Kentino AI 192 Rome ArcProB70 TBD — 6× Intel Arc Pro B70 — EPYC Milan (reserva)
Plataforma de nivel empresarial, ensamblada y probada en la UE.
EN PREPARACIÓN
Reserva anticipada — envío previsto de la Intel Arc Pro B70 en el 3T de 2026
Kentino AI 192 Rome ArcProB70 TBD
Servidor de inferencia Intel Xe2 con 192 GB de VRAM
6x Arc Pro B70 | EPYC Milan | TOPS por confirmar
Configuración orientada al presupuesto con gran capacidad de VRAM, pensada para el stack de inferencia de código abierto de Intel. El precio se fijará cuando Intel confirme la disponibilidad.
Un servidor de inferencia de 4U para rack con seis tarjetas Intel Arc Pro B70 Creator (32 GB Xe2-HPG "Battlemage" cada una, 192 GB agregados), una CPU AMD EPYC 7643 Milan (48C/96T), 384 GB de DDR4 ECC, 2 TB de NVMe de arranque y una fuente de alimentación ATX de 2 kW (se recomienda encarecidamente la ampliación a doble fuente). Construido para el ecosistema de software de Intel: OpenVINO 2025+, IPEX-LLM, el backend SYCL de llama.cpp y los forks vLLM-Intel. Las cargas de trabajo exclusivas de CUDA no funcionan en este hardware.
Hardware
| Componente | Detalle |
|---|---|
| GPU | 6x Intel Arc Pro B70 Creator 32 GB (Xe2-HPG "Battlemage", 250 W, PCIe 5.0 x16, doble ranura) |
| Pool de VRAM | 192 GB agregados entre 6 tarjetas (sin fabric entre tarjetas — tráfico peer a través de PCIe) |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128 líneas PCIe 4.0) |
| Placa base | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| RAM del sistema | 384 GB DDR4-2666 ECC RDIMM (6x 64 GB) |
| Arranque / almacenamiento | 2 TB NVMe M.2 (PCIe 4.0 x4) |
| Fuente de alimentación | 1x fuente ATX de 2 kW (se recomienda encarecidamente la ampliación a dos fuentes de 2 kW sincronizadas) |
| Chasis | 4U para rack (disposición de 6 ranuras) |
| Refrigeración | Disipador torre SP3 (Arctic Freezer 4U-M) + flujo de aire dirigido de delante hacia atrás (ventiladores industriales) |
| Red | Doble 10 GbE integrado (Intel X550) |
Envolvente de potencia
- Consumo de las GPU: 6 x 250 W = 1 500 W (TDP publicado por Intel)
- Total del sistema a plena carga: ~1 825 W
- Total de la fuente: 2 000 W (una sola) — solo un 8.75 % de margen
- Se recomienda encarecidamente la configuración de dos fuentes de 2 kW sincronizadas: devuelve un margen del ~45 %
Topología de líneas
La ROMED8-2T ofrece 7x líneas PCIe 4.0 x16. Seis ranuras ocupadas; una libre para ampliar con una NIC. La Arc Pro B70 es PCIe Gen5 nativa; la ROMED8-2T funciona a Gen4, con un impacto en el ancho de banda insignificante para la inferencia con 32 GB por tarjeta. Sin conmutador PCIe. Sin equivalente a Xe-Link.
Qué puede ejecutar
Todas las afirmaciones de compatibilidad se refieren a rutas del stack de software de Intel (OpenVINO, IPEX-LLM, llama.cpp SYCL, vLLM-Intel). Las cargas de trabajo exclusivas de CUDA no funcionan en este hardware. Todas las cifras proceden de fuentes externas publicadas y están sujetas a verificación independiente cuando las tarjetas se distribuyan.
LLM: texto / razonamiento / programación
Frontera china
- Qwen3 / Qwen3.5 (Alibaba): Qwen3-235B-A22B Q4 (~132 GB) con margen para contextos largos; 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) — cabe con un KV moderado
- Tencent Hunyuan: Hunyuan-Large Q3 (~160 GB); Hunyuan-A13B fp8 (~80 GB) si el controlador expone la ruta fp8 de Xe2
- Otros: Baidu ERNIE-4.5-424B Q3 (~180 GB); MiniMax-M1 Q3 (~180 GB); DeepSeek-R2 32B (6 flujos simultáneos)
Frontera occidental
- Meta Llama: Llama 3.3 70B Q6-Q8 con KV generoso; Llama 4 Scout 109B/17B Q4 (~63 GB) con holgura
- Mistral: Mistral Small 3 / Magistral Small / Devstral Small 2 (24B) en bf16; Pixtral Large Q4-Q6
- OpenAI (pesos abiertos): gpt-oss-120b MXFP4 nativo (~80 GB) — si el stack de Intel dispone de descuantización MXFP4
- NVIDIA Nemotron: Llama-3.1-Nemotron Ultra 253B Q4 (~120 GB)
- Otros: Gemma 3 27B bf16 multimodal; Phi-4 / Phi-4-reasoning 14B; Cohere Command R+ 104B Q4
Modelos de visión y lenguaje
Qwen3-VL-8B / 32B; Qwen3-VL-30B-A3B MoE; InternVL3 hasta 78B; InternVL3.5-38B; Llama 3.2 90B Vision Q4; Pixtral 12B; Molmo 72B Q4; Gemma 3 12B/27B multimodal; MiniCPM-V 2.6 / MiniCPM-o 2.6. OpenVINO de Intel cuenta con un sólido soporte para torres de visión: los VLM son un punto fuerte plausible desde el primer día.
Generación de imágenes
FLUX.1 [dev] / [schnell] fp8 o Q4 GGUF mediante llama.cpp SYCL; SDXL / SD 3.5 Large mediante el runtime OpenVINO genAI; HunyuanDiT; HunyuanImage-2.1 bf16 (~34 GB); Kolors 2.0; AuraFlow; OmniGen; PixArt-Sigma.
Generación de vídeo
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. El vídeo es hoy la ruta más débil de Intel: espere un funcionamiento correcto, pero no óptimo en rendimiento, en el momento del lanzamiento.
Audio / voz / TTS
- ASR: Whisper v3 large / turbo mediante OpenVINO (soporte de primer nivel de Whisper en Intel); Parakeet-TDT; Canary; SenseVoice
- TTS: CosyVoice 2/3; Kokoro 82M; Stable Audio Open; XTTS v2; StyleTTS 2; Step-Audio-EditX
- Tiempo real / S2S: Kyutai Moshi; MusicGen / AudioGen / Bark; SeamlessM4T v2
Servicio multimodelo / multiinquilino
- 6 flujos simultáneos de un modelo Q4 de 32 GB (uno por tarjeta) — por ejemplo, 6x agentes Qwen3-32B Q4
- Flota de embeddings a escala — 6x flujos paralelos de BGE-M3 / E5 / Nomic Embed (optimizados para OpenVINO)
- Residencia mixta — 70B Q4 (paralelismo tensorial en 3 tarjetas) + FLUX.1 (1 tarjeta) + Whisper-turbo (1 tarjeta) + Moshi (1 tarjeta)
Cargas de trabajo objetivo
- Piloto de evaluación del software de Intel como alternativa a CUDA para servir LLM
- Backend de embeddings / reranking donde la VRAM por euro pesa más que los requisitos de rendimiento
- Inferencia económica de MoE de frontera en Q4 (Qwen3-235B, GLM-4.5/4.6/4.7) para equipos de desarrollo internos pequeños
- Despliegue de modelos nativos de OpenVINO junto a canalizaciones existentes de Intel Xeon / Arc Pro
- Backend de VLM / OCR / procesamiento documental (el punto fuerte de OpenVINO de Intel)
Rendimiento medido
Especificaciones publicadas por Intel | Sujetas a verificación independiente cuando las tarjetas se distribuyan
| Especificación | Valor |
|---|---|
| VRAM por tarjeta | 32 GB GDDR6 |
| Clase de ancho de banda de memoria | ~450 GB/s por tarjeta |
| Xe Matrix Extensions (XMX) | Aceleradas mediante OpenVINO / IPEX-LLM |
| Ruta fp8 | Silicio Xe2 — verificar la exposición en el controlador en el momento del lanzamiento |
Sin datos medidos por Kentino. Las especificaciones publicadas por Intel están sujetas a verificación independiente. Kentino publicará cifras propias de tok/s, QPS y ancho de banda en cuanto la primera unidad supere el burn-in.
No es la opción ideal para
- Cargas de trabajo nativas de CUDA — no hay CUDA en Intel, hay que contar con fricción en la migración
- Despliegues de producción con SLA crítico, hasta que se estabilicen el suministro y las herramientas de Intel Arc Pro
- MoE de frontera de más de 600B en Q4 o superior (requiere 6x RTX Pro 6000 / un pool de 576 GB)
- Cargas de entrenamiento — Arc Pro está pensada ante todo para inferencia y la madurez de los frameworks para entrenamiento distribuido es limitada
- Clientes que exigen benchmarks medidos antes de comprar — este SKU es de reserva anticipada
Garantía y plazo de entrega
Garantía estándar de Kentino (2 años en piezas, 1 año en mano de obra); las condiciones de distribución de Intel prevalecen cuando sean más estrictas. El montaje incluye el ensamblaje, la configuración de la BIOS, la instalación de controladores, las pruebas de burn-in y la verificación funcional. Reserve su entrega de la primera remesa a través del formulario de contacto de Kentino. Precio garantizado durante 30 días desde el pedido.
Complementos recomendados
- Ampliación a dos fuentes de 2 kW sincronizadas (con una sola fuente el margen es ajustado, con un consumo de 1 825 W — muy recomendable)
- Ampliación de la RAM a 512 GB DDR4 (2x 64 GB — dos ranuras libres)
- Unidad NVMe secundaria de 4 TB para la biblioteca de modelos
Las preguntas que más nos hacen los compradores antes de pedir un servidor.
¿Cuánto tarda?
Las máquinas construidas con componentes que tenemos en stock se envían rápido; cualquier equipo que requiera una generación concreta de GPU depende del suministro. Le damos una fecha antes de que pague y, si se mueve, se lo decimos en lugar de dejar que lo descubra usted.
¿Se puede cambiar la configuración antes de que lo monten?
Casi siempre. Las GPU, la memoria, el almacenamiento y la refrigeración se eligen para cada pedido, y la configuración indicada es un punto de partida, no un paquete cerrado. Si necesita más VRAM, un almacenamiento más rápido o un enfoque de refrigeración distinto, indíquenoslo antes de realizar el pedido y le presupuestaremos el cambio.
¿Puedo recoger el servidor en persona?
Puede hacerlo. Nuestro almacén está en Praga y la recogida en persona es bienvenida: la mayoría de quienes vienen aprovechan la visita para repasar la máquina con nuestro ingeniero y hacer esas preguntas que resultan incómodas por correo. En los pedidos dentro de la República Checa también intentamos entregar en persona y explicarle la instalación in situ.
¿Puedo hablar con alguien que entienda de verdad la carga de trabajo?
Sí. Contamos con un ingeniero dedicado específicamente a los sistemas de IA, no con un mostrador comercial genérico. Si su pregunta trata sobre tamaños de lote, cuantización, interconexión o dónde estará su cuello de botella, háganosla: esa conversación suele mejorar la configuración.
¿Qué modelo puedo ejecutar en esta configuración?
Sí. Cada máquina se ensambla, se somete a pruebas de burn-in y se evalúa con cargas de trabajo de IA reales antes de enviarse, y sale de nuestras instalaciones con un LLM ya instalado y en funcionamiento. Usted solo tiene que conectarla, enlazarla a su red y ponerse a trabajar: la única decisión que queda es qué proyecto ejecutará primero.
¿Cómo se prueba un servidor antes del envío?
Lo probamos con cargas de trabajo de IA reales, no con puntuaciones sintéticas: rendimiento de inferencia, comportamiento bajo carga sostenida y temperaturas en funcionamiento continuo. Recibirá los resultados de las pruebas junto con la máquina, de modo que el rendimiento prometido sea el rendimiento que usted puede verificar desde el primer día.
¿Llega el servidor listo para funcionar?
Sí. Cada máquina se ensambla, se somete a pruebas de burn-in y se evalúa con cargas de trabajo de IA reales antes de enviarse, y sale de nuestras instalaciones con un LLM ya instalado y en funcionamiento. Usted solo tiene que conectarla, enlazarla a su red y ponerse a trabajar: la única decisión que queda es qué proyecto ejecutará primero.
Se envía desde nuestro almacén de la UE. Los artículos pesados pueden requerir transporte especial: contáctenos para obtener un presupuesto de envío y el plazo de entrega. Garantía limitada de 2 años con soporte RMA avanzado; garantía ampliada disponible.
¿No es exactamente lo que necesita?
Díganos cuál es su carga de trabajo y configuraremos esta plataforma a su medida: GPU, memoria, almacenamiento y refrigeración ajustados a lo que realmente ejecuta.