Performance Rating
NVIDIA H200 SXM 141 GB outperforms AMD Radeon Instinct MI250 by 32.4% in the overall GPU ARK performance rating
NVIDIA H200 SXM 141 GB
Expert Comparison
AMD Radeon Instinct MI250 лучше по цене и энергоэффективности благодаря более низкому TDP (500 Вт) и дате выпуска (2021 год). Однако NVIDIA H200 SXM 141 GB обладает большей пропускной способностью (4.89 TB/s против 3.28 TB/s), больше памяти (141 ГБ против 128 ГБ) и выше производительности в FP32 (66.91 TFLOPS против 45.26 TFLOPS). MI250 лучше подходит для задач с ограниченным бюджетом и энергоэффективностью, тогда как H200 SXM 141 GB предпочтителен для высокопроизводительных вычислений и больших данных.
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
+49%
4.89 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+35%
362.1
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+48%
66.91
TFLOPS
FP64 (Double Precision)
+35%
45.26
TFLOPS
CUDA Cores
+27%
16,896
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
132
PCIe Version
ML Software Support
CUDA Version
Clocks & Performance
Base Clock
+50%
1,500
Boost Clock
+16%
1,980
Memory Clock
1,600
Power Consumption
TDP/TGP
-29%
500 W
Recommended PSU
-18%
900 W
Power Connector
Rendering
Texture Units (TMU)
+58%
832
ROP
L2 Cache
+212%
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)
llama.cpp, llama-2-7b-Q4_0
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
