Performance Rating
AMD Radeon Instinct MI300X outperforms GALAX RTX 5090 D HOF OC LAB XOC by 102.54% in the overall GPU ARK performance rating
GALAX RTX 5090 D HOF OC LAB XOC
Expert Comparison
AMD Radeon Instinct MI300X обладает значительно большей памятью (192 ГБ HBM3 против 32 ГБ GDDR7) и пропускной способностью (10.3 TB/s против 1.79 TB/s), что делает его предпочтительным для вычислений и машинного обучения. GALAX RTX 5090 D HOF OC LAB XOC имеет более высокую FP32 производительность (115.5 TFLOPS против 81.72 TFLOPS) и меньшую мощность потребления (575 Вт против 750 Вт), но его индекс производительности ниже. MI300X больше подходит для больших объемов данных и сложных вычислений, тогда как RTX 5090 лучше для игр и менее интенсивных вычислений.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+500%
192
ГБ
Memory Type
Memory Bandwidth
+475%
10.3 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+466%
653.7
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+41%
115.5
TFLOPS
FP64 (Double Precision)
+4,427%
81.72
TFLOPS
CUDA Cores
+12%
21,760
RT Cores
170
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
170
PCIe Version
ML Software Support
CUDA Version
Clocks & Performance
Base Clock
+102%
2,017
Boost Clock
+26%
2,655
Memory Clock
+44%
2,525
Power Consumption
TDP/TGP
-23%
575 W
Recommended PSU
-17%
950 W
Power Connector
2x 16-pin
Rendering
Texture Units (TMU)
+79%
1,216
ROP
170
L2 Cache
+500%
96 MB
Benchmarks
MLPerf, llama2-70b-99.9 (UNSET)
MLPerf, llama2-70b-99.9 (fp16)
MLPerf, llama2-70b-99.9 (fp8)
MLPerf, llama3.1-405b (UNSET)
MLPerf, llama3.1-405b (fp16)
llama.cpp, llama-2-7b-Q4_0
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
