Performance Rating
AMD Radeon Instinct MI355X outperforms NVIDIA H200 SXM 141 GB by 38.79% in the overall GPU ARK performance rating
NVIDIA H200 SXM 141 GB
Expert Comparison
AMD Radeon Instinct MI355X имеет больше ядер и значительно большую пропускную способность памяти (8.19 TB/s против 4.89 TB/s), что делает его более эффективным для вычислений с большими данными и машинного обучения. Однако NVIDIA H200 SXM с меньшим объёмом памяти (141 ГБ против 288 ГБ) предлагает лучшую производительность в целом (GPI 93.5 против 67.4), что делает его предпочтительным для задач с меньшими объемами данных. MI355X подходит лучше для обработки больших наборов данных, тогда как H200 SXM оптимизирован для широкого спектра вычислительных задач с меньшими требованиями к памяти.
Contents:
Memory ML Performance Compute Power Architecture & Compatibility ML Software Support Clocks & Performance Power Consumption Rendering Benchmarks AdditionalMemory
Memory Size
+104%
288
ГБ
Memory Type
Memory Bandwidth
+67%
8.19 TB/s
Memory Bus Width
ML Performance
FP16 (Half Precision)
+135%
629.1
TFLOPS
BF16 (Brain Float)
TF32 (TensorFloat)
Compute Power
FP32 (Single Precision)
+18%
78.64
TFLOPS
FP64 (Double Precision)
+135%
78.64
TFLOPS
CUDA Cores
+3%
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
+21%
2,400
Memory Clock
+26%
2,000
Power Consumption
TDP/TGP
-50%
700 W
Recommended PSU
-39%
1100 W
Power Connector
Rendering
Texture Units (TMU)
+94%
1,024
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, llama2-70b-99.9 (mxfp4)
MLPerf, llama3.1-405b (fp16)
MLPerf, llama3.1-405b (fp8)
MLPerf, llama3.1-405b (mxfp4)
MLPerf, llama3.1-8b (fp8)
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
