ServerFlow | Новости и Железо 💾
Photo
Пока Intel потихоньку раскрывает подробности о Xeon 7 Diamond Rapids, мы решили вскрыть всю подноготную этих чипов, разобрав их архитектуру по винтикам.
Начнем с того, что можно разглядеть на фотографиях материнки. Плата ASRock Rack DMRD16-2L+ выполнена в формате EEB (12 x 13 дюймов) и рассчитана на один процессор. Вокруг сокета 16 слотов DDR5, по одному модулю на канал. Плата поддерживает RDIMM до 128 ГБ на частоте до 8000 MT/s, MRDIMM до 128 ГБ на 12 800 MT/s и высокие MRDIMM формата 2U до 256 ГБ, тоже на 12 800 MT/s. То есть на одном процессоре можно собрать до 4 ТБ оперативной памяти 🤯
А еще на плате нет ни одного привычного слота PCIe. Вместо них стоят до 16 разъемов MCIO, каждый из которых дает 8 линий PCIe 6.0 или CXL 3.0. Вместе это 128 линий, ровно столько, сколько выдает процессор. Остальное скромно и по делу: M.2 с PCIe 5.0 x4, два гигабитных порта на Intel i350, BMC ASPEED AST2700 и выделенный порт IPMI.
Главное изменение касается компоновки. Раньше в Granite Rapids контроллеры памяти жили на одних тайлах с ядрами, а сами ядра занимали центр подложки. Теперь Intel собрала всю память, PCIe и аппаратные ускорители в двух центральных хабах, а ядра вынесла на периферию. Получилась схема, которую Intel называет Fan-out Fabric, и по духу она очень напоминает EPYC с его центральным IOD. Заодно самые горячие элементы оказались по краям корпуса, откуда тепло отводить проще.
Ядра при этом сгруппированы в 4 вычислительных блока, и каждый из них собран как бутерброд. На нижнем слое лежит базовый тайл с общим кэшем, а сверху к нему напрямую, через гибридное соединение медь-медь, прикреплены 4 чиплета по 16 ядер Panther Cove. Именно из таких блоков, как из конструктора, Intel будет собирать всю линейку, от младших моделей до флагмана.
Если собрать все блоки, выходит, что флагманский Xeon 7 получится таким:
😎 256 производительных ядер Panther Cove на техпроцессе Intel 18A-P
😎 1,28 ГБ кэша последнего уровня, или 5 МБ на ядро против 3,9 МБ у Xeon 6980P
😎 16 каналов DDR5 с пропускной способностью до 1 ТБ/с на DDR5-8000 и до 1,64 ТБ/с на MRDIMM-12800
😎 128 линий PCIe 6.0 / CXL 3 / UPI 3 плюс 8 служебных линий PCIe 4.0
😎 22 кристалла в одном корпусе, произведенных по трем разным техпроцессам
Но у универсальных портов есть и обратная сторона. Межпроцессорная шина UPI раньше шла по отдельным линиям и не отнимала PCIe, что выгодно отличало Xeon от EPYC в двухсокетных серверах. В Diamond Rapids UPI переехал на общие порты x16, поэтому во втором сокете за связь между процессорами придется расплачиваться линиями PCIe, как это давно происходит у AMD.
Компенсировать это Intel пытается новыми инструкциями. Diamond Rapids станет первым Xeon с расширением APX, которое удваивает число регистров общего назначения до 32. Компилятору реже приходится гонять промежуточные данные через память, и, по данным Intel, после перекомпиляции загрузок становится на 10% меньше, а записей на 20%. А блок AMX научился работать с FP8, поэтому в связке с 1,6 ТБ/с памяти процессор выглядит неплохим вариантом для инференса небольших моделей без видеокарты.
Впрочем, сама Intel показала далеко не все. От Hyper-Threading, как оказалось, в этом поколении чипов отказались полностью ❌ и 256 ядер дадут только 256 потоков, тогда как у AMD EPYC Venice на те же 256 ядер приходится 512 потоков. Частот, TDP и бенчмарков тоже пока нет.
С подробным разборрм архитектуры intel Xeon 7 можете ознакомиться в нашей новой статье.
😅 Канал Serverflow в MAX: Подписаться
Начнем с того, что можно разглядеть на фотографиях материнки. Плата ASRock Rack DMRD16-2L+ выполнена в формате EEB (12 x 13 дюймов) и рассчитана на один процессор. Вокруг сокета 16 слотов DDR5, по одному модулю на канал. Плата поддерживает RDIMM до 128 ГБ на частоте до 8000 MT/s, MRDIMM до 128 ГБ на 12 800 MT/s и высокие MRDIMM формата 2U до 256 ГБ, тоже на 12 800 MT/s. То есть на одном процессоре можно собрать до 4 ТБ оперативной памяти 🤯
А еще на плате нет ни одного привычного слота PCIe. Вместо них стоят до 16 разъемов MCIO, каждый из которых дает 8 линий PCIe 6.0 или CXL 3.0. Вместе это 128 линий, ровно столько, сколько выдает процессор. Остальное скромно и по делу: M.2 с PCIe 5.0 x4, два гигабитных порта на Intel i350, BMC ASPEED AST2700 и выделенный порт IPMI.
Теперь давайте разберемся, откуда взялись эти цифры.
Главное изменение касается компоновки. Раньше в Granite Rapids контроллеры памяти жили на одних тайлах с ядрами, а сами ядра занимали центр подложки. Теперь Intel собрала всю память, PCIe и аппаратные ускорители в двух центральных хабах, а ядра вынесла на периферию. Получилась схема, которую Intel называет Fan-out Fabric, и по духу она очень напоминает EPYC с его центральным IOD. Заодно самые горячие элементы оказались по краям корпуса, откуда тепло отводить проще.
Ядра при этом сгруппированы в 4 вычислительных блока, и каждый из них собран как бутерброд. На нижнем слое лежит базовый тайл с общим кэшем, а сверху к нему напрямую, через гибридное соединение медь-медь, прикреплены 4 чиплета по 16 ядер Panther Cove. Именно из таких блоков, как из конструктора, Intel будет собирать всю линейку, от младших моделей до флагмана.
Если собрать все блоки, выходит, что флагманский Xeon 7 получится таким:
Именно эти цифры и объясняют плату ASRock: 16 слотов памяти соответствуют 16 каналам, а 16 разъемов MCIO по 8 линий дают ровно 128 линий PCIe 6.0. Этого хватает, чтобы посадить на один процессор 8 ускорителей по x16 без всяких PCIe-свитчей.
Но у универсальных портов есть и обратная сторона. Межпроцессорная шина UPI раньше шла по отдельным линиям и не отнимала PCIe, что выгодно отличало Xeon от EPYC в двухсокетных серверах. В Diamond Rapids UPI переехал на общие порты x16, поэтому во втором сокете за связь между процессорами придется расплачиваться линиями PCIe, как это давно происходит у AMD.
Компенсировать это Intel пытается новыми инструкциями. Diamond Rapids станет первым Xeon с расширением APX, которое удваивает число регистров общего назначения до 32. Компилятору реже приходится гонять промежуточные данные через память, и, по данным Intel, после перекомпиляции загрузок становится на 10% меньше, а записей на 20%. А блок AMX научился работать с FP8, поэтому в связке с 1,6 ТБ/с памяти процессор выглядит неплохим вариантом для инференса небольших моделей без видеокарты.
Впрочем, сама Intel показала далеко не все. От Hyper-Threading, как оказалось, в этом поколении чипов отказались полностью ❌ и 256 ядер дадут только 256 потоков, тогда как у AMD EPYC Venice на те же 256 ядер приходится 512 потоков. Частот, TDP и бенчмарков тоже пока нет.
Но больше всего Intel мешают сроки. Diamond Rapids появится только в 2027 году, а EPYC Venice 9006 к тому моменту уже успеют обжиться в дата-центрах. Так что по характеристикам синие наконец выходят на паритет с красными, а вот рынок им придется отвоевывать заново.
С подробным разборрм архитектуры intel Xeon 7 можете ознакомиться в нашей новой статье.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13🌭2🍾2
This media is not supported in your browser
VIEW IN TELEGRAM
NVIDIA представила Nemotron 3.5 Super VL — открытую мультимодальную модель для ИИ-агентов, способных анализировать документы, изображения и видео, писать код и работать с внешними инструментами. Nemotron 3.5 Super VL построена на архитектуре MoE с 120 млрд параметров, из которых активны 12 млрд на каждый токен.
Super VL рассчитана на сложные многоэтапные задачи: от поиска и проверки информации в интернете до анализа финансовых документов и обнаружения уязвимостей. Модель может извлекать данные из таблиц и графиков, учитывать структуру многостраничных документов и связывать сведения из разных источников.
По данным NVIDIA, на бенчмарке CharXiv для анализа графиков модель набрала 80,8% против 63% у Nemotron 3 Nano Omni. В задачах интерпретации Python-кода результат составил 84%. В оценках Hermes Bench и LangChain Evals она также опередила Nemotron 3 Ultra: 63,44% против 56,33% и 87,05% против 84,3% соответственно.
Отдельный акцент сделан на скорости работы агентов. NVIDIA заявляет о 4-кратном ускорении выполнения задач относительно других открытых моделей своего класса в определенных тестовых сценариях. Для локального запуска на DGX Spark предусмотрена технология спекулятивного декодирования LiLiCorr, которая, по данным компании, повышает скорость генерации токенов в 2,3 раза. Эти показатели зависят от конкретной нагрузки и конфигурации.
Модель можно дообучать на собственных данных с помощью NVIDIA NeMo. Для этого доступны SFT, LoRA и обучение с подкреплением RL. NVIDIA также публикует обучающие наборы данных, включая материалы для финансовых задач, использования инструментов и визуального анализа.
Веса доступны на Hugging Face.
😅 Канал Serverflow в MAX: Подписаться
Super VL рассчитана на сложные многоэтапные задачи: от поиска и проверки информации в интернете до анализа финансовых документов и обнаружения уязвимостей. Модель может извлекать данные из таблиц и графиков, учитывать структуру многостраничных документов и связывать сведения из разных источников.
По данным NVIDIA, на бенчмарке CharXiv для анализа графиков модель набрала 80,8% против 63% у Nemotron 3 Nano Omni. В задачах интерпретации Python-кода результат составил 84%. В оценках Hermes Bench и LangChain Evals она также опередила Nemotron 3 Ultra: 63,44% против 56,33% и 87,05% против 84,3% соответственно.
Отдельный акцент сделан на скорости работы агентов. NVIDIA заявляет о 4-кратном ускорении выполнения задач относительно других открытых моделей своего класса в определенных тестовых сценариях. Для локального запуска на DGX Spark предусмотрена технология спекулятивного декодирования LiLiCorr, которая, по данным компании, повышает скорость генерации токенов в 2,3 раза. Эти показатели зависят от конкретной нагрузки и конфигурации.
Модель можно дообучать на собственных данных с помощью NVIDIA NeMo. Для этого доступны SFT, LoRA и обучение с подкреплением RL. NVIDIA также публикует обучающие наборы данных, включая материалы для финансовых задач, использования инструментов и визуального анализа.
Веса доступны на Hugging Face.
Please open Telegram to view this post
VIEW IN TELEGRAM
🌭9👍3🍾3
This media is not supported in your browser
VIEW IN TELEGRAM
Black Forest Labs выпустила FLUX 3 Image Klein Base — открытую модель на 5,6 млрд параметров для генерации изображений и их редактирования, которую можно запустить даже на потребительской видеокарте 8 ГБ VRAM. Она умеет создавать картинку по текстовому запросу, изменять изображение по одному референсу и объединять до 10 исходных изображений в единую композицию.
За генерацию отвечает трансформер изображений на 5,6 млрд параметров, а за обработку текста — отдельный энкодер Qwen3-VL-4B-Instruct. Модель также поддерживает отрисовку текста внутри изображений и управление композицией через ограничивающие рамки (bounding boxes). Для размещения объектов можно задавать координаты на сетке от 0 до 1000, а затем текстовыми инструкциями перемещать, заменять, перекрашивать или удалять элементы. Рамки задают примерное положение и масштаб объектов, но не ограничивают область редактирования жесткой маской. Генерация контента происходит в 50 шагов.
Доступна Base-версия для дообучения и создания LoRA-адаптеров в формате BF16, FP8 и NVFP4, а также дистиллированная версия с идентичным количеством параметров, но ускоренным инференсом с генерацией за 16 шагов.
Веса лежат на Hugging Face.
😅 Канал Serverflow в MAX: Подписаться
За генерацию отвечает трансформер изображений на 5,6 млрд параметров, а за обработку текста — отдельный энкодер Qwen3-VL-4B-Instruct. Модель также поддерживает отрисовку текста внутри изображений и управление композицией через ограничивающие рамки (bounding boxes). Для размещения объектов можно задавать координаты на сетке от 0 до 1000, а затем текстовыми инструкциями перемещать, заменять, перекрашивать или удалять элементы. Рамки задают примерное положение и масштаб объектов, но не ограничивают область редактирования жесткой маской. Генерация контента происходит в 50 шагов.
Доступна Base-версия для дообучения и создания LoRA-адаптеров в формате BF16, FP8 и NVFP4, а также дистиллированная версия с идентичным количеством параметров, но ускоренным инференсом с генерацией за 16 шагов.
Веса лежат на Hugging Face.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15🍾3
Meta* выпустила Muse Spark Open — мультимодальную модель с открытыми весами, ориентированную на программирование, сложные агентные сценарии и многошаговое рассуждение. Она умеет работать с длинными задачами, использовать инструменты и поддерживает контекстное окно в 1 048 576 токенов.
В основе модели — архитектура Mixture of Experts (MoE). Всего Muse Spark Open содержит 816 млрд параметров, но на обработку каждого токена приходится около 42 млрд активных параметров.
Muse Spark Open набрала 89,2 балла в MCP-Atlas против 84,5 у Qwen3.8 и 84,2 у GLM 5.3; 76,4 в Terminal-Bench 2.1 против 85,0 у Kimi K3, 83,9 у GLM 5.3 и 82,0 у Qwen3.8; 58,5 в SciCode против 59,5 у Kimi K3 и 59,0 у GLM 5.3. В тесте профессиональных задач GDPval-AA v2 модель получила 1401 балл, уступив GLM 5.3 (1653), Qwen3.8 (1613) и Kimi K3 (1537), зато в сложных задачах на знания HLE-Diamond без инструментов набрала 26,1 против 22,2 у Kimi K3, 17,3 у Qwen3.8 и 16,4 у GLM 5.3.
Muse Spark Open поддерживается в MLX, SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp и Unsloth.
Веса доступны на Hugging Face.
*Деятельность Meta Platforms Inc. в России признана экстремистской и запрещена
😅 Канал Serverflow в MAX: Подписаться
В основе модели — архитектура Mixture of Experts (MoE). Всего Muse Spark Open содержит 816 млрд параметров, но на обработку каждого токена приходится около 42 млрд активных параметров.
Muse Spark Open набрала 89,2 балла в MCP-Atlas против 84,5 у Qwen3.8 и 84,2 у GLM 5.3; 76,4 в Terminal-Bench 2.1 против 85,0 у Kimi K3, 83,9 у GLM 5.3 и 82,0 у Qwen3.8; 58,5 в SciCode против 59,5 у Kimi K3 и 59,0 у GLM 5.3. В тесте профессиональных задач GDPval-AA v2 модель получила 1401 балл, уступив GLM 5.3 (1653), Qwen3.8 (1613) и Kimi K3 (1537), зато в сложных задачах на знания HLE-Diamond без инструментов набрала 26,1 против 22,2 у Kimi K3, 17,3 у Qwen3.8 и 16,4 у GLM 5.3.
Muse Spark Open поддерживается в MLX, SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp и Unsloth.
Веса доступны на Hugging Face.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8🌭2💩1
Nvidia совместно с ChipAgents разработала собственный ИИ-бенчмарк Build-A-Chip-Bench, который позволяет тестировать модели на возможности в проектировании процессоров. Пока в тесте лидирует Fable 5.1
😅 Канал Serverflow в MAX: Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
👍12🍾1
ServerFlow | Новости и Железо 💾
Кажется, RTX 5090 реально сняли с производства — сеть магазинов Micro Center теперь отмечает видюху статусом “не продается” вместо “нет в наличии”. Похожая ситуация наблюдается и в других магазинах США, Европы и Азии, а там, где запасы GPU еще остались, продавцы…
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯25👍7💩6🌭1
NVIDIA представила Nemotron 3.5 Bolt 74B-A9B — открытую модель для локальных ИИ-агентов, которая при объеме в 74 млрд параметров умещается в 24 ГБ видеопамяти. Благодаря архитектуре MoE на каждый токен активируются только 9 млрд параметров, а агрессивная 2-битная квантизация позволяет запускать модель на потребительских видеокартах RTX и компактных системах DGX Spark и RTX Spark. Заявленная скорость генерации составляет около 84 токенов/с.
У Bolt необычная схема квантизации. Большая часть весов, относящихся к экспертам MoE, использует формат IQ2_XXS с эффективной разрядностью 2,0625 бита на параметр. Линейные слои Mamba переведены в NVFP4, а эмбеддинги, attention и выходной слой — в Q8_0. Чтобы компенсировать потерю точности при сжатии, NVIDIA применила дистилляцию с учётом квантизации (QAD): компактная версия учится воспроизводить ответы исходной модели.
В тестах NVIDIA Bolt превосходит Qwen3.6 35B-A3B и Gemma 4 26B-A4B по ряду показателей агентных навыков, веб-навигации и работы в терминале. Среди моделей с сопоставимыми требованиями к памяти она занимает первое место в PinchBench и второе в WebArena и BrowseComp. Однако по скорости генерации она уступает некоторым менее требовательным конкурентам: в AIPerf SPEED-Bench-Coding Bolt показывает 84 токена/с, тогда как Qwen3.6 35B-A3B выдаёт 96,6, а Gemma 4 26B-A4B — 100,6 токена/с. При этом плотная Qwen3.8 27B генерирует лишь 28,3 токена/с.
NVIDIA опубликовала версию на 24 ГБ в формате NVFP4 и GGUF, отдельную черновую модель LiLiCorr, а также неквантизованный чекпойнт BF16 для дообучения. Основная версия оптимизирована для llama.cpp на RTX Spark и vLLM на DGX Spark.
Веса модели лежат на Hughing Face.
😅 Канал Serverflow в MAX: Подписаться
Bolt создана с помощью сжатия более крупной Nemotron 3.5 Super VL. Для дистилляции NVIDIA использовала фреймворк Star Elastic для автоматического подбора архитектуры под заданный бюджет памяти. После сжатия модель дообучили для работы с изображениями, а затем обучили выполнять агентные задачи в симулированных средах, улучшив рассуждения и использование инструментов.
У Bolt необычная схема квантизации. Большая часть весов, относящихся к экспертам MoE, использует формат IQ2_XXS с эффективной разрядностью 2,0625 бита на параметр. Линейные слои Mamba переведены в NVFP4, а эмбеддинги, attention и выходной слой — в Q8_0. Чтобы компенсировать потерю точности при сжатии, NVIDIA применила дистилляцию с учётом квантизации (QAD): компактная версия учится воспроизводить ответы исходной модели.
За ускорение генерации отвечает LiLiCorr — технология спекулятивного декодирования с черновой моделью на 1,13 млрд параметров. При прогнозировании семи токенов система в среднем принимает 4,68 токена при жадном декодировании и 4,25 при вероятностной выборке. Это сокращает число последовательных вычислений, необходимых для генерации ответа.
В тестах NVIDIA Bolt превосходит Qwen3.6 35B-A3B и Gemma 4 26B-A4B по ряду показателей агентных навыков, веб-навигации и работы в терминале. Среди моделей с сопоставимыми требованиями к памяти она занимает первое место в PinchBench и второе в WebArena и BrowseComp. Однако по скорости генерации она уступает некоторым менее требовательным конкурентам: в AIPerf SPEED-Bench-Coding Bolt показывает 84 токена/с, тогда как Qwen3.6 35B-A3B выдаёт 96,6, а Gemma 4 26B-A4B — 100,6 токена/с. При этом плотная Qwen3.8 27B генерирует лишь 28,3 токена/с.
В тесте AA-AgentPerf Local Bolt справилась с задачами за 601 секунду. Для сравнения, Qwen3.6 потребовалось 454 секунды, Gemma 4 — 481 секунд, а Qwen3.8 27B — 1043 секунд. Bolt не самая быстрая модель в этом сравнении, но заметно опережает более плотную Qwen3.8 27B и, по оценкам NVIDIA, обеспечивает лучший баланс между точностью и требованиями к памяти.
NVIDIA опубликовала версию на 24 ГБ в формате NVFP4 и GGUF, отдельную черновую модель LiLiCorr, а также неквантизованный чекпойнт BF16 для дообучения. Основная версия оптимизирована для llama.cpp на RTX Spark и vLLM на DGX Spark.
Веса модели лежат на Hughing Face.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7🌭2🍾2💩1
Orange Pi представила O1 — компактный одноплатный компьютер размером 90 x 70 мм для запуска ИИ-моделей и обработки данных непосредственно на периферийных устройствах. В основе лежит чип Sophgo BM1688 с 8 ядрами Arm Cortex-A53 на частоте 1,65 ГГц, дополнительным ядром RISC-V C906 на 1,2 ГГц и встроенным TPU производительностью до 16 TOPS в INT8. Платформа рассчитана на анализ изображений, обнаружение объектов, распознавание речи и другие задачи компьютерного зрения и обработки естественного языка.
Объем оперативной памяти LPDDR4/LPDDR4X составляет 8 или 16 ГБ. Для хранения данных предусмотрены слот microSD, разъем M.2 M-Key с PCIe 3.0 для NVMe SSD, интерфейс SATA-3 и опциональная eMMC на 16, 32, 64 или 128 ГБ. Производитель заявляет поддержку Ubuntu и языковых моделей, включая Gemma 2B, Qwen1.5 1.8B и ChatGLM3 6B.
Для подключения периферии есть 2 порта USB 3.0 Type-A и два USB 2.0 Type-A, HDMI 2.0 с выводом изображения до 4K при 60 Гц, аудиогнездо 3,5 мм и 2 интерфейса MIPI CSI для камер. Дисплеи можно подключать через MIPI DSI, а для собственных устройств предусмотрена 26-контактная колодка GPIO с UART, I²C, SPI и PWM. Сетевые возможности включают 2 порта Gigabit Ethernet, Wi-Fi 6E и Bluetooth 5.3 LE; дополнительно можно установить модем 4G или 5G в слот M.2 B-Key с SIM-картой.
Отдельный VPU отвечает за аппаратное кодирование и декодирование видео H.264/H.265. Заявлена обработка до 10 каналов 1080p30 при кодировании и до 16 каналов 1080p30 при декодировании. Питание подается через USB Type-C при 20 В и 3,25 А, то есть до 65 Вт; предусмотрена возможность установки кулера с радиатором и вентилятором.
Цена Orange Pi O1 — $195 за версию с 8 ГБ ОЗУ и $325 за вариант с 16 ГБ.
* Указана рекомендуемая розничная цена без учета НДС и логистических затрат. Реальная стоимость оборудования будет отличаться.
😅 Канал Serverflow в MAX: Подписаться
Объем оперативной памяти LPDDR4/LPDDR4X составляет 8 или 16 ГБ. Для хранения данных предусмотрены слот microSD, разъем M.2 M-Key с PCIe 3.0 для NVMe SSD, интерфейс SATA-3 и опциональная eMMC на 16, 32, 64 или 128 ГБ. Производитель заявляет поддержку Ubuntu и языковых моделей, включая Gemma 2B, Qwen1.5 1.8B и ChatGLM3 6B.
Для подключения периферии есть 2 порта USB 3.0 Type-A и два USB 2.0 Type-A, HDMI 2.0 с выводом изображения до 4K при 60 Гц, аудиогнездо 3,5 мм и 2 интерфейса MIPI CSI для камер. Дисплеи можно подключать через MIPI DSI, а для собственных устройств предусмотрена 26-контактная колодка GPIO с UART, I²C, SPI и PWM. Сетевые возможности включают 2 порта Gigabit Ethernet, Wi-Fi 6E и Bluetooth 5.3 LE; дополнительно можно установить модем 4G или 5G в слот M.2 B-Key с SIM-картой.
Отдельный VPU отвечает за аппаратное кодирование и декодирование видео H.264/H.265. Заявлена обработка до 10 каналов 1080p30 при кодировании и до 16 каналов 1080p30 при декодировании. Питание подается через USB Type-C при 20 В и 3,25 А, то есть до 65 Вт; предусмотрена возможность установки кулера с радиатором и вентилятором.
Цена Orange Pi O1 — $195 за версию с 8 ГБ ОЗУ и $325 за вариант с 16 ГБ.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15🤯4💩4💅3
Всплыли новые фотки нового ИИ-ускорителя Intel D270. Оказалось, что решение базируется сразу на двух GPU, о чем Intel ранее не упоминала.
😅 Канал Serverflow в MAX: Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯12🍾2💅2
ServerFlow | Новости и Железо 💾
Photo
Решили детальнее изучить фотку платы Intel D270, и выяснили что чип, расположенный справа от QSFP-порта, это…SmartNIC NVIDIA ConnectX. Сетевые коммутаторы NVIDIA, конечно, пользуются огромным авторитетом, но ведь у Intel есть собственные сетевые карты, вроде E830 — неужели NIC синих настолько плохи, что даже в собственных ИИ-ускорителях Intel предпочла использовать решения конкурентов? Очень неоднозначное решение…
😅 Канал Serverflow в MAX: Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯22🌭2💅1
Власти Китая ограничили возможности отечественных ИИ-лабораторий — теперь чтобы DeepSeek, Alibaba или Z.ai могли выложить веса ИИ-модели объемом от 2 триллионов параметров или модели обученной на мощностях более 10e26 FLOPS, им потребуется получить разрешение Министерства коммерции КНР.
😅 Канал Serverflow в MAX: Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯52💩19👍6😡2
ServerFlow | Новости и Железо 💾
IBM объявила о возможности выпуска кремниевых пластин по нормам 0,7-нм с помощью технологии Nanostack. Вместо дальнейшего масштабирования по плоскости компания предлагает двигаться в третье измерение: транзисторы собираются в вертикальные стеки из нанолистов…
IBM заявила, что комплекты технологии проектирования чипов на техпроцессе Nanostack по нормам 0,7-нм поступят партнерам компании в 2027 году — для тестов техпроцесса IBM выдаст инструкции и скрипты для EDA-инструментов, и чипмейкеры начнут адаптировать архитектуры своих CPU, GPU, NPU и других процессоров для будущих 0,7-нм норм.
😅 Канал Serverflow в MAX: Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10🍾5💅2
Друзья, мы ни на что не намекаем, просто ненавязчиво сообщаем, что к нам приехало немного NVIDIA DGX Spark 👀
Так что если вдруг Spark нужен вам, вашей жене, детям, бабушке, дедушке или даже вашим домашним питомцам, то закупиться
🌐 можно по ссылке
🌐 можно по ссылке
🌐 можно по ссылке
Так что если вдруг Spark нужен вам, вашей жене, детям, бабушке, дедушке или даже вашим домашним питомцам, то закупиться
🌐 можно по ссылке
🌐 можно по ссылке
🌐 можно по ссылке
💅31💩13👍6🌭3
Журнал TIME включил ИИ-чип OpenAI Jalapeño в список “лучших изобретений 2026 года”. Безусловно, появление ASIC-решения для инференса от самой известной ИИ-лаборатории — событие, безусловно, стоящее внимания, но так ли он хорош, чтобы попадать в титульные полосы столь престижного издания? А что бы вы хотели увидеть на месте Jalapeño?
😅 Канал Serverflow в MAX: Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13💩1
На стенде AMD на саммите OCP 2026 показали несколько вариантов ИИ–ускорителей AMD Instinct MI350P нового формата OAC (Open Adapter Card), который должен прийти на смену PCIe-картам в серверах для ИИ.
Сейчас у ИИ-ускорителей есть два основных формата — обычные PCIe-карты, которые ставятся в стандартные серверы, но они упираются в лимит TDP 600 Вт, и проприетарные модули, вроде OAM или SXM, которые совместимы только со специализированными платами, но их TDP не ограничен. А между ними образовался провал.
И OAC — это не единоличная инициатива AMD: рабочая группа OAC была сформирована в начале 2026 года и включает AMD, Dell, Intel, NVIDIA и Qualcomm. То есть в одной лодке оказались все три главных производителя ускорителей. Стандарт пока в разработке: последняя версия базовой спецификации v0.90 вышла 9 октября 2026 года в рамках третьего раунда обсуждения.
Такую мощность уже не подать через обычный разъем. Поэтому основное питание идет через шину и разъем BK125, способный передать до 5 кВт, а слоты OAC не поддерживают горячую замену. На одной из показанных карт прямо указано, что она принимает 12 или 50 В при токе до 160 А. А на фотографиях сервера хорошо видна медная шина питания рядом с массивными разъемами для карт и целый ряд быстроразъемных фитингов для жидкости.
😅 Канал Serverflow в MAX: Подписаться
Сейчас у ИИ-ускорителей есть два основных формата — обычные PCIe-карты, которые ставятся в стандартные серверы, но они упираются в лимит TDP 600 Вт, и проприетарные модули, вроде OAM или SXM, которые совместимы только со специализированными платами, но их TDP не ограничен. А между ними образовался провал.
Именно его и решили закрыть в OCP. Логика такая: инференс и языковые модели малого и среднего размера станут следующей большой волной железа для корпоративного и периферийного ИИ, а значит, нужно решение между классическими PCIe-картами и стоечными системами мегаваттного масштаба, которое одинаково хорошо подойдет и для старых, и для новых ЦОД, для 19- и 21-дюймовых стоек.
opencompute
И OAC — это не единоличная инициатива AMD: рабочая группа OAC была сформирована в начале 2026 года и включает AMD, Dell, Intel, NVIDIA и Qualcomm. То есть в одной лодке оказались все три главных производителя ускорителей. Стандарт пока в разработке: последняя версия базовой спецификации v0.90 вышла 9 октября 2026 года в рамках третьего раунда обсуждения.
Самое впечатляющее в OAC — запас по энергопотреблению. ИИ-ускоритель с жидкостным охлаждением сможет потреблять до 5000 Вт, то есть почти в 8,5 раза больше, чем стандартная PCIe-карта на 600 Вт. Для сравнения, даже полноценный NVIDIA Rubin SXM потребляет около 2300 Вт.
Такую мощность уже не подать через обычный разъем. Поэтому основное питание идет через шину и разъем BK125, способный передать до 5 кВт, а слоты OAC не поддерживают горячую замену. На одной из показанных карт прямо указано, что она принимает 12 или 50 В при токе до 160 А. А на фотографиях сервера хорошо видна медная шина питания рядом с массивными разъемами для карт и целый ряд быстроразъемных фитингов для жидкости.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯13👍3🌭1