[ТЕЛЕФОН]Заявка
AI-серверы

AI-серверы и рабочие станции под задачу

Начните с задачи, а не с железа: подберём GPU, память и платформу под вашу модель и нагрузку. Сборка и тест под нагрузкой перед отгрузкой.

8типовых задач
3готовых конфигураций
3офиса: HK, ОАЭ, РФ

Выберите задачу

Для каждой задачи — таблица видеопамяти, готовые конфигурации и ответы инженера.

LLM до 32BQwen3.8-27B, Gemma 4 31B, gpt-oss-20b — одна карта на 24–48 ГБ или DGX Spark. от 24 ГБ видеопамятиLLM на 70–130BQwen3.5-122B-A10B, gpt-oss-120b, Mistral Small 4 — MoE, которые заменили Llama 3.3 70B. Для команды и продакшна. от 80 ГБ в 4 битахСредние MoE: DeepSeek V4.1-Flash, GigaChat 3.5От 284 до 763 млрд параметров: DeepSeek V4-Flash и новая V4.1-Flash, Qwen3.5-397B. Сервер на 4–8 GPU: RTX PRO 6000 или H200 NVL. 0,2–0,8 ТБ видеопамятиБольшие MoE: DeepSeek V4-Pro, Kimi K3, Qwen3.8От 1 до 2,8 трлн параметров, веса 0,9–1,5 ТБ. Сервер на 8 GPU с быстрой связью: B200, B300 или MI355X. 1,4–2,3 ТБ видеопамятиRAG и векторный поискLLM + база знаний компании: GPU для модели, быстрые NVMe и память для индекса. GPU + NVMeДообучение моделейLoRA и полное дообучение на своих данных: больше памяти и NVLink между картами. от 2 GPUРендеринг и VFXBlender, Unreal, V-Ray: профессиональные карты с ECC-памятью. RTX PRO / Radeon PROVDI и виртуализацияВиртуальные рабочие столы и разделение GPU между пользователями. серверные GPU

Популярные конфигурации

Все серверы

Сервер 2U на 4 GPU

Модели на 120B в FP8 и BF16, DeepSeek-V4-Flash или несколько моделей сразу
  • GPU4 × RTX PRO 6000 Blackwell
  • ПроцессорIntel Xeon 6
  • Память2 ТБ DDR5 ECC
Видеопамять384 ГБ
от 20 994 300 ₽с НДС

Как выбрать AI-сервер

  1. 01Модель и точностьСколько параметров и в каком формате: BF16, FP8 или 4 бита (FP4, GGUF).
  2. 02ВидеопамятьВеса модели, KV-кэш на каждого пользователя и около 10% на среду запуска.
  3. 03СкоростьЗависит от числа активных параметров, пропускной способности памяти и связи между GPU.
  4. 04ПлатформаРабочая станция, сервер 2U или 4U, питание и охлаждение.
Как посчитать видеопамятьГлоссарий

Не нашли свою задачу?

Опишите модель, число пользователей и бюджет — инженер соберёт конфигурацию и пришлёт КП.

Получить КПКонфигуратор

Частые вопросы

Сколько видеопамяти нужно для LLM?

Веса — число параметров × байт на параметр: 2 в BF16, 1 в FP8, 0,55–0,6 в 4 битах. У MoE считают все параметры, а не только активные. Сверху — KV-кэш: 2 × слои внимания × KV-головы × размер головы × байты × токены × пользователи, и около 10% на среду запуска. У плотной 70B кэш — 320 КБ на токен: 20 пользователей по 8K займут ~53 ГБ.

Что взять вместо Llama 3.3 70B или DeepSeek R1?

На 70–130B — Qwen3.5-122B-A10B, gpt-oss-120b или Mistral Small 4: веса в 4 битах занимают 63–74 ГБ, а на каждый токен считается 5–10 млрд параметров, поэтому ответ быстрее, чем у плотной 70B. Вместо R1 и V3 — DeepSeek V4: V4-Flash (~160 ГБ) идёт на 4 × RTX PRO 6000, новая V4.1-Flash (~0,51 ТБ) — на 8 × RTX PRO 6000 или 8 × H200, V4-Pro (~0,9 ТБ) — на 8 × B200 или B300. Для русского языка — GigaChat 3.5 (~435 ГБ в FP8): 4 × H200 NVL или 8 × RTX PRO 6000.

Можно ли собрать сервер на AMD?

Да. Radeon AI PRO и Instinct работают с ROCm; заранее проверим поддержку вашей модели и фреймворка.

Вы тестируете сервер перед отгрузкой?

Да, каждый сервер проходит тест под нагрузкой. Отчёт о тестировании прикладываем к документам заказа.

Поставляете в другие страны?

Да, через офисы в Гонконге и ОАЭ. Маршрут и сроки — в коммерческом предложении.