Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS — Servidor de IA Frontier con 6× RTX Pro 6000 Blackwell Max-Q
Plataforma de nivel empresarial, ensamblada y probada en la UE.
Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS
Servidor Frontier con 576 GB de VRAM ECC
6x RTX Pro 6000 Max-Q Turbofan | EPYC Genoa | 12 000 TOPS INT8
Referencias externas publicadas. No medido en hardware de Kentino.
Plataforma de inferencia de primer nivel en formato rack de 7U con seis tarjetas NVIDIA RTX Pro 6000 Blackwell Max-Q turbofan agrupadas en 576 GB de VRAM ECC, una CPU AMD EPYC 9354 Genoa (32C/64T), 768 GB DDR5-4800 ECC (los 12 canales ocupados), NVMe de arranque de 4 TB y un conjunto de 5x fuentes de alimentación de servidor de 1200 W. Mismo silicio y mismo pool de memoria que la versión pasiva Server Edition, pero con otro sistema de refrigeración. El turbofan Max-Q es autónomo en cada tarjeta, funciona de forma más silenciosa y tolera un flujo de aire del chasis menos estricto. Capacidad de modelos idéntica a la de su hermana pasiva.
Hardware
| Componente | Detalle |
|---|---|
| GPU | 6x NVIDIA RTX Pro 6000 Blackwell Max-Q 96 GB ECC (ventilador turbofan tipo blower, 600 W de TDP según especificación, PCIe 5.0 x16, 2000 TOPS INT8 por tarjeta) |
| Pool de VRAM | 576 GB en total repartidos en 6 tarjetas (sin NVLink: P2P sobre PCIe Gen5 a ~55-60 GB/s por dirección) |
| CPU | AMD EPYC 9354 Genoa (32C/64T, 280 W, 128x líneas PCIe 5.0, DDR5 de 12 canales) |
| Placa base | ASRock Rack GENOAD8X-2T/BCM (SP5 Genoa, switch Broadcom PEX PCIe Gen5 integrado, 12x DDR5, 2x 10 GbE, IPMI) |
| RAM del sistema | 768 GB DDR5-4800 ECC RDIMM (12x 64 GB, todos los canales ocupados, ~460 GB/s agregados) |
| Arranque / almacenamiento | NVMe M.2 de 4 TB (PCIe 4.0 x4), dimensionado para alojar checkpoints de modelos frontier |
| Fuente de alimentación | Conjunto de 5x fuentes de alimentación de servidor de 1200 W (compatibles con HP, 6 kW en total) |
| Chasis | Rack de 7U para 8 GPU, capacidad de 10 ranuras PCIe, risers Gen5 activos |
| Refrigeración | Disipador tipo torre SP5 Genoa + 8x ventiladores de chasis de 120 mm. Los turbofan de cada GPU son autónomos: se recomienda flujo de aire de centro de datos, pero no es estrictamente necesario. Más silencioso para entornos de laboratorio. |
| Red | Doble 10 GbE integrado (Intel X550) |
Consumo eléctrico
- Consumo de las GPU (especificación): 6 x 600 W = 3 600 W
- Total del sistema a plena carga según especificación: ~4 080 W
- Total de las fuentes: 6 000 W (5x 1200 W), un 32% de margen
- Las tarjetas Max-Q suelen funcionar a 520-550 W de forma sostenida: margen real por encima del 20%
Refrigeración (lo que distingue a la Max-Q)
Cada tarjeta aspira el aire de delante hacia atrás con su propio blower, de forma autónoma. Tolera despliegues en racks mixtos o armarios abiertos. Más silenciosa que un conjunto equivalente de ventiladores axiales. El perfil de firmware Max-Q prioriza un consumo sostenido menor (520-550 W habituales en inferencia). Recomendado: armario con puerta frontal perforada y salida de aire trasera despejada.
Qué puede ejecutar
Idéntico a su hermana Server Edition: mismo silicio, mismo pool de 576 GB. DeepSeek V3 Q4 (~404 GB) con contexto largo, Kimi-K2 Q2, Mistral Large 3 Q2-Q3, GLM-5 Q2, Qwen3-Coder-480B Q4.
LLM: texto / razonamiento / programación
Frontier chinos
- DeepSeek V3 / R1 / V3.1 / V3.2 en Q4_K_M (~404 GB) sin apuros con contexto largo (~5-8 tok/s en flujo único con vLLM TP-6, referencia publicada); fp8 nativo (~670 GB) con desbordamiento a RAM
- Kimi-K2 (Base / Instruct / Thinking) en Q2_K (~375 GB) sin apuros (~5-8 tok/s en flujo único, referencia publicada)
- GLM-5 / GLM-5.1 (~745B/44B) en Q2_K (~260 GB); Q3 (~420 GB) con desbordamiento a RAM
- Qwen3-Coder-480B-A35B en Q4_K_M (~270 GB) con contexto largo
- Qwen3-235B-A22B en bf16 (~470 GB) o fp8 (~240 GB)
- ERNIE-4.5-424B-A47B en Q4 (~240 GB) con contexto de 128k
- Intern-S1-Pro en Q2_K (~325 GB); Hunyuan-Large en Q4 (~220 GB)
- MiniMax-Text-01 / M1 en Q4 (~260 GB)
Frontier occidentales
- Mistral Large 3 en Q2-Q3 (~243-317 GB) sin apuros (~20-30 tok/s en flujo único, referencia publicada)
- Llama 4 Maverick en Q4_K_M (~232 GB) con contexto largo (~45-55 tok/s en flujo único, referencia publicada)
- Llama-3.1-Nemotron Ultra 253B en fp8 (~253 GB)
- Grok-1 314B en Q4 (~182 GB); Snowflake Arctic en Q4 (~278 GB)
- DBRX Instruct 132B/36B en bf16 (~264 GB) o fp8
Modelos de visión y lenguaje
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.
Generación de imágenes
HunyuanImage-3.0 Instruct; FLUX.1 [dev] / [schnell] / Kontext en varias instancias (~15-20 s por imagen de 1024x1024, referencia publicada); SD 3.5 Large; SDXL; AuraFlow; OmniGen; HunyuanImage-2.1; Kolors 2.0.
Generación de vídeo
Wan 2.2 T2V-A14B MoE de doble experto bf16; HunyuanVideo 13B bf16; Open-Sora 2.0 (11B); Mochi-1 (10B); NVIDIA Cosmos Predict 2 hasta 14B; CogVideoX-5B; LTX-Video; Pyramid Flow.
Audio / voz / TTS
Toda la pila residente en memoria: Whisper v3 large, Parakeet-TDT 1.1B, Canary 1B, Moshi 7B en tiempo real, Qwen3-Omni, Step-Audio R1, CosyVoice 3.0, Kokoro, Stable Audio Open.
Servicio multimodelo / multiinquilino
- DeepSeek V3 Q4 + FLUX + HunyuanVideo + Whisper/Moshi en tiempo real, todos residentes
- 70B tensor-paralelo y 235B-MoE simultáneos en dominios PCIe separados
- 3 modelos frontier residentes para evaluación A/B
Cargas de trabajo previstas
- Laboratorio de investigación con modelos frontier de pesos abiertos e infraestructura de flujo de aire mixta o no ideal
- Colocación o centro de datos privado donde el turbofan por tarjeta resulta operativamente más sencillo que un flujo de aire totalmente pasivo
- Despliegue de IA soberana con una pila de modelos Apache 2.0 / MIT
- Plataforma empresarial RAG multimodelo y agéntica
- Entornos de laboratorio con racks abiertos
Referencias de rendimiento publicadas
Referencias externas | Mismo silicio que la Server Edition | No medido en hardware de Kentino
| Prueba de rendimiento | Resultado |
|---|---|
| TOPS INT8 por tarjeta RTX Pro 6000 | 2 000 TOPS |
| vLLM — DeepSeek V3 Q4 en 6x RTX Pro 6000 (flujo único) | ~25-40 tok/s |
| vLLM — DeepSeek V3 Q4 en 6x RTX Pro 6000 (lote de 32) | 200-400 tok/s agregados |
| FLUX.1 [dev] fp8 en una sola RTX Pro 6000 | ~15-20 s por imagen de 1024x1024 |
Las cifras exactas se confirman en la fase de prueba de concepto. Kentino publicará datos propios tras la primera instalación para cliente.
No es la opción ideal para
- Servir Kimi-K2 / DeepSeek V3 en Q4 a velocidad real en producción: dé el salto al Kentino AI 768 TurinDual RTXPro6000MQ
- Entrenar desde cero modelos de clase frontier: no hay NVLink
- Despliegue de tipo «conectar y listo»: servir MoE frontier exige un equipo de MLOps experimentado
Garantía y plazo de entrega
El montaje incluye ensamblaje, configuración de la BIOS, instalación de controladores, rodaje, memtest, verificación funcional y preparación del entorno LLM. El plazo de entrega depende de la disponibilidad de componentes y se confirma al realizar el pedido.
Complementos recomendados
- NIC NVIDIA ConnectX-5 MCX555A-ECAT de 100 GbE para escalado horizontal multinodo
- Segundo NVMe de 4 TB para la biblioteca de conjuntos de datos y modelos
- Armario rack completo de 24U con puerta frontal perforada
- SAI online de 10 kVA
- PDU gestionable
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.