ASUS ExpertCenter Pro ET900N G3 là Trạm DGX GB300 thứ hai chúng tôi đã thử nghiệm và là trạm đầu tiên chúng tôi đánh giá trực tiếp trong phòng thí nghiệm của mình; việc thử nghiệm MSI XpertStation WS300 của chúng tôi được thực hiện từ xa. Nó sử dụng cùng một chip NVIDIA được thấy trong MSI XpertStation WS300: một Superchip Máy tính để bàn Grace Blackwell Ultra với 72 lõi Grace, một GPU B300, 252GB HBM3e, 496GB LPDDR5X và một SuperNIC ConnectX-8 được trang bị cổng kép 400GbE. ASUS đóng gói nền tảng lõi cố định này bên trong một tháp AI nhỏ gọn đặt trên bàn, bổ sung các tính năng không có trên WS300: hai tay cầm ở phía trên, một quạt chuyên dụng nhắm vào các lồng quang ConnectX-8 và một bộ nguồn 1.600W 80 PLUS Titanium.

ASUS đã gửi ET900N G3 đến phòng thí nghiệm của chúng tôi để kiểm tra hiệu năng, chụp ảnh và kiểm tra vật lý trong khoảng một tuần, được cấu hình sẵn với RTX PRO 2000. Chi tiết về nền tảng cơ bản, B300, Grace, NVLink-C2C, MIG và các nguyên tắc cơ bản của DGX Station đã được đề cập trong bài đánh giá MSI XpertStation WS300 trước đó của chúng tôi. Phân tích này tập trung vào việc triển khai của ASUS xung quanh Superchip và liệu hiệu suất của nó có tương xứng với tháp GB300 đầu tiên mà chúng tôi đã thử nghiệm hay không.

Thông số kỹ thuật ASUS ExpertCenter Pro ET900N G3

Thiết kế và Chế tạo

ASUS định vị ET900N G3 như một máy trạm doanh nghiệp với khung vỏ bằng bạc phay xước, bảng điều khiển phía trước bằng lưới tối màu, viền crôm trên các nắp và chân đế, cùng với logo ASUS mỏng ở phía trước. Kích thước của nó được quy định bởi nền tảng bên trong: 584 x 232 x 565mm, cao hơn một chút và hẹp hơn một chút so với WS300. Với trọng lượng 27kg, nó không thể di chuyển dễ dàng, điều này thúc đẩy lựa chọn thiết kế thực tế của ASUS: hai tay cầm bằng kim loại ở phía trên (trước và sau) cho phép hai người nhấc tháp lên bàn hoặc xe đẩy mà không cần nắm vào các tấm khung vỏ. Những tay cầm này trông không phù hợp với một máy trạm văn phòng cho đến khi bạn vận chuyển một tháp GB300 nặng qua phòng thí nghiệm.

Bảng điều khiển phía trước chứa nút nguồn, hai cổng USB Type-A 10Gbps, hai cổng USB Type-C 10Gbps, một cổng USB 2.0 và các giắc cắm âm thanh riêng biệt được sắp xếp theo chiều dọc ở phía trên bên phải của lưới tản nhiệt. Bảng điều khiển bên là một tấm thông gió lớn, với một phần phía trước dài có lỗ để hút bộ tản nhiệt và một lưới tản nhiệt phía sau nhỏ hơn được căn chỉnh với quạt hệ thống. Không có cửa sổ hoặc đèn RGB, phù hợp với sở thích của người mua mục tiêu.

Ở phía sau, bố cục phân tách I/O của máy trạm khỏi phần cứng máy chủ bên dưới. Cụm phía trên bao gồm bốn cổng USB Type-A 10Gbps, các cổng RJ45 10GbE và 1GbE, ba giắc cắm âm thanh, bảng điều khiển Micro-USB COM của BMC và Mini DisplayPort của BMC để thiết lập. Hai lồng QSFP112 cho ConnectX-8 nằm trên tấm chắn I/O bên cạnh quạt thoát khí; ba nắp khe cắm mở rộng chạy dọc ở giữa và bộ nguồn đầu vào C19 nằm ở phía dưới. Giống như WS300, Mini DisplayPort chỉ dành cho BMC để thiết lập ban đầu và khắc phục sự cố; đầu ra hiển thị máy tính để bàn yêu cầu thẻ bổ sung RTX PRO.

Bên trong ET900N G3

Với việc tháo bảng điều khiển bên, ET900N G3 giống với WS300, như mong đợi vì cả hai đều chia sẻ cùng một bo mạch chủ NVIDIA. Superchip GB300 nằm dưới tấm tản nhiệt bằng đồng ở bên trái khung vỏ, các mô-đun SOCAMM có các tấm tản nhiệt bằng đồng riêng bên cạnh nó, và ConnectX-8 được làm mát bằng tấm tản nhiệt thứ ba gần I/O phía sau. Ống dẫn chất lỏng được bện chạy từ các tấm tản nhiệt đến bộ phân phối trên thanh ngang của khung vỏ, sau đó đến các bộ tản nhiệt. Ba khe cắm PCIe đầy đủ chiều dài nằm bên dưới Superchip, bộ nguồn chiếm góc phía trước dưới cùng và một tấm che kim loại bao phủ việc định tuyến cáp phía dưới.

Bố cục luồng khí bên trong phản chiếu WS300: một bộ tản nhiệt dọc phía sau lưới tản nhiệt phía trước, một bộ tản nhiệt thứ hai được gắn dọc theo phía trên, mỗi bộ được trang bị mảng quạt, cộng với một quạt khung gầm phía sau. Các đường dẫn chất lỏng được bọc và cố định bằng dây đeo móc và vòng, và bộ phân phối tập trung các đường dẫn từ bốn tấm tản nhiệt để chỉ có hai ống cấp cho mỗi bộ tản nhiệt.

Quạt quang học

Một thành phần làm mát độc đáo của ET900N G3 là một quạt nhỏ gắn trên giá đỡ phía trên tấm tản nhiệt ConnectX-8, hướng trực tiếp vào các lồng QSFP112. Vòng lặp chất lỏng làm mát chính chip SuperNIC, nhưng các bộ thu phát quang 400G tạo ra nhiệt đáng kể bên trong các lồng kim loại chỉ nhận được làm mát dẫn nhiệt từ tấm tản nhiệt. Việc thử nghiệm trước đây của chúng tôi đã ghi nhận ConnectX-8 chạy nóng dưới tải liên tục và các mô-đun quang có thể nóng lên, vì vậy luồng khí chuyên dụng qua các lồng là một tính năng thiết kế có giá trị cho người dùng chạy kết nối cáp quang liên tục. Khi sử dụng cáp DAC, thiết lập của chúng tôi cho bài kiểm tra suy luận theo cụm đang diễn ra liên kết đơn vị này với Trạm GB300 thứ hai, quạt này thấy khối lượng công việc nhẹ hơn.

Lưu trữ, mở rộng và nguồn điện

ASUS đã cung cấp ET900N G3 với một ổ NVMe 2TB cho hệ điều hành và phần mềm NVIDIA trên cặp khe cắm PCIe 5.0 x4 M.2 2280 được kết nối qua Grace. Cặp khe cắm M.2 thứ hai kết nối với bộ chuyển mạch PCIe tích hợp của ConnectX-8 và trống từ nhà máy.

Đơn vị đánh giá của chúng tôi đã đi kèm với NVIDIA RTX PRO 2000 được cài đặt trong khe cắm PCIe 5.0 x16, một trong những cấu hình được hỗ trợ của ASUS. Thẻ này cung cấp đầu ra hiển thị mà không tiêu tốn nhiều ngân sách năng lượng của GB300; ASUS tuyên bố khung vỏ chỉ hỗ trợ một thẻ RTX PRO Blackwell. Chúng tôi đã tháo RTX PRO 2000 trước khi kiểm tra hiệu năng để dành toàn bộ ngân sách năng lượng tăng tốc cho Superchip, phù hợp với điều kiện thử nghiệm WS300 của chúng tôi. Chúng tôi đã không thử nghiệm các thẻ RTX PRO có công suất cao hơn trong khung vỏ này; tác động của chúng lên không gian năng lượng chia sẻ sẽ được đề cập trong bài đánh giá Trạm GB300 trong tương lai.

Bộ nguồn ATX 1.600W có chứng nhận 80 PLUS Titanium, một nâng cấp so với bộ nguồn Platinum của WS300. Titanium yêu cầu hiệu suất 94% ở tải 50% trên đầu vào 115V so với 92% của Platinum, và nó thực thi xếp hạng hiệu suất tối thiểu ở tải 10%, vì vậy ET900N G3 lãng phí ít watt tường hơn dưới tải GB300 đầy đủ. Nguồn điện vẫn được chia sẻ: Grace, B300, bơm, quạt, lưu trữ và bất kỳ thẻ RTX PRO nào đều lấy từ cùng một nguồn 1.600W. Dịch vụ vsloshd của NVIDIA động chuyển đổi không gian có sẵn giữa Superchip và GPU bổ sung dựa trên mức tiêu thụ điện, không có giới hạn cứng cố định cho bất kỳ thành phần nào. Khung nguồn này không thay đổi so với bài đánh giá WS300. Các triển khai ở Bắc Mỹ yêu cầu mạch điện 20A chuyên dụng.

Kết nối

Các cổng QSFP112 kép của ConnectX-8 đóng vai trò là liên kết mạng chính của ET900N G3 với lưu trữ, Trạm DGX thứ hai hoặc mạng cụm. Trong phòng thí nghiệm của chúng tôi, các cổng này kết nối qua DAC 400G với một Trạm GB300 khác để phân tích suy luận theo cụm sắp tới. Cổng Marvell 10GbE xử lý lưu lượng máy chủ thông thường, trong khi cổng Realtek 1GbE được dành riêng cho quản lý BMC.

Ghi chú thử nghiệm

Tất cả kết quả đều sử dụng cấu hình bộ nhớ gốc của mẫu phòng thí nghiệm: 252GB HBM3e cộng với 496GB LPDDR5X. Thử nghiệm chạy mà không có thẻ RTX PRO được cài đặt, cho phép Superchip GB300 toàn bộ ngân sách năng lượng tăng tốc và phù hợp với điều kiện thử nghiệm WS300. Ngăn xếp phần mềm, cấu hình vLLM, hồ sơ khối lượng công việc và quét đồng thời giống hệt nhau, cho phép so sánh tháp trực tiếp từng cái một. Bài đánh giá này chỉ tập trung vào hiệu suất suy luận; chúng tôi không đo lường mức tiêu thụ điện hoặc đo lường nhiệt trên đơn vị này.

Chúng tôi đã chạy hai hồ sơ suy luận trực tiếp vLLM tiêu chuẩn được sử dụng trên tất cả phần cứng AI cục bộ: một khối lượng công việc cân bằng với 512 token đầu vào / 512 token đầu ra và một khối lượng công việc ưu tiên prefill với 8.192 token đầu vào / 1.024 token đầu ra, quét đồng thời từ 1 đến 128 luồng. Đối với các mô hình quy mô biên giới, chúng tôi so sánh với một máy chủ GPU có hai hoặc bốn thẻ RTX PRO 6000, giải pháp thay thế hộp đơn gần nhất cho các điểm kiểm tra mô hình này. Đối với các mô hình nhỏ hơn, chúng tôi kiểm tra hiệu năng với một RTX PRO 6000 duy nhất trong cùng một máy chủ, một H200 NVL duy nhất trong một máy chủ doanh nghiệp khác và một hệ thống GB10 DGX Spark giống hệt với hệ thống được sử dụng trong bài đánh giá WS300. Các chỉ số ET900N G3 là giá trị log thô; các số liệu so sánh đến từ biểu đồ kết quả lưu trữ của chúng tôi.

Hiệu suất suy luận

Các mô hình biên giới trên nhóm bộ nhớ đồng bộ

GB300 được chế tạo để chứa các mô hình nằm ở ranh giới giới hạn 252GB HBM3e của B300. Chúng tôi đã thử nghiệm bốn điểm kiểm tra trải dài ranh giới này: DeepSeek V4 Flash và MiniMax M2.7 hoàn toàn nằm trong HBM với dung lượng còn lại; MiniMax M3 chỉ vừa đủ và tải một tập hợp con các lớp chuyên gia vào bộ nhớ Grace; GLM-5.2 tải khoảng một nửa trọng số của nó. Mỗi biểu đồ so sánh kết quả với giải pháp thay thế hộp đơn gần nhất: các thẻ RTX PRO 6000 bên trong máy chủ doanh nghiệp, tải các lớp chuyên gia vào bộ nhớ máy chủ khi cần.

DeepSeek V4 Flash là một bài kiểm tra đơn giản: một điểm kiểm tra FP8 gốc ~20GB được B300 xử lý dễ dàng. Thông lượng đầu ra khối lượng công việc cân bằng tăng từ 152 token/giây ở 1 luồng lên 1.766 token/giây ở 32 luồng, tổng thông lượng token đạt 3.532. Đối với hồ sơ ưu tiên prefill, ET900N G3 đã tăng từ 148 lên 954 token đầu ra/giây, tổng thông lượng đạt 8.587. Thiết lập hai RTX PRO 6000 đạt đỉnh gần 800 token đầu ra/giây trên khối lượng công việc cân bằng và ~490 trên các câu lệnh dài, với hiệu suất không đồng đều ở mức đồng thời thấp.

MiniMax M2.7 trong lượng tử hóa NVFP4 chiếm ~125GB HBM và mang lại khả năng mở rộng mạnh mẽ nhất trong bốn mô hình. Đầu ra khối lượng công việc cân bằng tăng từ 214 token/giây trên một luồng lên 4.793 ở 128 luồng, tổng thông lượng đạt 9.586. Thử nghiệm ưu tiên prefill đã tăng lên 1.744 token đầu ra/giây và 15.700 token tổng/giây ở 64 luồng. Hai thẻ RTX PRO 6000 tuân theo cùng một đường cong chung nhưng đạt được dưới một nửa thông lượng, đạt đỉnh gần 1.930 token đầu ra/giây cho khối lượng công việc cân bằng và ~510 cho các câu lệnh dài.

MiniMax M3 minh họa hoạt động ngay tại ngưỡng bộ nhớ. Điểm kiểm tra NVFP4 nhỏ hơn 252GB, nhưng trạng thái thời gian chạy và bộ nhớ đệm KV tiêu thụ không gian bổ sung, vì vậy một phần các lớp chuyên gia nằm trong bộ nhớ Grace; mỗi bước giải mã truy cập các lớp chuyên gia đó sẽ đi qua NVLink-C2C. Với giải mã suy đoán EAGLE3, ET900N G3 đạt 1.041 token đầu ra/giây ở 32 luồng cho khối lượng công việc cân bằng. Hồ sơ ưu tiên prefill đạt đỉnh ở 282 token/giây ở hai luồng, giữ 271 ở bốn luồng, sau đó giảm xuống 103 ở tám luồng khi các câu lệnh dài làm cạn kiệt bộ nhớ đệm có sẵn. Bốn thẻ RTX PRO 6000 sử dụng cùng bộ giải mã suy đoán đã theo kịp qua tám luồng, vượt lên ở 16 luồng lên ~1.180 token đầu ra/giây, sau đó giảm xuống khoảng 760 ở 32 luồng. Trên khối lượng công việc ưu tiên prefill, hệ thống bốn GPU duy trì ~349 token đầu ra/giây ở bốn luồng so với 271 cho Trạm DGX. Mô hình này nằm chính xác ở dung lượng HBM là trường hợp duy nhất trong bộ này mà tổng VRAM 384GB trên bốn thẻ cạnh tranh với 252GB HBM cộng với tải Grace.

GLM-5.2 đại diện cho một khối lượng công việc mà chỉ nhóm bộ nhớ đồng bộ mới có thể thực hiện được. Sử dụng giải mã suy đoán MTP, điểm kiểm tra NVFP4 giữ ~215GB trọng số chuyên gia trong bộ nhớ Grace. ET900N G3 cung cấp 35 token đầu ra/giây cho một luồng và 139 cho 32 luồng dưới khối lượng công việc cân bằng, tổng thông lượng đạt 277. Đối với các bài kiểm tra ưu tiên prefill lên đến 32 luồng, nó đạt 120 token đầu ra/giây và 1.079 token tổng/giây. Bốn thẻ RTX PRO 6000, mỗi thẻ tải ~30GB vào bộ nhớ máy chủ, quản lý ~40 token đầu ra/giây ở 32 luồng và ổn định ở khoảng 9–10 token/giây từ bốn luồng trở đi cho các câu lệnh dài. Không hệ thống nào làm cho mô hình 433GB này hoạt động nhanh, nhưng LPDDR5X 396GB/s của GB300 và liên kết NVLink-C2C 900GB/s với các lớp chuyên gia được tải vẫn duy trì khả năng mở rộng nơi bộ nhớ máy chủ gắn PCIe trên bốn GPU bị đình trệ.

So với MSI WS300, kết quả mô hình biên giới của ET900N G3 nằm trong khoảng 1% ở tất cả các điểm thử nghiệm khớp nhau: 1.766 token đầu ra/giây cho DeepSeek V4 Flash ở 32 luồng trên cả hai tháp; 4.793 so với 4.801 cho MiniMax M2.7 ở 128 luồng; 1.041 cho MiniMax M3 ở 32 luồng trên cả hai; và 139 cho GLM-5.2 ở 32 luồng trên cả hai.

Các mô hình được chia sẻ so với RTX PRO 6000, H200 NVL và DGX Spark

Nhóm kiểm tra thứ hai sử dụng các mô hình nhỏ hơn mà tất cả các hệ thống thử nghiệm đều có thể tải hoàn toàn vào bộ nhớ: GPT-OSS-20B và 120B gốc MXFP4; Llama 3.1 8B BF16 và FP8; Mistral Small 24B BF16 và FP8; Qwen3 Coder 30B BF16 và FP8. Mới so với bài đánh giá WS300 là một H200 NVL duy nhất, bộ tăng tốc Hopper 141GB của NVIDIA, bổ sung một GPU trung tâm dữ liệu thế hệ trước vào bộ so sánh.

GPT-OSS-20B là khối lượng công việc dễ nhất, được tất cả các ứng cử viên phần cứng tải một cách thoải mái. Dưới khối lượng công việc cân bằng, ET900N G3 đã tăng lên 22.041 token đầu ra/giây ở 128 luồng (tổng cộng 44.082), so với ~7.920 cho RTX PRO 6000, 6.010 cho H200 NVL và 1.420 cho DGX Spark. Hiệu suất một luồng đạt 536 token đầu ra/giây cho Trạm, so với 354 trên RTX PRO 6000, 489 trên H200 NVL và 120 trên Spark. Các lần chạy ưu tiên prefill đã nới rộng khoảng cách: 9.555 token đầu ra/giây và 85.994 token tổng/giây ở 128 luồng cho ET900N G3, so với ~2.480 cho RTX PRO 6000, 3.410 cho H200 NVL và 445 cho Spark.

GPT-OSS-120B làm lộ ra các giới hạn bộ nhớ trên các phần cứng cạnh tranh. ET900N G3 đạt 9.280 token đầu ra/giây trên khối lượng công việc cân bằng ở 128 luồng, khoảng ba lần so với 3.060 của RTX PRO 6000, 2.8 lần so với 3.370 của H200 NVL và hơn 19 lần so với 480 của Spark. Đối với các câu lệnh dài, các hệ thống nhỏ hơn đã làm cạn kiệt dung lượng bộ nhớ đệm KV sớm: RTX PRO 6000 đạt đỉnh gần 1.170 token đầu ra/giây và H200 NVL gần 1.820, trong khi Trạm tiếp tục tăng qua 128 luồng và kết thúc ở 5.023 token đầu ra/giây với tổng thông lượng 45.205 token/giây.

Llama 3.1 8B FP8 mang lại số liệu thông lượng đơn cao nhất trong bộ kiểm tra này. ET900N G3 đã đẩy 25.602 token đầu ra/giây trên 128 luồng trên khối lượng công việc cân bằng (tổng cộng 51.205), so với ~8.060 trên RTX PRO 6000 và 11.040 trên H200 NVL. Chuyển từ BF16 sang FP8 đã tăng thông lượng của Trạm lên khoảng 50% (17.074 lên 25.602), trong khi RTX PRO 6000 tăng ~70% và H200 NVL ~37%. Kết quả ưu tiên prefill đã nén tất cả các điểm số: Trạm đạt 6.164 token đầu ra/giây, RTX PRO 6000 1.480, H200 2.040.

Mistral Small 24B FP8 tạo ra tỷ lệ hiệu suất lớn nhất. ET900N G3 đạt đỉnh 11.075 token đầu ra/giây dưới khối lượng công việc cân bằng, gấp 3.4 lần so với 3.240 của RTX PRO 6000, gấp 2.4 lần so với 4.610 của H200 NVL và gần 20 lần so với 559 của Spark. Trên các câu lệnh dài, RTX PRO 6000 đạt đỉnh ở 32 luồng khoảng 480 token/giây trước khi giảm; H200 NVL đạt đỉnh gần 854 token/giây, trong khi Trạm đạt 2.302 token/giây ở 128 luồng.

Qwen3 Coder 30B, một mô hình hỗn hợp các chuyên gia với số lượng tham số hoạt động thấp, thu hẹp khoảng cách luồng đơn. Ở một luồng khối lượng công việc cân bằng, RTX PRO 6000 cung cấp ~232 token đầu ra/giây so với 319 của Trạm và 308 của H200 NVL. Việc xử lý theo lô khôi phục thứ bậc hiệu suất: ở 128 luồng FP8, ET900N G3 đạt 12.439 token đầu ra/giây, gấp 3.1 lần so với 3.990 của GPU và gấp 1.7 lần so với 7.450 của H200 NVL. Các lần chạy ưu tiên prefill đạt 3.837 token đầu ra/giây cho Trạm; RTX PRO 6000 đạt đỉnh gần 880 ở 64 luồng, H200 NVL gần 1.820.

Trên các mô hình được chia sẻ này, ET900N G3 cung cấp thông lượng gấp 2.8–3.4 lần so với một RTX PRO 6000 duy nhất và gấp 1.7–3.7 lần so với H200 NVL ở mức đồng thời tối đa. Ưu thế của nó tăng lên trên các câu lệnh dài khi phần cứng cạnh tranh làm cạn kiệt không gian bộ nhớ đệm KV. So với WS300, bốn mô hình này một lần nữa nằm trong khoảng 1%: 22.041 so với 22.161 cho GPT-OSS-20B; 9.280 so với 9.294 cho GPT-OSS-120B; 11.075 so với 11.157 cho Mistral Small FP8; 12.439 so với 12.425 cho Qwen3 Coder FP8. So sánh đầy đủ trên tất cả 14 mô hình xuất hiện trong phần tiếp theo.

Hai Tháp, Một Bo mạch chủ: ASUS ET900N G3 so với MSI WS300

ET900N G3 và MSI XpertStation WS300 chia sẻ bo mạch chủ NVIDIA GB300 DGX Station giống hệt nhau được đóng gói vào các khung vỏ OEM khác nhau. Cả hai đều chạy cùng 14 mô hình, hai hồ sơ khối lượng công việc và quét đồng thời sử dụng các bản dựng vLLM khớp nhau. Bảng dưới đây so sánh thông lượng đầu ra đỉnh của ET900N G3 với WS300 trên tất cả các mô hình.

Trong số 28 cặp mô hình-khối lượng công việc, 24 kết quả nằm trong khoảng 2% của nhau, hầu hết cho thấy lợi thế phần trăm nhỏ hơn cho WS300. Bốn kết quả nằm ngoài phạm vi này, ba trên khối lượng công việc cân bằng: Llama 3.1 8B FP8 thấp hơn 3.5% so với WS300 (25.602 so với 26.536), Qwen3 Coder 30B BF16 thấp hơn 4.6% (10.000 so với 10.486), Nemotron 3 Ultra 550B thấp hơn 5.2% (159 so với 168), cộng với Qwen3 Coder 30B BF16 một lần nữa thấp hơn 2.1% trên các câu lệnh dài. Tất cả các điểm dữ liệu là các phép đo chạy đơn cho mỗi tháp, vì vậy sự biến động 2–5% trên ba trong số 14 mô hình không thể quy cho thiết kế khung vỏ; chúng tôi chỉ ghi lại sự khác biệt quan sát được. Các mô hình phụ thuộc vào nhóm bộ nhớ đồng bộ, MiniMax M3 và GLM-5.2, đạt hoặc vượt quá hiệu suất WS300 trên cả hai khối lượng công việc, xác nhận đường dẫn tải Grace hoạt động giống hệt nhau trong vỏ bọc ASUS và MSI.

GPT-OSS-20B, mô hình dày đặc có thông lượng cao nhất, và GLM-5.2, khối lượng công việc tập trung vào việc tải, cho thấy sự chồng lấp gần như hoàn hảo: hiệu suất WS300 theo dõi ET900N G3 gần như từng điểm một.

Chúng tôi sẽ tiếp tục khung kiểm tra này khi các tháp GB300 bổ sung đến phòng thí nghiệm của chúng tôi. ZGX của HP sẽ là tiếp theo, sau đó là các bản dựng OEM khác. Mỗi đơn vị chạy quét đồng thời giống hệt nhau này, vì vậy bất kỳ sự khác biệt nào giữa các triển khai OEM sẽ xuất hiện trong khung kiểm tra này, với các biểu đồ mô hình riêng lẻ giữ nguyên đường cong hiệu suất thô.

Kết luận

ASUS ExpertCenter Pro ET900N G3 hoàn thành những gì một triển khai nền tảng tham chiếu thứ hai nên làm: nó xác nhận kết quả kiểm tra ban đầu. Trên 14 mô hình và hai hồ sơ khối lượng công việc, 24 trên 28 so sánh thông lượng vLLM đỉnh nằm trong khoảng 2% so với kết quả của MSI XpertStation WS300, dao động từ 1.766 token đầu ra/giây cho DeepSeek V4 Flash lên đến 22.041 cho GPT-OSS-20B. Bốn điểm ngoại lệ chạy đơn nằm thấp hơn 2–5%, và hệ thống chạy thành công GLM-5.2 với các lớp chuyên gia 215GB được lưu trữ trong bộ nhớ Grace với thông lượng mà bốn thẻ RTX PRO 6000 không thể sánh được. Superchip GB300 xác định giới hạn hiệu suất và ASUS mang đến sự thực thi vững chắc.

Các giá trị gia tăng của ASUS là những cải tiến kỹ thuật thiết thực: tay cầm cho phép hai người di chuyển tháp 27kg mà không cần nắm vào các tấm khung vỏ; quạt chuyên dụng trên các lồng QSFP112 giải quyết rủi ro nhiệt cho các lần chạy quang 400G kéo dài; bộ nguồn được xếp hạng Titanium giảm mức tiêu thụ điện tường. Máy chủ Arm, mạch 20A bắt buộc, đầu ra hiển thị chỉ dành cho BMC và ngân sách nguồn 1.600W được chia sẻ khi các GPU bổ sung lớn được cài đặt là những ràng buộc nền tảng cố hữu áp dụng như nhau cho cả hai tháp.

Công ty TNHH Công nghệ Bắc Kinh Qianxing Jietong
Sandy Yang/Giám đốc Chiến lược Toàn cầu
WhatsApp / WeChat: +86 13426366826
Email: yangyd@qianxingdata.com
Trang web: www.qianxingdata.com/www.storagesserver.com
Trọng tâm kinh doanh:
Phân phối Sản phẩm ICT/Tích hợp Hệ thống & Dịch vụ/Giải pháp Cơ sở hạ tầng
Với hơn 20 năm kinh nghiệm phân phối CNTT, chúng tôi hợp tác với các thương hiệu hàng đầu toàn cầu để cung cấp các sản phẩm đáng tin cậy và dịch vụ chuyên nghiệp.
“Sử dụng Công nghệ để Xây dựng Thế giới Thông minh” Nhà cung cấp Dịch vụ Sản phẩm ICT Đáng tin cậy của Bạn!