
Instinct MI300X Instinct MI300X
MI250 MI250

TongFang Hongkong RTX 4070 Mobile

TongFang Hongkong RTX 4070 Mobile

Содержание:

Память ML-производительность Вычислительная мощность Архитектура и совместимость Программная поддержка ML Частоты и производительность Энергопотребление Рендеринг Бенчмарки Дополнительно

Память

Объем памяти

141 GB 8 GB

Тип памяти

HBM3e GDDR6

Пропускная способность памяти

4.89 TB/s 256.0 GB/s

Ширина шины памяти

6 144 бит 128 бит

ML-производительность

FP16 (half)

267,6 TFLOPS 15,62 TFLOPS

BF16

Нет Нет

TF32

Нет Нет

Вычислительная мощность

FP32 (float)

66,91 TFLOPS 15,62 TFLOPS

FP64 (double)

33,45 TFLOPS 0,2441 TFLOPS

CUDA ядра

16 896 4 608

RT ядра

Нет 36

Архитектура и совместимость

Архитектура GPU

Hopper Ada Lovelace

SM (Streaming Multiprocessor)

132 36

PCIe версия

PCIe 5.0 x16 PCIe 4.0 x8

Программная поддержка ML

CUDA версия

🔥 9.0
8.9

Частоты и производительность

Base Clock

1 500 1 395

Boost Clock

1 980 1 695

Memory Clock

1 593 2 000

Энергопотребление

TDP/TGP

700 W
🔥 -84% 115 W

Рекомендуемый БП

1100 W Нет

Разъём питания

8-pin EPS None

Рендеринг

Текстурные блоки (TMU)

528 144

ROP

Нет 36

L2 Cache

50 MB 32 MB

Бенчмарки

MLPerf, llama2-70b-99.9 (UNSET)

3 534 tokens/s

MLPerf, llama2-70b-99.9 (fp16)

3 553 tokens/s

MLPerf, llama2-70b-99.9 (fp8)

2 444 tokens/s

MLPerf, llama3.1-405b (fp16)

40.8 tokens/s

MLPerf, llama3.1-405b (fp8)

25.3 tokens/s

MLPerf, llama3.1-8b (fp8)

5 161 tokens/s

MLPerf, deepseek-r1 (fp8)

1 113 tokens/s

MLPerf, mixtral-8x7b (fp8)

7 132 tokens/s

Дополнительно

Слоты

SXM Module IGP

Дата выпуска

18 ноября 2024 г. 3 января 2023 г.

Дисплейные порты

No outputs
Portable Device Dependent

Арендовать дешевле, чем покупать