Kentino AI 192 Rome ArcProB70 TBD — 6× Intel Arc Pro B70 — EPYC Milan (předobjednávka)
Platforma podnikové třídy, sestavená a otestovaná v EU.
PŘIPRAVUJEME
Předobjednávka — Intel Arc Pro B70, plánované dodání Q3 2026
Kentino AI 192 Rome ArcProB70 TBD
Inferenční server Intel Xe2 se 192 GB VRAM
6x Arc Pro B70 | EPYC Milan | TOPS TBD
Cenově dostupná sestava s velkým objemem VRAM zaměřená na open-source inferenční stack od Intelu. Cena bude zafixována při dostupnosti karet Intel.
4U rackový inferenční server se šesti kartami Intel Arc Pro B70 Creator (každá 32 GB Xe2-HPG „Battlemage“, celkem 192 GB), jedním CPU AMD EPYC 7643 Milan (48C/96T), 384 GB DDR4 ECC, 2TB NVMe pro systém a 2kW ATX zdrojem (důrazně doporučujeme upgrade na dva zdroje). Postaveno pro softwarový ekosystém Intel: OpenVINO 2025+, IPEX-LLM, llama.cpp backend SYCL a forky vLLM-Intel. Workloady vyžadující výhradně CUDA na tomto hardwaru neběží.
Hardware
| Komponenta | Detail |
|---|---|
| GPU | 6x Intel Arc Pro B70 Creator 32 GB (Xe2-HPG „Battlemage“, 250 W, PCIe 5.0 x16, dvouslotová) |
| Objem VRAM | 192 GB celkem napříč 6 kartami (žádná propojovací sběrnice mezi kartami — provoz mezi nimi po PCIe) |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128 linek PCIe 4.0) |
| Základní deska | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| Systémová paměť | 384 GB DDR4-2666 ECC RDIMM (6x 64 GB) |
| Systémový disk / úložiště | 2 TB NVMe M.2 (PCIe 4.0 x4) |
| Zdroj | 1x 2kW ATX zdroj (důrazně doporučujeme upgrade na dva synchronizované 2kW zdroje) |
| Skříň | 4U do racku (rozvržení pro 6 slotů) |
| Chlazení | Tower chladič SP3 (Arctic Freezer 4U-M) + řízené proudění zepředu dozadu (průmyslové ventilátory) |
| Síť | Integrované dvojité 10 GbE (Intel X550) |
Příkonová bilance
- Příkon GPU: 6 x 250 W = 1 500 W (TDP uváděné Intelem)
- Celkový příkon systému při plné zátěži: ~1 825 W
- Celkový výkon zdroje: 2 000 W (jeden) — pouze 8.75 % rezerva
- Důrazně doporučujeme dva synchronizované 2kW zdroje — rezerva se vrátí na ~45 %
Topologie linek
ROMED8-2T nabízí 7x PCIe 4.0 x16. Šest slotů je osazeno, jeden zůstává volný pro případný síťový adaptér. Arc Pro B70 je nativně PCIe Gen5, ROMED8-2T běží na Gen4 — dopad na propustnost je u inference s 32 GB na kartu zanedbatelný. Žádný PCIe switch. Žádná obdoba Xe-Link.
Co na něm poběží
Všechna tvrzení o kompatibilitě se týkají softwarového stacku Intel (OpenVINO, IPEX-LLM, llama.cpp SYCL, vLLM-Intel). Workloady vyžadující výhradně CUDA na tomto hardwaru neběží. Veškeré údaje vycházejí z publikovaných externích zdrojů a podléhají nezávislému ověření po zahájení dodávek karet.
LLM — text / uvažování / programování
Čínská špička
- Qwen3 / Qwen3.5 (Alibaba): Qwen3-235B-A22B Q4 (~132 GB) s rezervou pro dlouhý kontext; Qwen3-Coder-480B-A35B Q2 (~160 GB); Qwen3.5-397B-A17B Q3 (~170 GB)
- GLM / Z.ai: GLM-4.5 / 4.6 / 4.7 Q4 (~177 GB) — vejde se při střední velikosti KV cache
- Tencent Hunyuan: Hunyuan-Large Q3 (~160 GB); Hunyuan-A13B fp8 (~80 GB), pokud ovladač zpřístupní fp8 cestu Xe2
- Další: Baidu ERNIE-4.5-424B Q3 (~180 GB); MiniMax-M1 Q3 (~180 GB); DeepSeek-R2 32B (6x souběžných streamů)
Západní špička
- Meta Llama: Llama 3.3 70B Q6-Q8 se štědrou KV cache; Llama 4 Scout 109B/17B Q4 (~63 GB) s rezervou
- Mistral: Mistral Small 3 / Magistral Small / Devstral Small 2 (24B) v bf16; Pixtral Large Q4-Q6
- OpenAI (otevřené váhy): gpt-oss-120b nativně v MXFP4 (~80 GB) — pokud je v Intel stacku k dispozici dekvantizace MXFP4
- NVIDIA Nemotron: Llama-3.1-Nemotron Ultra 253B Q4 (~120 GB)
- Další: Gemma 3 27B bf16 multimodální; Phi-4 / Phi-4-reasoning 14B; Cohere Command R+ 104B Q4
Vision-language modely
Qwen3-VL-8B / 32B; Qwen3-VL-30B-A3B MoE; InternVL3 až do 78B; InternVL3.5-38B; Llama 3.2 90B Vision Q4; Pixtral 12B; Molmo 72B Q4; Gemma 3 12B/27B multimodální; MiniCPM-V 2.6 / MiniCPM-o 2.6. OpenVINO od Intelu má silnou podporu vision částí modelů — VLM proto bude pravděpodobně silnou stránkou hned od začátku.
Generování obrazu
FLUX.1 [dev] / [schnell] fp8 nebo Q4 GGUF přes llama.cpp SYCL; SDXL / SD 3.5 Large přes runtime OpenVINO genAI; HunyuanDiT; HunyuanImage-2.1 bf16 (~34 GB); Kolors 2.0; AuraFlow; OmniGen; PixArt-Sigma.
Generování videa
Wan 2.2 T2V-A14B / I2V-A14B MoE (~54 GB bf16); Wan 2.2 TI2V-5B; HunyuanVideo 13B bf16; HunyuanVideo 1.5; CogVideoX-5B; Open-Sora 2.0; LTX-Video; Pyramid Flow; Mochi-1 Q4. Video je dnes nejslabší stránkou Intel cesty — očekávejte funkční, ale ne výkonnostně optimální běh v době uvedení.
Audio / řeč / TTS
- ASR: Whisper v3 large / turbo přes OpenVINO (prvotřídní podpora Whisperu od Intelu); Parakeet-TDT; Canary; SenseVoice
- TTS: CosyVoice 2/3; Kokoro 82M; Stable Audio Open; XTTS v2; StyleTTS 2; Step-Audio-EditX
- Realtime / S2S: Kyutai Moshi; MusicGen / AudioGen / Bark; SeamlessM4T v2
Provoz více modelů / více tenantů
- 6 souběžných streamů modelu Q4 o velikosti 32 GB (jeden na kartu) — např. 6x agent Qwen3-32B Q4
- Embedding flotila ve velkém — 6x paralelní stream BGE-M3 / E5 / Nomic Embed (optimalizováno pro OpenVINO)
- Smíšené osazení — 70B Q4 (tensor-parallel přes 3 karty) + FLUX.1 (1 karta) + Whisper-turbo (1 karta) + Moshi (1 karta)
Cílové workloady
- Pilotní ověření softwaru Intel jako alternativy ke CUDA při provozu LLM
- Backend pro embeddingy a rerankery, kde je objem VRAM za euro důležitější než propustnost
- Cenově dostupná inference špičkových MoE modelů v Q4 (Qwen3-235B, GLM-4.5/4.6/4.7) pro malé interní vývojové týmy
- Nasazení modelů nativně v OpenVINO vedle stávajících pipeline s Intel Xeon / Arc Pro
- Backend pro VLM / OCR / zpracování dokumentů (silná stránka Intel OpenVINO)
Naměřený výkon
Specifikace publikované Intelem | Po zahájení dodávek karet podléhají nezávislému ověření
| Parametr | Hodnota |
|---|---|
| VRAM na kartu | 32 GB GDDR6 |
| Třída propustnosti paměti | ~450 GB/s na kartu |
| Xe Matrix Extensions (XMX) | Akcelerace přes OpenVINO / IPEX-LLM |
| podpora fp8 | Křemík Xe2 — podporu v ovladači ověřit při zahájení dodávek |
Kentino zatím nemá vlastní naměřená data. Specifikace publikované Intelem podléhají nezávislému ověření. Vlastní čísla tok/s, QPS a propustnosti zveřejníme, jakmile první kus projde zátěžovým testem.
Nevhodné pro
- Workloady postavené nativně na CUDA — na Intelu CUDA není, počítejte s obtížemi při migraci
- Produkční nasazení s kritickým SLA, dokud se dodávky Intel Arc Pro a nástroje neustálí
- Špičkové MoE modely 600B+ v Q4 a vyšším (vyžadují 6x RTX Pro 6000 / 576 GB)
- Trénink — Arc Pro cílí především na inferenci, zralost frameworků pro distribuovaný trénink je omezená
- Zákazníky, kteří před nákupem potřebují naměřené benchmarky — tato SKU je v předobjednávce
Záruka a dodací lhůta
Standardní záruka Kentino (2 roky na díly, 1 rok na práci); přísnější distribuční podmínky Intelu mají přednost. Sestava zahrnuje montáž, konfiguraci BIOSu, instalaci ovladačů, zátěžové testování a funkční ověření. Rezervujte si místo v první vlně dodávek přes kontaktní formulář Kentino. Cena je při objednávce garantovaná 30 dní.
Doporučené doplňky
- Upgrade na dva synchronizované 2kW zdroje (u jednoho zdroje je při odběru 1 825 W rezerva těsná — důrazně doporučujeme)
- Navýšení paměti na 512 GB DDR4 (2x 64 GB — dva sloty volné)
- Druhý disk 4 TB NVMe pro knihovnu modelů
Otázky, které nám kupující kladou před objednávkou serveru nejčastěji.
Jak dlouho to trvá?
Stroje sestavené z komponent, které máme skladem, expedujeme rychle; cokoli, co vyžaduje konkrétní generaci GPU, závisí na dostupnosti. Termín Vám sdělíme ještě před platbou, a pokud se posune, dáme Vám vědět sami, místo abyste na to museli přijít.
Lze konfiguraci změnit ještě před sestavením?
Téměř vždy. GPU, paměť, úložiště i chlazení volíme podle konkrétní objednávky a uvedená konfigurace je spíš výchozím bodem než pevně daným balíkem. Pokud potřebujete více VRAM, rychlejší úložiště nebo jiné řešení chlazení, dejte nám vědět ještě před objednávkou a změnu Vám naceníme.
Mohu si server vyzvednout osobně?
Ano, můžete. Náš sklad je v Praze a osobní odběr vítáme — většina těch, kdo přijedou, využije návštěvu k tomu, aby si stroj prošla s naším technikem a zeptala se na věci, které se e-mailem řeší těžko. U objednávek v rámci České republiky se také snažíme doručovat osobně a provést Vás nastavením přímo na místě.
Mohu mluvit s někým, kdo opravdu rozumí workloadu?
Ano. Máme inženýra, který se věnuje přímo AI systémům, nikoli obecné obchodní oddělení. Pokud se ptáte na velikosti batchů, kvantizaci, propojení nebo na to, kde bude Vaše úzké hrdlo, zeptejte se — takový rozhovor obvykle posune konfiguraci k lepšímu.
Jaký model na této konfiguraci spustím?
Ano. Každý stroj je sestaven, podroben burn-in testu a změřen na reálných AI workloadech ještě před expedicí a odchází od nás s již nainstalovaným a běžícím LLM. Zapojíte jej, připojíte do své sítě a začnete pracovat — zbývá jediné rozhodnutí: na jakém projektu poběží jako prvním.
Jak testujete server před expedicí?
Testujeme ji na skutečných AI workloadech, ne na syntetických skóre: propustnost inference, chování při dlouhodobé zátěži a teploty v nepřetržitém provozu. Výsledky benchmarků dostanete spolu se strojem, takže si slíbený výkon můžete ověřit hned první den.
Je server po dodání připravený k provozu?
Ano. Každý stroj je sestaven, podroben burn-in testu a změřen na reálných AI workloadech ještě před expedicí a odchází od nás s již nainstalovaným a běžícím LLM. Zapojíte jej, připojíte do své sítě a začnete pracovat — zbývá jediné rozhodnutí: na jakém projektu poběží jako prvním.
Expedujeme z našeho skladu v EU. U těžkých položek může být nutná přeprava nákladní dopravou — napište si o cenovou nabídku dopravy a dodací lhůtu. Dvouletá omezená záruka s přednostním RMA servisem, prodloužená záruka na vyžádání.
Není to přesně to, co potřebujete?
Řekněte nám, jaký workload provozujete, a my Vám tuto platformu navrhneme na míru — GPU, paměť, úložiště i chlazení podle toho, co u Vás skutečně běží.