Kentino AI 192 Rome ArcProB70 TBD — 6× Intel Arc Pro B70 — EPYC Milan (Pré-encomenda)
Plataforma de nível empresarial, montada e testada na UE.
EM PREPARAÇÃO
Pré-encomenda — envio previsto da Intel Arc Pro B70 no 3.º trimestre de 2026
Kentino AI 192 Rome ArcProB70 TBD
Servidor de inferência Intel Xe2 com 192 GB de VRAM
6x Arc Pro B70 | EPYC Milan | TOPS a definir
Configuração económica com muita VRAM, orientada para a stack de inferência open source da Intel. Preço fixado à data de disponibilidade da Intel.
Um servidor de inferência de montagem em rack 4U com seis placas Intel Arc Pro B70 Creator (32 GB Xe2-HPG "Battlemage" cada, 192 GB no total), um CPU AMD EPYC 7643 Milan (48C/96T), 384 GB DDR4 ECC, 2 TB NVMe de arranque e uma fonte de alimentação ATX de 2 kW (recomenda-se vivamente a atualização para fonte dupla). Construído para o ecossistema de software da Intel: OpenVINO 2025+, IPEX-LLM, backend SYCL do llama.cpp e forks vLLM-Intel. As cargas de trabalho exclusivas de CUDA não funcionam neste hardware.
Hardware
| Componente | Detalhe |
|---|---|
| GPUs | 6x Intel Arc Pro B70 Creator 32 GB (Xe2-HPG "Battlemage", 250 W, PCIe 5.0 x16, dois slots) |
| Pool de VRAM | 192 GB no total entre 6 placas (sem fabric entre placas — tráfego peer através de PCIe) |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128x linhas PCIe 4.0) |
| Placa-mãe | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| RAM do sistema | 384 GB DDR4-2666 ECC RDIMM (6x 64 GB) |
| Arranque / armazenamento | 2 TB NVMe M.2 (PCIe 4.0 x4) |
| Fonte de alimentação | 1x fonte ATX de 2 kW (recomenda-se vivamente a atualização para duas de 2 kW sincronizadas) |
| Chassis | Montagem em rack 4U (disposição de 6 slots) |
| Arrefecimento | Cooler tower SP3 (Arctic Freezer 4U-M) + fluxo de ar dirigido da frente para trás (ventoinhas industriais) |
| Rede | Duas portas 10 GbE integradas (Intel X550) |
Envelope de potência
- Consumo das GPU: 6 x 250 W = 1 500 W (TDP publicado pela Intel)
- Total do sistema em carga máxima: ~1 825 W
- Total da fonte: 2 000 W (única) — apenas 8.75 % de margem
- Recomendam-se vivamente duas de 2 kW sincronizadas — repõem ~45 % de margem
Topologia de linhas
A ROMED8-2T disponibiliza 7x linhas PCIe 4.0 x16. Seis slots ocupados; um livre para acrescentar uma NIC. A Arc Pro B70 é nativamente PCIe Gen5; a ROMED8-2T funciona em Gen4 — o impacto na largura de banda é negligenciável para inferência com 32 GB por placa. Sem switch PCIe. Sem equivalente a Xe-Link.
O que pode executar
Todas as indicações de compatibilidade referem-se a percursos da stack de software Intel (OpenVINO, IPEX-LLM, llama.cpp SYCL, vLLM-Intel). As cargas de trabalho exclusivas de CUDA não funcionam neste hardware. Todos os valores citam fontes externas publicadas e estão sujeitos a verificação independente quando as placas forem lançadas.
LLM — texto / raciocínio / programação
Fronteira chinesa
- Qwen3 / Qwen3.5 (Alibaba): Qwen3-235B-A22B Q4 (~132 GB) com margem para contexto longo; 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 com KV moderado
- Tencent Hunyuan: Hunyuan-Large Q3 (~160 GB); Hunyuan-A13B fp8 (~80 GB) caso o percurso fp8 do Xe2 seja exposto no driver
- Outros: Baidu ERNIE-4.5-424B Q3 (~180 GB); MiniMax-M1 Q3 (~180 GB); DeepSeek-R2 32B (6x streams em simultâneo)
Fronteira ocidental
- Meta Llama: Llama 3.3 70B Q6-Q8 com KV generoso; Llama 4 Scout 109B/17B Q4 (~63 GB) com folga
- Mistral: Mistral Small 3 / Magistral Small / Devstral Small 2 (24B) em bf16; Pixtral Large Q4-Q6
- OpenAI (pesos abertos): gpt-oss-120b MXFP4 nativo (~80 GB) — caso o dequant MXFP4 esteja disponível na stack Intel
- NVIDIA Nemotron: Llama-3.1-Nemotron Ultra 253B Q4 (~120 GB)
- Outros: Gemma 3 27B bf16 multimodal; Phi-4 / Phi-4-reasoning 14B; Cohere Command R+ 104B Q4
Modelos visão-linguagem
Qwen3-VL-8B / 32B; Qwen3-VL-30B-A3B MoE; InternVL3 até 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. O OpenVINO da Intel tem um forte suporte para vision towers — os VLM são um ponto forte plausível logo no primeiro dia.
Geração de imagem
FLUX.1 [dev] / [schnell] fp8 ou Q4 GGUF através do llama.cpp SYCL; SDXL / SD 3.5 Large através do runtime OpenVINO genAI; HunyuanDiT; HunyuanImage-2.1 bf16 (~34 GB); Kolors 2.0; AuraFlow; OmniGen; PixArt-Sigma.
Geração 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. O vídeo é hoje o percurso mais frágil da Intel — conte com um resultado funcional, mas não otimizado em débito à data de lançamento.
Áudio / voz / TTS
- ASR: Whisper v3 large / turbo através do OpenVINO (suporte Whisper de primeira linha na Intel); Parakeet-TDT; Canary; SenseVoice
- TTS: CosyVoice 2/3; Kokoro 82M; Stable Audio Open; XTTS v2; StyleTTS 2; Step-Audio-EditX
- Tempo real / S2S: Kyutai Moshi; MusicGen / AudioGen / Bark; SeamlessM4T v2
Serviço multimodelo / multi-inquilino
- 6 streams em simultâneo de um modelo Q4 de 32 GB (um por placa) — por exemplo, 6x agentes Qwen3-32B Q4
- Frota de embeddings à escala — 6x streams paralelos BGE-M3 / E5 / Nomic Embed (otimizados para OpenVINO)
- Residência mista — 70B Q4 (tensor-parallel em 3 placas) + FLUX.1 (1 placa) + Whisper-turbo (1 placa) + Moshi (1 placa)
Cargas de trabalho previstas
- Piloto de avaliação do software Intel para servir LLM em alternativa a CUDA
- Backend de embeddings / reranker em que a VRAM por euro pesa mais do que os requisitos de débito
- Inferência económica de MoE de fronteira em Q4 (Qwen3-235B, GLM-4.5/4.6/4.7) para pequenas equipas internas de desenvolvimento
- Implementação de modelos nativa em OpenVINO a par de pipelines Intel Xeon / Arc Pro já existentes
- Backend de VLM / OCR / processamento documental (o ponto forte do OpenVINO da Intel)
Desempenho medido
Especificações publicadas pela Intel | sujeitas a verificação independente quando as placas forem lançadas
| Especificação | Valor |
|---|---|
| VRAM por placa | 32 GB GDDR6 |
| Classe de largura de banda de memória | ~450 GB/s por placa |
| Xe Matrix Extensions (XMX) | Aceleradas via OpenVINO / IPEX-LLM |
| Percurso fp8 | Silício Xe2 — confirmar a exposição no driver à data de lançamento |
Sem dados medidos pela Kentino. Especificações publicadas pela Intel sujeitas a verificação independente. A Kentino publicará valores próprios de tok/s, QPS e largura de banda assim que a primeira unidade concluir o burn-in.
Menos indicado para
- Cargas de trabalho nativas de CUDA — não há CUDA na Intel, conte com atrito na migração
- Implementações de produção com SLA crítico, até a oferta e as ferramentas da Intel Arc Pro estabilizarem
- MoE de fronteira com mais de 600B em Q4+ (exige 6x RTX Pro 6000 / pool de 576 GB)
- Cargas de trabalho de treino — a Arc Pro está primeiro orientada para inferência e a maturidade das frameworks para treino distribuído é limitada
- Clientes que exijam benchmarks medidos antes da compra — este SKU é de pré-encomenda
Garantia e prazo de entrega
Garantia padrão Kentino (2 anos de peças, 1 ano de mão de obra); as condições de distribuição da Intel prevalecem onde forem mais restritivas. A montagem inclui assemblagem, configuração da BIOS, instalação de drivers, testes de burn-in e verificação funcional. Reserve a sua entrega da primeira vaga através do formulário de contacto da Kentino. Janela de preço garantido de 30 dias no momento da encomenda.
Extras recomendados
- Atualização para duas fontes de 2 kW sincronizadas (a margem com fonte única é apertada com um consumo de 1 825 W — vivamente recomendada)
- Aumento da RAM para 512 GB DDR4 (2x 64 GB — dois slots livres)
- Disco NVMe secundário de 4 TB para a biblioteca de modelos
As perguntas que os compradores mais nos fazem antes de encomendar um servidor.
Quanto tempo demora?
As máquinas construídas a partir de componentes que temos em stock são expedidas rapidamente; tudo o que exija uma geração específica de GPU depende da disponibilidade. Indicamos uma data antes do pagamento e, se essa data mudar, informamos o cliente em vez de o deixar descobrir por si.
A configuração pode ser alterada antes da montagem?
Quase sempre. As GPU, a memória, o armazenamento e o arrefecimento são escolhidos em cada encomenda e a configuração indicada é um ponto de partida, não um pacote fixo. Se precisar de mais VRAM, de armazenamento mais rápido ou de outra abordagem de arrefecimento, diga-nos antes de encomendar e orçamentamos a alteração.
Posso levantar o servidor pessoalmente?
Pode, sim. O nosso armazém fica em Praga e o levantamento em pessoa é bem-vindo — a maioria de quem nos visita aproveita para rever a máquina com o nosso engenheiro e fazer as perguntas que são difíceis de resolver por e-mail. Nas encomendas dentro da República Checa tentamos também entregar pessoalmente e explicar a instalação no local.
Posso falar com alguém que perceba mesmo da carga de trabalho?
Sim. Temos um engenheiro dedicado especificamente a sistemas de IA, e não um balcão de vendas genérico. Se a sua pergunta é sobre tamanhos de lote, quantização, interligação ou onde estará o seu estrangulamento, coloque-a — essa conversa costuma melhorar a configuração final.
Que modelo posso executar nesta configuração?
Sim. Todas as máquinas são montadas, submetidas a testes de burn-in e avaliadas com cargas de trabalho de IA reais antes do envio, e saem das nossas instalações com um LLM já instalado e a funcionar. Basta ligá-la à corrente, ligá-la à sua rede e começar a trabalhar — a única decisão que resta é qual o primeiro projeto que irá correr.
Como testam um servidor antes da expedição?
Testamo-lo com cargas de trabalho de IA reais, e não com pontuações sintéticas: débito de inferência, comportamento sob carga sustentada e desempenho térmico em funcionamento contínuo. Os resultados dos benchmarks seguem com a máquina, por isso o desempenho prometido é o desempenho que pode verificar logo no primeiro dia.
O servidor chega pronto a funcionar?
Sim. Todas as máquinas são montadas, submetidas a testes de burn-in e avaliadas com cargas de trabalho de IA reais antes do envio, e saem das nossas instalações com um LLM já instalado e a funcionar. Basta ligá-la à corrente, ligá-la à sua rede e começar a trabalhar — a única decisão que resta é qual o primeiro projeto que irá correr.
Expedido a partir do nosso armazém na UE. Os artigos pesados podem exigir transporte de carga — contacte-nos para obter um orçamento de envio e o prazo de entrega. Garantia limitada de 2 anos com apoio RMA avançado; garantia alargada disponível.
Não é exatamente o que procura?
Diga-nos qual é a sua carga de trabalho e configuramos esta plataforma à sua medida — GPU, memória, armazenamento e arrefecimento ajustados ao que realmente executa.