Performance Rating
AMD Radeon Instinct MI300X outperforms NVIDIA A100 PCIe 80 GB by 267.15% in the overall GPU ARK performance rating
NVIDIA A100 PCIe 80 GB
Expert Comparison
AMD Radeon Instinct MI300X обладает значительно большей пропускной способностью памяти (10.3 TB/s против 1.94 TB/s) и гораздо большим объемом памяти (192 ГБ HBM3 против 80 ГБ HBM2e), что делает его предпочтительным для вычислений больших данных и машинного обучения. Однако NVIDIA A100 PCIe 80 GB имеет более высокую производительность в FP32 (19.49 TFLOPS против 81.72 TFLOPS) и более низкий TDP (300 Вт против 750 Вт), что делает его более энергоэффективным для менее интенсивных задач. MI300X лучше подходит для задач с большим объемом данных, тогда как A100 больше подходит для быстрых вычислений с меньшим объемом данных.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+140%
192
ГБ
Memory Type
Memory Bandwidth
+431%
10.3 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+738%
653.7
TFLOPS
BF16 (Brain Float)
311.84
TFLOPS
TF32 (TensorFloat)
155.92
Compute Power
FP32 (Single Precision)
+319%
81.72
TFLOPS
FP64 (Double Precision)
+738%
81.72
TFLOPS
CUDA Cores
+181%
19,456
RT Cores
Architecture & Compatibility
GPU Architecture
SM (Streaming Multiprocessor)
108
PCIe Version
ML Software Support
CUDA Version
Clocks & Performance
Base Clock
+6%
1,065
Boost Clock
+49%
2,100
Memory Clock
+67%
2,525
Power Consumption
TDP/TGP
-60%
300 W
Recommended PSU
-39%
700 W
Power Connector
Rendering
Texture Units (TMU)
+181%
1,216
ROP
L2 Cache
+400%
80 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
