Kentino AI Node H200 — 8× NVIDIA H200 SXM5, 1,128 GB HBM3e
Plataforma de nivel empresarial, ensamblada y probada en la UE.
Kentino AI Node H200
1,128 GB HBM3e in One Chassis
8x H200 SXM5 | NVSwitch | 15,832 INT8 TOPS
The tier where frontier models stop needing quantisation.
An 8U node carrying eight NVIDIA H200 SXM5 modules on a single NVLink/NVSwitch baseboard: 1,128 GB of HBM3e pooled at 4.8 TB/s per GPU, with full any-to-any 900 GB/s GPU-to-GPU bandwidth. Dual Intel Xeon Platinum processors, 2 TB of DDR5 system memory, U.2 NVMe boot and data tiers, and high-speed networking. This is a different class of machine from a PCIe multi-GPU build: because every GPU talks to every other GPU at full bandwidth, tensor parallelism scales close to linearly instead of degrading on dense models.
Hardware
| Component | Detail |
|---|---|
| GPUs | 8x NVIDIA H200 SXM5 141 GB HBM3e (Hopper, 700 W per module) |
| VRAM pool | 1,128 GB HBM3e, NVSwitch-pooled - usable as one address space |
| Memory bandwidth | 4.8 TB/s per GPU |
| GPU interconnect | NVLink 4 via 4x NVSwitch, 900 GB/s any-to-any (not PCIe-limited) |
| Compute | 7,912 TFLOPS bf16 dense | 15,832 TFLOPS fp8 dense | 15,832 INT8 TOPS |
| CPUs | 2x Intel Xeon Platinum, dual-socket |
| System memory | 2 TB DDR5 |
| Storage | 2x 1.92 TB U.2 NVMe boot + 2x 3.84 TB U.2 NVMe data. Expandable |
| Networking | 2x NVIDIA ConnectX-7. Up to 8x on request for multi-node InfiniBand fabric |
| Chassis | 8U rack-mount, front-to-back airflow, 24/7 rated |
| Power | Redundant, up to 10.2 kW peak system draw |
What it runs
1,128 GB is the point at which the largest open-weight models run at their native precision instead of being squeezed into a quantisation that costs you quality. Estimates below are for this 8-GPU configuration with tensor parallelism.
| Component | Detail |
|---|---|
| DeepSeek-V3.2 / R1 671B | Native fp8, full context. ~30-50 tok/s single stream, 2,000+ tok/s batched |
| Kimi-K2 1T class | fp8 with room for KV cache - no 1.58-bit compromise needed |
| Llama 3.3 70B / Qwen3-72B | fp8. ~90-130 tok/s single stream, 5,000+ tok/s batched |
| Qwen3-235B-A22B MoE | fp8 native with long-context headroom |
| Long-context serving | 128k+ context with KV cache resident, not spilled |
| Full fine-tune 70B | 8-way tensor parallel, no gradient offload |
Throughput figures are estimates derived from published vendor specifications and community benchmarks for this GPU generation, not measurements taken on this exact configuration. We will give you measured numbers for your model and context length before you commit.
Power and cooling
Up to 10.2 kW peak system draw, the bulk of it the 8x 700 W GPU complex. In practice that means a dedicated three-phase feed per node and a rack budget planned around roughly one node per 12 kW. Air-cooled at this density needs real front-to-back airflow with a contained cold aisle below 24 C - perforated doors alone will not do it. A liquid-cooled baseboard variant is available and is the better answer above two nodes per rack; it needs a CDU and secondary loop, which we will scope with you rather than assume.
Export control - read this before ordering
The H200 is classified as an Advanced Computing Item (ECCN 3A090.a). Shipment requires a completed KYC form and an End User Certificate naming the end user, the installation address and the intended use. This is not optional and it is not something we can waive.
Practically: budget several weeks for clearance on top of hardware lead time, and expect to name the legal entity that will own and operate the machine. If the end user cannot be named, this hardware cannot be supplied - by us or by anyone else in the EU.
What you get from Kentino
Kentino supplies, configures and supports this node as a complete deployment: rack and power design against your site's actual feed, front-to-back airflow sizing for 24/7 operation, OS and driver stack (Ubuntu with pinned NVIDIA driver, CUDA, container toolkit), the inference or training stack of your choice, burn-in with a written report, EU-based logistics and warranty.
We also handle the export paperwork with you rather than mailing you a form and hoping. That part takes longer than the hardware and is where most first-time buyers of this class of machine get stuck.
Price shown is EUR excluding VAT, EXW Prague (Incoterms 2020). Collection, freight, insurance and any destination import duties are for the buyer’s account. Lead time on request.
Channel pricing on 8-GPU baseboards moves, so we confirm the figure against documented acquisition cost when you order — if it has moved in your favour, so does the price. Export clearance is part of the delivery. Contact us with your model, context length and site power envelope and we will come back with a firm quote, a measured throughput estimate and a delivery date.
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.