Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS — 6× RTX Pro 6000 Blackwell Max-Q AI Frontier Server
Platforma podnikové třídy, sestavená a otestovaná v EU.
Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS
Frontier server s 576 GB ECC VRAM
6x RTX Pro 6000 Max-Q Turbofan | EPYC Genoa | 12 000 TOPS INT8
Publikované externí reference. Neměřeno na hardwaru Kentino.
Inferenční platforma frontier třídy do racku, 7U, se šesti kartami NVIDIA RTX Pro 6000 Blackwell Max-Q s turbofan chlazením sdruženými do 576 GB ECC VRAM, jedním CPU AMD EPYC 9354 Genoa (32C/64T), 768 GB DDR5-4800 ECC (osazeno všech 12 kanálů), 4 TB NVMe pro systém a pěti serverovými zdroji 1200 W. Stejný křemík i paměťový pool jako pasivní sestava Server Edition — jiný chladič. Turbofan Max-Q je u každé karty samostatný, běží tišeji a snese méně přísné proudění vzduchu v šasi. Spektrum modelů je totožné s jeho pasivním sourozencem.
Hardware
| Komponenta | Detail |
|---|---|
| GPU | 6x NVIDIA RTX Pro 6000 Blackwell Max-Q 96 GB ECC (radiální turbofan ventilátor, TDP 600 W dle specifikace, PCIe 5.0 x16, 2000 TOPS INT8 na kartu) |
| Pool VRAM | Celkem 576 GB napříč 6 kartami (bez NVLinku — P2P přes PCIe Gen5 rychlostí ~55-60 GB/s v každém směru) |
| CPU | AMD EPYC 9354 Genoa (32C/64T, 280 W, 128x linek PCIe 5.0, 12kanálová DDR5) |
| Základní deska | ASRock Rack GENOAD8X-2T/BCM (SP5 Genoa, integrovaný switch Broadcom PEX PCIe Gen5, 12x DDR5, 2x 10 GbE, IPMI) |
| Systémová RAM | 768 GB DDR5-4800 ECC RDIMM (12x 64 GB — všechny kanály osazené, agregovaně ~460 GB/s) |
| Boot / úložiště | 4 TB NVMe M.2 (PCIe 4.0 x4) — dimenzováno pro staging checkpointů frontier modelů |
| Zdroj | Sada 5x 1200 W serverových zdrojů (kompatibilní s HP, celkem 6 kW) |
| Šasi | 7U rack pro 8 GPU, kapacita 10 PCIe slotů, aktivní risery Gen5 |
| Chlazení | Tower chladič pro SP5 Genoa + 8x 120 mm ventilátor v šasi. Turbofan ventilátory jednotlivých GPU jsou samostatné — proudění vzduchu jako v datacentru doporučujeme, ale není nutnou podmínkou. Tišší pro laboratorní prostředí. |
| Síť | Integrovaný dvojitý 10 GbE (Intel X550) |
Energetická bilance
- Odběr GPU (dle specifikace): 6 x 600 W = 3 600 W
- Celek systému při plné zátěži dle specifikace: ~4 080 W
- Zdroje celkem: 6 000 W (5x 1200 W) — rezerva 32%
- Karty Max-Q běží trvale typicky na 520-550 W — reálná rezerva nad 20%
Chlazení (v čem se Max-Q liší)
Každá karta si vlastním radiálním ventilátorem táhne vzduch zepředu dozadu — samostatně. Snese nasazení ve smíšeném racku i v otevřené skříni. Je tišší než srovnatelná sestava s axiálními ventilátory. Firmwarový profil Max-Q upřednostňuje nižší trvalý příkon (při inferenci typicky 520-550 W). Doporučujeme: skříň s perforovanými předními dveřmi a volnou cestou výfuku vzadu.
Co na něm spustíte
Shodné se sesterskou Server Edition — stejný křemík, stejný pool 576 GB. DeepSeek V3 Q4 (~404 GB) s dlouhým kontextem, Kimi-K2 Q2, Mistral Large 3 Q2-Q3, GLM-5 Q2, Qwen3-Coder-480B Q4.
LLM — text / uvažování / kódování
Čínská špička
- DeepSeek V3 / R1 / V3.1 / V3.2 v Q4_K_M (~404 GB) komfortně s dlouhým kontextem (~5-8 tok/s jeden požadavek, vLLM TP-6, publikovaná reference); nativní fp8 (~670 GB) s přeléváním do RAM
- Kimi-K2 (Base / Instruct / Thinking) v Q2_K (~375 GB) komfortně (~5-8 tok/s jeden požadavek, publikovaná reference)
- GLM-5 / GLM-5.1 (~745B/44B) v Q2_K (~260 GB); Q3 (~420 GB) s přeléváním do RAM
- Qwen3-Coder-480B-A35B v Q4_K_M (~270 GB) s dlouhým kontextem
- Qwen3-235B-A22B v bf16 (~470 GB) nebo fp8 (~240 GB)
- ERNIE-4.5-424B-A47B v Q4 (~240 GB) se 128k ctx
- Intern-S1-Pro v Q2_K (~325 GB); Hunyuan-Large v Q4 (~220 GB)
- MiniMax-Text-01 / M1 v Q4 (~260 GB)
Západní špička
- Mistral Large 3 v Q2-Q3 (~243-317 GB) komfortně (~20-30 tok/s jeden požadavek, publikovaná reference)
- Llama 4 Maverick v Q4_K_M (~232 GB) s dlouhým ctx (~45-55 tok/s jeden požadavek, publikovaná reference)
- Llama-3.1-Nemotron Ultra 253B ve fp8 (~253 GB)
- Grok-1 314B v Q4 (~182 GB); Snowflake Arctic v Q4 (~278 GB)
- DBRX Instruct 132B/36B v bf16 (~264 GB) nebo fp8
Vision-language modely
Qwen3-VL-235B-A22B; InternVL3.5-241B-A28B Q4; GLM-4.5V / 4.6V 106B bf16; Llama 3.2 90B Vision bf16; Pixtral Large 124B fp8; Molmo 72B bf16.
Generování obrázků
HunyuanImage-3.0 Instruct; FLUX.1 [dev] / [schnell] / Kontext ve více instancích (~15-20 s na obrázek 1024x1024, publikovaná reference); SD 3.5 Large; SDXL; AuraFlow; OmniGen; HunyuanImage-2.1; Kolors 2.0.
Generování videa
Wan 2.2 T2V-A14B dual-expert MoE bf16; HunyuanVideo 13B bf16; Open-Sora 2.0 (11B); Mochi-1 (10B); NVIDIA Cosmos Predict 2 až do 14B; CogVideoX-5B; LTX-Video; Pyramid Flow.
Audio / řeč / TTS
Celý stack rezidentně: Whisper v3 large, Parakeet-TDT 1.1B, Canary 1B, Moshi 7B v reálném čase, Qwen3-Omni, Step-Audio R1, CosyVoice 3.0, Kokoro, Stable Audio Open.
Multi-model / multi-tenant provoz
- DeepSeek V3 Q4 + FLUX + HunyuanVideo + Whisper/Moshi v reálném čase, vše rezidentně
- Souběžně 70B v tensor-parallel + 235B-MoE na oddělených PCIe doménách
- 3 frontier modely rezidentně pro A/B vyhodnocení
Cílové workloady
- Výzkumná laboratoř s open-weight frontier modely a smíšenou či neideální infrastrukturou proudění vzduchu
- Kolokace / privátní datacentrum, kde je turbofan na každé kartě provozně jednodušší než plně pasivní proudění vzduchu
- Suverénní AI nasazení se stackem modelů pod Apache 2.0 / MIT
- Podniková multi-model RAG a agentní platforma
- Laboratorní prostředí s otevřenými racky
Publikované výkonnostní reference
Externí reference | Stejný křemík jako Server Edition | Neměřeno na hardwaru Kentino
| Benchmark | Výsledek |
|---|---|
| INT8 TOPS na jednu kartu RTX Pro 6000 | 2 000 TOPS |
| vLLM — DeepSeek V3 Q4 na 6x RTX Pro 6000 (jeden požadavek) | ~25-40 tok/s |
| vLLM — DeepSeek V3 Q4 na 6x RTX Pro 6000 (batch-32) | 200-400 tok/s agregovaně |
| FLUX.1 [dev] fp8 na jedné RTX Pro 6000 | ~15-20 s na obrázek 1024x1024 |
Přesná čísla potvrzujeme ve fázi PoC. Kentino zveřejní vlastní naměřené hodnoty po první zákaznické sestavě.
Méně vhodné pro
- Produkční provoz Kimi-K2 / DeepSeek V3 v Q4 v reálné rychlosti — přejděte na Kentino AI 768 TurinDual RTXPro6000MQ
- Trénování frontier modelů od nuly — chybí NVLink
- Nasazení stylem plug-and-play — provoz frontier MoE vyžaduje zkušený MLOps tým
Záruka a dodací lhůta
Sestavení zahrnuje montáž, konfiguraci BIOSu, instalaci ovladačů, burn-in, memtest, funkční ověření a nastavení prostředí pro LLM. Dodací lhůta závisí na dostupnosti komponent a potvrzujeme ji při objednávce.
Doporučené doplňky
- Síťová karta NVIDIA ConnectX-5 MCX555A-ECAT 100 GbE pro škálování na více uzlů
- Druhé 4 TB NVMe pro datasety a knihovnu modelů
- Kompletní 24U rackový rozvaděč s perforovanými předními dveřmi
- Online UPS 10 kVA
- Řízená PDU
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.