ASUS ExpertCenter Pro ET900N G3는 우리가 테스트한 두 번째 GB300 DGX 스테이션이자 우리 연구실에서 직접 평가한 첫 번째 스테이션입니다. MSI XpertStation WS300 테스트는 원격으로 수행되었습니다. MSI XpertStation WS300에서 볼 수 있는 것과 동일한 NVIDIA 실리콘을 사용합니다. Grace Blackwell Ultra Desktop Superchip(72개의 Grace 코어 포함), B300 GPU, 252GB HBM3e, 496GB LPDDR5X 및 듀얼 400GbE 포트가 장착된 ConnectX-8 SuperNIC입니다. ASUS는 소형 데스크사이드 AI 타워 내부에 이 고정 코어 플랫폼을 패키징하여 WS300에는 없는 기능(상단 장착형 운반 손잡이 2개, ConnectX-8 광학 케이지를 겨냥한 전용 팬, 1,600W 80 PLUS Titanium 전원 공급 장치)을 추가했습니다.

ASUS는 RTX PRO 2000으로 사전 구성된 약 1주간의 벤치마킹, 이미징 및 물리적 검사를 위해 ET900N G3를 우리 연구실로 보냈습니다. 기본 플랫폼, B300, Grace, NVLink-C2C, MIG 및 DGX Station 기본 사항을 다루는 세부 정보는 이전 MSI XpertStation WS300 리뷰에서 다뤘습니다. 이 분석은 Superchip을 중심으로 한 ASUS의 구현과 그 성능이 우리가 테스트한 첫 번째 GB300 타워와 일치하는지 여부에 중점을 둡니다.

ASUS ExpertCenter Pro ET900N G3 사양

디자인 및 구축

ASUS는 ET900N G3를 무광 실버 섀시, 어두운 메쉬 전면 패널, 캡과 발의 크롬 트림, 로우 프로파일 ASUS 전면 배지를 갖춘 비즈니스 워크스테이션으로 포지셔닝합니다. 크기는 내부 플랫폼에 따라 결정됩니다. 584 x 232 x 565mm로 WS300보다 약간 더 크고 약간 더 좁습니다. 27kg의 무게로 쉽게 이동할 수 없으며 이는 ASUS의 실용적인 디자인 선택에 동기를 부여합니다. 두 개의 상단 금속 손잡이(전면 및 후면)를 사용하면 두 사람이 섀시 패널을 잡지 않고도 타워를 책상이나 카트 위로 들어 올릴 수 있습니다. 이 핸들은 무거운 GB300 타워를 연구실로 옮길 때까지 사무실 워크스테이션에 어울리지 않게 보입니다.

전면 패널에는 전원 버튼, 10Gbps USB Type-A 포트 2개, 10Gbps USB Type-C 포트 2개, USB 2.0 포트 및 별도의 오디오 잭이 메시 오른쪽 상단에 수직으로 배열되어 있습니다. 측면 패널은 라디에이터 흡입구를 위한 긴 천공 전면 섹션과 시스템 팬에 맞춰 정렬된 작은 후면 그릴이 있는 대형 통풍 플레이트입니다. 타겟 구매자의 선호도에 맞는 창문이나 RGB 조명이 없습니다.

후면의 레이아웃은 워크스테이션 I/O를 기본 서버 하드웨어와 분리합니다. 상단 클러스터에는 4개의 10Gbps USB Type‑A 포트, 10GbE 및 1GbE RJ45 포트, 3개의 오디오 잭, BMC Micro‑USB 콘솔 및 설정용 BMC Mini DisplayPort가 포함되어 있습니다. ConnectX-8용 QSFP112 케이지 2개는 배기 팬 옆 I/O 실드 위에 위치합니다. 3개의 확장 슬롯 덮개가 중앙을 따라 내려가고 C19 입력 전원 공급 장치는 하단에 위치합니다. WS300과 마찬가지로 Mini DisplayPort는 초기 설정 및 문제 해결을 위한 BMC 전용입니다. 데스크탑 디스플레이 출력에는 RTX PRO 추가 카드가 필요합니다.

ET900N G3 내부

측면 패널을 제거한 ET900N G3는 둘 다 동일한 NVIDIA 베이스보드를 공유한다는 점에서 예상대로 WS300과 매우 유사합니다. GB300 Superchip은 섀시 왼쪽의 구리 냉각판 아래에 있고 SOCAMM 모듈은 그 옆에 전용 구리판이 있으며 ConnectX-8은 후면 I/O 근처의 세 번째 냉각판으로 냉각됩니다. 브레이드형 냉각수 튜브는 냉각판에서 섀시 크로스멤버 매니폴드까지 이어진 다음 라디에이터까지 이어집니다. 3개의 전체 길이 PCIe 슬롯이 Superchip 아래에 있고 전원 공급 장치는 전면 하단 모서리를 차지하고 금속 덮개가 하단 케이블 라우팅을 덮습니다.

내부 공기 흐름 레이아웃은 WS300을 반영합니다. 전면 메시 뒤에 있는 수직 라디에이터 1개, 상단을 따라 장착된 두 번째 라디에이터, 각각 팬 어레이와 후면 섀시 팬이 장착되어 있습니다. 냉각수 라인은 슬리브 처리되어 벨크로 스트랩으로 고정되어 있으며, 매니폴드는 4개의 냉각판의 라인을 통합하여 2개의 튜브만 각 라디에이터에 공급합니다.

광학 팬

ET900N G3의 고유한 냉각 구성 요소 중 하나는 QSFP112 케이지를 직접 겨냥하는 ConnectX-8 냉각판 위의 ​​작은 브래킷 장착 팬입니다. 액체 루프는 SuperNIC 실리콘 자체를 냉각시키지만 400G 광 트랜시버는 냉각판에서만 전도성 냉각을 받는 금속 케이지 내부에서 상당한 열을 발생시킵니다. 이전 테스트에 따르면 ConnectX-8은 지속적인 부하 하에서 따뜻하게 작동하며 광학 모듈은 뜨거워질 수 있으므로 케이지 위의 전용 공기 흐름은 지속적인 광섬유 연결을 실행하는 사용자에게 중요한 설계 기능입니다. 이 장치를 두 번째 GB300 스테이션에 연결하는 지속적인 클러스터 추론 테스트를 위한 설정인 DAC 케이블을 사용할 때 이 팬의 작업 부하가 더 가벼워집니다.

스토리지, 확장 및 전원

ASUS는 Grace를 통해 연결된 한 쌍의 PCIe 5.0 x4 M.2 2280 슬롯에 OS 및 NVIDIA 소프트웨어용 2TB NVMe 드라이브 1개가 포함된 ET900N G3를 출시했습니다. M.2 슬롯의 두 번째 쌍은 ConnectX-8의 통합 PCIe 스위치에 연결되며 공장에서 비어 있는 상태로 제공됩니다.

우리의 리뷰 장치는 ASUS가 지원하는 구성 중 하나인 PCIe 5.0 x16 슬롯에 설치된 NVIDIA RTX PRO 2000 Blackwell과 함께 도착했습니다. 이 카드는 GB300 전력 예산을 크게 소모하지 않고 디스플레이 출력을 제공합니다. ASUS는 섀시가 하나의 RTX PRO Blackwell 카드만 지원한다고 말합니다. 우리는 WS300 테스트 조건과 일치하도록 Superchip의 전체 가속기 전력 예산을 확보하기 위해 벤치마킹하기 전에 RTX PRO 2000을 제거했습니다. 이 섀시에서는 더 높은 전력의 RTX PRO 카드를 테스트하지 않았습니다. 공유 전력 여유 공간에 미치는 영향은 향후 GB300 스테이션 검토에서 다루어질 것입니다.

1,600W ATX 전원 공급 장치는 WS300의 Platinum 장치보다 업그레이드된 80 PLUS Titanium 인증을 받았습니다. 티타늄은 115V 입력 시 50% 부하에서 94%의 효율을 요구하고 플래티넘은 92%를 요구하며 10% 부하에서 최소 효율 등급을 적용하므로 ET900N G3는 전체 GB300 부하에서 더 적은 벽 와트를 낭비합니다. 전력은 계속 공유됩니다. Grace, B300, 펌프, 팬, 스토리지 및 모든 RTX PRO 카드는 동일한 1,600W 풀에서 끌어옵니다. NVIDIA의 vsloshd 서비스는 두 구성 요소 모두에 대한 고정된 하드 캡 없이 전력 소모에 따라 Superchip과 추가 GPU 간에 사용 가능한 헤드룸을 동적으로 이동합니다. 이 강력한 프레임워크는 WS300 검토에서 변경되지 않았습니다. 북미 배포에는 전용 20A 전기 회로가 필요합니다.

연결성

ConnectX-8의 듀얼 QSFP112 포트는 스토리지에 대한 ET900N G3의 기본 패브릭 링크, 두 번째 DGX 스테이션 또는 클러스터 네트워킹 역할을 합니다. 우리 연구실에서는 이러한 포트가 향후 별도의 클러스터 추론 분석을 위해 400G DAC를 통해 다른 GB300 스테이션에 연결됩니다. Marvell 10GbE 포트는 일반 호스트 트래픽을 처리하는 반면 Realtek 1GbE 포트는 BMC 관리용으로만 예약되어 있습니다.

테스트 노트

모든 결과는 랩 샘플의 기본 메모리 구성(252GB HBM3e + 496GB LPDDR5X)을 사용합니다. RTX PRO 카드를 설치하지 않은 채 테스트를 진행하여 GB300 Superchip에 전체 가속기 전력 예산을 부여하고 WS300 테스트 조건을 일치시켰습니다. 소프트웨어 스택, vLLM 구성, 워크로드 프로필 및 동시성 스윕이 동일하므로 타워를 직접 비교할 수 있습니다. 이 리뷰는 순전히 추론 성능에만 초점을 맞췄습니다. 이 장치에서는 전력 소모나 열 원격 측정을 측정하지 않았습니다.

우리는 모든 로컬 AI 하드웨어에서 사용되는 두 가지 표준 vLLM 실시간 추론 프로필을 실행했습니다. 하나는 입력 512개/출력 토큰 512개로 균형 잡힌 워크로드이고, 사전 채우기가 많은 워크로드는 입력 8,192개/출력 토큰 1,024개로 1에서 128개 스트림까지 동시성을 처리합니다. 최전방 규모 모델의 경우 이러한 모델 체크포인트에 가장 가까운 단일 상자 대안인 2개 또는 4개의 RTX PRO 6000 카드가 장착된 GPU 서버와 비교합니다. 더 작은 모델의 경우 동일한 서버의 단일 RTX PRO 6000, 다른 엔터프라이즈 서버의 단일 H200 NVL 및 WS300 검토에 사용된 것과 동일한 GB10 DGX Spark 시스템을 벤치마킹했습니다. ET900N G3 측정항목은 원시 로그 값입니다. 비교 수치는 보관된 결과 차트에서 나옵니다.

추론 성능

일관된 메모리 풀의 프론티어 모델

GB300은 B300의 252GB HBM3e 제한을 넘는 호스트 모델을 위해 제작되었습니다. 우리는 이 경계에 걸쳐 4개의 체크포인트를 테스트했습니다. DeepSeek V4 Flash 및 MiniMax M2.7은 남은 용량을 포함하여 HBM 내에 완전히 들어맞습니다. MiniMax M3는 전문가 레이어의 하위 집합을 Grace 메모리에 거의 맞지 않고 오프로드합니다. GLM-5.2는 무게의 약 절반을 오프로드합니다. 각 차트는 가장 가까운 단일 박스 대안인 엔터프라이즈 서버 내부의 RTX PRO 6000 카드와 결과를 대조하여 필요할 때 전문가를 호스트 메모리로 오프로드합니다.

DeepSeek V4 플래시는 간단한 테스트입니다. 최대 20GB의 기본 FP8 체크포인트가 B300에서 쉽게 처리됩니다. 균형 잡힌 워크로드 출력 처리량은 스트림 1개에서 초당 152개 토큰에서 32개 스트림에서 초당 1,766개 토큰으로 증가했으며, 총 토큰 처리량은 3,532개에 달했습니다. 사전 채우기가 많은 프로필의 경우 ET900N G3는 148에서 954 출력 토큰/초로 확장되었으며 총 처리량은 8,587에 도달했습니다. 듀얼 RTX PRO 6000 설정은 균형 잡힌 워크로드에서 출력 토큰/초에 거의 800개, 긴 프롬프트에서 최대 490개에 달했고 낮은 동시성에서는 성능이 고르지 않았습니다.

NVFP4 양자화의 MiniMax M2.7은 ~125GB HBM을 차지하며 4개 모델 중 가장 강력한 확장성을 제공했습니다. 균형 잡힌 워크로드 출력은 한 스트림의 초당 214개 토큰에서 128개 스트림의 4,793개로 증가하여 총 처리량은 9,586에 도달했습니다. 미리 채우기가 많은 테스트는 64개 스트림에서 초당 출력 토큰 1,744개 및 초당 총 토큰 15,700개로 확장되었습니다. 2개의 RTX PRO 6000 카드는 동일한 일반 곡선을 따랐지만 처리량의 절반 미만에 도달하여 균형 잡힌 워크로드의 경우 출력 토큰/초가 거의 1,930개, 긴 프롬프트의 경우 최대 510개에 달했습니다.

MiniMax M3은 메모리 임계값에서의 작동을 보여줍니다. NVFP4 체크포인트는 252GB보다 작지만 런타임 상태와 KV 캐시는 추가 공간을 소비하므로 전문가 레이어의 일부는 Grace 메모리에 상주합니다. 해당 전문가에 액세스하는 모든 디코드 단계는 NVLink-C2C를 통과합니다. EAGLE3 추측 디코딩을 통해 ET900N G3는 균형 잡힌 워크로드를 위해 32개 스트림에서 초당 1,041개의 출력 토큰을 기록했습니다. 미리 채우기가 많은 프로필은 2개의 스트림에서 초당 282개의 토큰으로 최고치를 기록했고, 4개의 스트림에서 271개를 유지했다가 긴 프롬프트로 인해 사용 가능한 캐시가 소진되면서 8개의 스트림에서 103으로 떨어졌습니다. 동일한 예측 디코더를 사용하는 4개의 RTX PRO 6000 카드는 8개 스트림을 통해 속도를 유지하고 16개 스트림에서 최대 1,180개의 출력 토큰/초로 앞선 다음 32개 스트림에서 약 760개로 떨어졌습니다. 미리 채우기가 많은 워크로드에서 4개 GPU 시스템은 4개 스트림에서 초당 최대 349개의 출력 토큰을 유지한 반면 DGX 스테이션은 271개를 유지했습니다. 정확히 HBM 용량에 해당하는 이 모델은 4개의 카드에 걸쳐 총 384GB VRAM이 252GB HBM 및 Grace 오프로드와 경쟁하는 이 세트의 유일한 경우입니다.

GLM-5.2는 일관된 메모리 풀에서만 지원되는 워크로드를 나타냅니다. NVFP4 체크포인트는 MTP 추측 디코딩을 사용하여 Grace 메모리에 최대 215GB의 전문가 가중치를 유지합니다. ET900N G3는 균형 잡힌 워크로드에서 하나의 스트림에 대해 초당 35개의 출력 토큰, 32개의 스트림에 대해 139개의 출력 토큰을 제공했으며 총 처리량은 277에 달했습니다. 최대 32개 스트림의 사전 채우기가 많은 테스트의 경우 초당 출력 토큰 120개, 총 토큰/초 1,079개를 기록했습니다. 각각 최대 30GB를 호스트 메모리로 오프로드하는 4개의 RTX PRO 6000 카드는 32개의 스트림에서 초당 최대 40개의 출력 토큰을 관리하고 긴 프롬프트의 경우 4개의 스트림에서 초당 약 9~10개의 토큰으로 평준화되었습니다. 두 시스템 모두 이 433GB 모델이 빠른 느낌을 주지는 않지만, 오프로드된 전문가에 대한 GB300의 396GB/s LPDDR5X 및 900GB/s NVLink-C2C 링크는 4개의 GPU에 걸쳐 PCIe 연결 호스트 메모리가 정체되는 경우 확장성을 유지합니다.

MSI WS300과 비교했을 때 ET900N G3 프론티어 모델 결과는 일치하는 모든 테스트 지점에서 대략 1% 이내입니다. 두 타워의 32개 스트림에서 DeepSeek V4 플래시의 경우 초당 1,766개의 출력 토큰; 128개 스트림에서 MiniMax M2.7의 경우 4,793 대 4,801; MiniMax M3의 경우 둘 다 32개 스트림에 1,041개; 둘 다 32개 스트림에서 GLM-5.2의 경우 139개입니다.

RTX PRO 6000, H200 NVL 및 DGX Spark에 대한 공유 모델

두 번째 벤치마크 그룹은 모든 테스트 시스템이 메모리에 완전히 들어갈 수 있는 더 작은 모델(GPT-OSS-20B 및 120B 기본 MXFP4)을 사용합니다. 라마 3.1 8B BF16 및 FP8; 미스트랄 소형 24B BF16 및 FP8; Qwen3 코더 30B BF16 및 FP8. WS300 리뷰와 비교한 새로운 점은 NVIDIA의 141GB 호퍼 가속기인 단일 H200 NVL로, 이전 세대 데이터 센터 GPU를 비교 세트에 추가합니다.

GPT-OSS-20B는 모든 하드웨어 후보가 편안하게 로드할 수 있는 가장 쉬운 워크로드입니다. 균형 잡힌 워크로드에서 ET900N G3는 128개 스트림(총 44,082개)에서 초당 22,041개의 출력 토큰으로 확장되었으며, 이에 비해 RTX PRO 6000의 경우 ~7,920, H200 NVL의 경우 6,010, DGX Spark의 경우 1,420입니다. 단일 스트림 성능은 RTX PRO 6000의 354, H200 NVL의 489, Spark의 120에 비해 스테이션의 경우 초당 536개의 출력 토큰에 도달했습니다. 사전 채우기가 많은 실행으로 인해 격차가 넓어졌습니다. ET900N G3의 경우 128개 스트림에서 초당 9,555개의 출력 토큰 및 85,994개의 총 토큰/초, RTX PRO 6000의 경우 ~2,480개, H200 NVL의 경우 3,410개, Spark의 경우 445개입니다.

GPT-OSS-120B는 경쟁 하드웨어 전반에 걸쳐 메모리 제한을 노출합니다. ET900N G3는 128개 스트림의 균형 잡힌 워크로드에서 초당 9,280개의 출력 토큰을 기록했습니다. 이는 RTX PRO 6000의 3,060의 약 3배, H200 NVL의 3,370의 2.8배, Spark의 480의 19배 이상입니다. 긴 프롬프트의 경우 소형 시스템은 KV 캐시 용량을 일찍 소진했습니다. RTX PRO 6000은 거의 정점에 도달했습니다. 초당 1,170개 출력 토큰 및 H200 NVL은 거의 1,820개에 달하는 반면, 스테이션은 128개의 스트림을 계속해서 상승하여 초당 5,023개의 출력 토큰으로 완료되었으며 총 처리량은 45,205개 토큰/초입니다.

Llama 3.1 8B FP8은 이 테스트 제품군에서 가장 높은 단일 처리량 수치를 제공합니다. ET900N G3는 RTX PRO 6000의 최대 8,060개와 H200 NVL의 11,040개에 비해 균형 잡힌 워크로드(총 51,205개)의 128개 스트림에서 초당 25,602개의 출력 토큰을 푸시했습니다. BF16에서 FP8로 전환하면 스테이션 처리량이 약 50%(17,074에서 25,602) 증가한 반면, RTX PRO 6000은 ~70%, H200 NVL은 ~37% 증가했습니다. 사전 채우기가 많은 결과는 모든 점수를 압축했습니다. 스테이션은 초당 6,164개의 출력 토큰, RTX PRO 6000 1,480, H200 2,040을 기록했습니다.

Mistral Small 24B FP8은 가장 큰 성능 비율을 생성했습니다. ET900N G3는 균형 잡힌 워크로드에서 초당 11,075개의 출력 토큰으로 최고치를 기록했고, RTX PRO 6000의 3,240은 3.4배, H200 NVL의 4,610은 2.4배, Spark의 559는 거의 20배였습니다. 긴 프롬프트에서 RTX PRO 6000은 이전에 약 480토큰/초로 32개 스트림에서 최고치를 기록했습니다. 감소; H200 NVL은 초당 854개 토큰 근처를 기록했고, 스테이션은 128개 스트림에서 초당 2,302개 토큰을 달성했습니다.

활성 매개변수 수가 적은 전문가 혼합 모델인 Qwen3 Coder 30B는 단일 스트림 격차를 줄입니다. 단일 스트림 균형 워크로드에서 RTX PRO 6000은 스테이션의 319 및 H200 NVL의 308에 비해 ~232개의 출력 토큰/초를 제공했습니다. 일괄 처리는 성능 계층을 복원합니다. 128개의 스트림 FP8에서 ET900N G3는 12,439개의 출력 토큰/초를 기록했으며 GPU의 3,990보다 3.1배, H200의 1.7배에 달했습니다. NVL은 7,450입니다. 사전 채우기가 많은 실행은 스테이션에 대해 초당 3,837개의 출력 토큰에 도달했습니다. RTX PRO 6000은 64개 스트림에서 880 근처에서 최고치를 기록했고, H200 NVL은 1,820 근처에서 정점을 찍었습니다.

이러한 공유 모델 전체에서 ET900N G3는 단일 RTX PRO 6000의 2.8~3.4배 처리량과 전체 동시성에서 1.7~3.7배 H200 NVL의 처리량을 제공했습니다. 경쟁 하드웨어가 KV 캐시 헤드룸을 고갈시키면서 긴 프롬프트에서 선두가 확장됩니다. WS300과 비교하면 이 4개 모델은 다시 1% 내에 있습니다. GPT-OSS-20B의 경우 22,041 대 22,161입니다. GPT-OSS-120B의 경우 9,280 대 9,294; Mistral Small FP8의 경우 11,075 대 11,157; Qwen3 Coder FP8의 경우 12,439 대 12,425입니다. 14개 모델 전체에 대한 전체 비교는 다음 섹션에 나와 있습니다.

두 개의 타워, 하나의 베이스보드: ASUS ET900N G3 대 MSI WS300

ET900N G3 및 MSI XpertStation WS300은 서로 다른 OEM 섀시에 패키지된 동일한 NVIDIA GB300 DGX 스테이션 베이스보드를 공유합니다. 둘 다 동일한 14개 모델, 2개의 워크로드 프로필 및 일치하는 vLLM 빌드를 사용하여 동시성 스윕을 실행했습니다. 아래 표는 모든 모델에서 ET900N G3 피크 출력 처리량을 WS300과 비교합니다.

총 28개의 모델-워크로드 쌍 중에서 24개의 결과가 서로 2% 내에 속하며 대부분이 WS300에 대해 부분적인 백분율 이점을 보여줍니다. 4개는 이 대역 밖에 있고 3개는 균형 잡힌 작업 부하에 있습니다. Llama 3.1 8B FP8은 WS300보다 3.5% 낮고(25,602 대 26,536), Qwen3 Coder 30B BF16은 4.6% 낮습니다(10,000 대 10,486), Nemotron 3 Ultra 550B는 5.2% 낮습니다(159 대 159 168), 긴 프롬프트에서 Qwen3 Coder 30B BF16이 다시 2.1% 낮아졌습니다. 모든 데이터 포인트는 각 타워에 대한 단일 측정이므로 14개 모델 중 3개 모델의 2~5% 차이는 섀시 설계로 인한 것일 수 없습니다. 우리는 관찰된 델타를 간단히 문서화합니다. 일관된 메모리 풀링에 의존하는 모델인 MiniMax M3 및 GLM-5.2는 두 워크로드 모두에서 WS300 성능과 일치하거나 이를 초과하여 Grace 오프로드 경로가 ASUS 및 MSI 인클로저에서 동일하게 작동함을 확인합니다.

처리량이 가장 높은 밀도 모델인 GPT-OSS-20B와 오프로드 중심 워크로드인 GLM-5.2는 거의 완벽에 가까운 중첩을 보여줍니다. WS300 성능은 ET900N G3를 거의 지점별로 추적합니다.

우리 연구실에 추가 GB300 타워가 도착하면 이 벤치마크 프레임워크를 계속할 것입니다. HP의 ZGX가 그 다음이고 다른 OEM 빌드가 그 뒤를 따릅니다. 모든 장치는 동일한 동시성 스윕을 실행하므로 OEM 구현 간의 모든 차이점은 원시 성능 곡선을 유지하는 개별 모델 차트와 함께 이 벤치마크 프레임워크에 표시됩니다.

결론

ASUS ExpertCenter Pro ET900N G3는 두 번째 참조 플랫폼 구현이 수행해야 하는 작업을 수행합니다. 즉, 원래 벤치마크 결과를 검증합니다. 14개 모델과 2개 워크로드 프로필에 걸쳐 28개 최대 vLLM 처리량 비교 중 24개는 DeepSeek V4 Flash의 경우 초당 출력 토큰 1,766개부터 GPT-OSS-20B의 경우 최대 22,041개까지 MSI XpertStation WS300 결과의 2% 이내입니다. 4개의 단일 실행 이상값은 2~5% 더 낮아지고 시스템은 4개의 RTX PRO 6000 카드가 비교할 수 없는 처리량으로 Grace 메모리에 저장된 215GB 전문가 레이어를 사용하여 GLM-5.2를 성공적으로 실행합니다. GB300 Superchip은 성능 한계를 정의하고 ASUS는 견고한 실행을 제공합니다.

ASUS의 부가 가치는 실질적인 엔지니어링 개선입니다. 핸들을 사용하면 두 사람이 섀시 패널을 잡지 않고도 27kg 타워를 이동할 수 있습니다. QSFP112 케이지 위의 전용 팬은 장기간 400G 광학 실행에 대한 열 위험을 해결합니다. 티타늄 등급 PSU는 벽면 전력 소비를 줄입니다. Arm 호스트, 필수 20A 회로, BMC 전용 디스플레이 출력 및 대형 추가 GPU 설치 시 공유되는 1,600W 전력 예산은 두 타워에 동일하게 적용되는 고유한 플랫폼 제약 사항입니다.

베이징 Qianxing Jietong Technology Co., Ltd.
양샌디/글로벌 전략 이사
WhatsApp/위챗: +86 13426366826
이메일: yangyd@qianxingdata.com
웹사이트: www.qianxingdata.com/www.storagesserver.com
사업 초점:
ICT 제품 유통/시스템 통합 및 서비스/인프라 솔루션
20년 이상의 IT 유통 경험을 바탕으로 당사는 선도적인 글로벌 브랜드와 협력하여 신뢰할 수 있는 제품과 전문 서비스를 제공합니다.
“기술을 활용한 지능형 세상 구축” 신뢰할 수 있는 ICT 제품 서비스 제공업체!