AI Supercomputers/NVIDIA DGX Station/DGX Station / GB300/Dell Pro Max with GB300
Dell Pro Max with GB300 — Front z bliska
Front z bliska
AI Supercomputers · DGX Station / GB300
NVIDIAGrace Blackwell

Dell Pro Max with GB300

Stacja Dell Pro Max FCT6263 z GB300 i fabryczną kartą RTX PRO 2000 Blackwell. Aktualnie publikowana konfiguracja ma cztery obsadzone dyski 4 TB.
Opłata miesięczna — wybierz okres najmu
miesiąc
37 800 złnetto/mies.
bez zobowiązania
6 miesięcy rabat 10%
34 020 złnetto/mies.
razem 204 120 zł za 6 mies.
12 miesięcy rabat 17%
31 383 złnetto/mies.
razem 376 596 zł za 12 mies.

Wybrany okres: miesiąc — opłata 37 800 zł netto/mies., bez zobowiązania — rezygnujesz kiedy chcesz. Opłata wdrożeniowa 3 900 zł jednorazowo.

Ceny netto, opłata miesięczna przy wybranym okresie. Maszyna stoi w naszej serwerowni, pracuje pod zasilaniem awaryjnym i chłodzeniem, a dostęp jest zdalny. W abonamencie: łącze 1 Gbit/s, transfer do 20 TB miesięcznie, adres IPv4, IPv6 /64, prywatny VLAN 10 Gbit/s, kopia zapasowa konfiguracji i wsparcie w godzinach roboczych. Abonament płatny z góry za okres rozliczeniowy, przelewem, termin 7 dni od faktury; naliczanie zaczyna się od wydania maszyny. Najem miesięczny wypowiadasz z miesięcznym wyprzedzeniem, bez dodatkowych opłat. Przy okresie 6 lub 12 miesięcy wcześniejsza rezygnacja jest możliwa — rozliczamy wtedy udzielony rabat i część pozostałych okresów na zasadach z umowy. Opłata wdrożeniowa 3 900 zł netto dotyczy wyłącznie najmu miesięcznego — przy pakiecie od 3 miesięcy nie pobieramy jej wcale.

ModelDell Pro Max with GB300
CPUNVIDIA Grace — 72 rdzenie Arm Neoverse V2
GPU wbudowaneNVIDIA DGX B300 — 252 GB HBM3e
GPU PCIeRTX PRO 2000 Blackwell — 16 GB GDDR7
Pamięć systemowa496 GB LPDDR5X 6400 MT/s SOCAMM
Pamięć koherentna748 GB (496 GB LPDDR5X + 252 GB HBM3e)
Storage bazowy16 TB — 4× 4 TB SSD Gen4 SED Ready
Sieć2× QSFP112 400 Gb/s + 10 GbE + 1 GbE
Zasilacz1600 W Titanium (C19)
SystemUbuntu 24.04 LTS + NVIDIA AI Developer Tools

Do czego służy NVIDIA GB300 NVL72

Domena NVLink obejmująca 72 układy zmienia sposób pisania kodu treningowego: model, którego wagi nie mieszczą się w jednym węźle, nie musi być dzielony na fragmenty komunikujące się przez sieć klastrową, bo cała szafa udostępnia spójną przestrzeń pamięci. To scenariusz dla modeli fundamentowych oraz dla inferencji rozumującej, w której długość łańcucha tokenów decyduje o opóźnieniu odpowiedzi.

Więcej o karcie: NVIDIA GB300 NVL72 — wynajem infrastruktury rack-scale AI

Zapytaj o wycenę