Kentino AI 384 Rome RTXPro6000MQ — 4× RTX Pro 6000 Blackwell Max-Q Turbofan (384 GB de VRAM ECC)
Plataforma de nível empresarial, montada e testada na UE.
Kentino AI 384 Rome RTXPro6000MQ 8000TOPS
Servidor de laboratório com 384 GB de VRAM ECC
4x RTX Pro 6000 Max-Q Turbofan | EPYC Milan | 8 000 TOPS INT8
Referências externas publicadas. Não medidas em hardware Kentino.
Um servidor de inferência 4U para rack com quatro placas NVIDIA RTX Pro 6000 Blackwell Max-Q turbofan (blower) de 96 GB ECC cada, agrupadas em 384 GB de VRAM ECC, um CPU AMD EPYC 7643 Milan (48C/96T), 384 GB DDR4-2666 ECC, 2 TB NVMe de arranque e duas fontes de alimentação ATX de 2.5 kW sincronizadas. O mesmo silício Blackwell da Server Edition — envelope de inferência idêntico, débito idêntico — com um cooler blower mais silencioso, adequado a ambientes de laboratório, I&D e próximos de escritório.
Hardware
| Componente | Detalhe |
|---|---|
| GPU | 4x NVIDIA RTX Pro 6000 Blackwell Max-Q 96 GB ECC (cooler turbofan / blower, 600 W TGP, PCIe 5.0 x16, 2000 TOPS INT8 por placa, fp8 nativo) |
| Conjunto de VRAM | 384 GB ECC agregados nas 4 placas |
| 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 — 2 ranhuras DIMM livres para expansão até 512 GB) |
| Arranque / armazenamento | 2 TB NVMe M.2 (PCIe 4.0 x4) |
| Fonte de alimentação | 2x ATX de 2.5 kW com cabo de sincronização de fontes duplas (5 kW no total) |
| Chassis | 4U para rack |
| Arrefecimento | Cooler tower SP3 (classe Arctic Freezer 4U-M) + fluxo de ar dirigido da frente para trás (3x entrada frontal de 120 mm + 1x extração traseira de 120 mm). Placas GPU autoarrefecidas por blower turbofan (extração traseira) — mais silencioso para ambientes de laboratório. |
| Rede | Duplo 10 GbE integrado (Intel X550) |
Envelope de potência
- Consumo das GPU: 4 x 600 W = 2 400 W
- Total do sistema em carga máxima: ~2 775 W
- Total das fontes: 5 000 W (duas de 2.5 kW sincronizadas) — 44.5% de margem
- Fontes duplas para distribuição repartida de energia — a falha de uma fonte = perda de 2 GPU ou de 2 GPU + placa-mãe
Perfil térmico (Max-Q)
A Max-Q usa um cooler turbofan (blower) com extração direcional na traseira da placa. Hotspot da GPU esperado entre 72-80 C em carga contínua. Materialmente mais silenciosa do que placas passivas num chassis de alta pressão estática. Mais adequada a fluxo de ar fora de centro de dados, rack aberto ou colocação próxima de escritório. Silício, TDP, ECC e desempenho são idênticos aos da Server Edition.
O que pode executar
Idêntico à Server Edition (Kentino AI 384 Rome RTXPro6000) — mesmo silício Blackwell, mesmo conjunto de 384 GB ECC, mesmo fp8 nativo, mesma compatibilidade de modelos. A diferença é acústica, não computacional.
LLM — texto / raciocínio / programação
Fronteira chinesa
- DeepSeek V3 / V3-0324 / V3.1 / V3.2 / R1 / R1-0528 Q3 (~290 GB) à vontade nas placas (~30-40 tok/s em pedido único, referência publicada); fp8 nativo (~670 GB) com transbordo para RAM
- Qwen3-Coder-480B-A35B Q3 (~350 GB, justo, com transbordo para RAM) — agente de programação aberto no estado da arte (~18-25 tok/s em pedido único, referência publicada)
- Qwen3-235B-A22B Q6/Q8 (~200-280 GB) com contexto longo e batching multiutilizador
- GLM-5 / GLM-5.1 Q3 (~317 GB) — fronteira chinesa, perto do Claude Opus 4.6 em programação
- Kimi-K2 UD de 1.58 bits (~240 GB) — agente de um bilião de parâmetros com débito real
- Hunyuan-Large 389B/52B Q4 (~220 GB), fp8 nativo (~390 GB com transbordo)
- ERNIE-4.5-424B-A47B Q4 (~240 GB); MiniMax-M1 Q4 (~260 GB) com contexto de 1M
- Llama 3.3 70B bf16 residente numa só placa (96 GB por placa)
Fronteira ocidental
- Mistral Large 3 (675B/41B MoE, Apache 2.0) Q3 (~317 GB) — pesos abertos ocidentais de fronteira (~20-30 tok/s em pedido único, referência publicada)
- Llama 4 Maverick (400B/17B) Q4 (~232 GB) com orçamento de KV generoso (~45-55 tok/s em pedido único, referência publicada)
- Llama-3.1-Nemotron Ultra 253B Q4-Q6 (~119-207 GB)
- gpt-oss-120b MXFP4 nativo (80 GB) com margem para uma frota concorrente
- Pixtral Large / Mistral Large 2 bf16 (~248 GB); Devstral 2 123B bf16 — o melhor modelo aberto de programação com 256k
- Llama 3.3 70B bf16 numa só placa; são possíveis 4x implementações 70B em simultâneo
Modelos de visão e linguagem
Qwen3-VL-235B-A22B bf16 (~240 GB); InternVL3.5-241B-A28B Q4 (~135 GB); Llama 3.2 90B Vision bf16; Pixtral Large 124B bf16; Qwen3-Omni-30B-A3B; Molmo 72B; ERNIE-4.5-VL; GLM-4.6V 106B bf16 em TP. O fp8 da Blackwell entrega cerca do dobro do débito na inferência da torre de visão face à Ada.
Geração de imagem
FLUX.1 [dev] / Kontext / Tools em fp8 nativo (~15-20 s por imagem 1024x1024 numa única RTX Pro 6000, referência publicada); SD 3.5 Large; HunyuanImage-2.1 (17B nativo a 2K); HunyuanImage-3.0 80B/13B MoE; AuraFlow; OmniGen; 4x workers ComfyUI em simultâneo.
Geração de vídeo
Wan 2.2 T2V-A14B / I2V-A14B dual-expert bf16; HunyuanVideo 13B bf16 com ambos os experts; Open-Sora 2.0 (11B) bf16; CogVideoX-5B; Mochi-1; LTX-Video; Pyramid Flow; SVD / SV3D / SV4D; NVIDIA Cosmos Predict 2.
Áudio / Voz / TTS
- ASR: Whisper v3 large / turbo; Parakeet-TDT; Canary; Qwen3-ASR; SenseVoice
- TTS: CosyVoice 2/3; Kokoro; Stable Audio Open; XTTS v2; Step-Audio-EditX
- Tempo real / S2S: Kyutai Moshi; Step-Audio 2 mini / R1; Qwen2.5-Omni-7B
- Música / efeitos sonoros: MusicGen / AudioGen / Bark / SeamlessM4T
Serviço multimodelo / multi-inquilino
- DeepSeek V3 Q3 + um 70B em simultâneo + FLUX.1 + Whisper, todos residentes
- Paralelismo tensorial a 4 vias na classe 350-400B em Q4
- Isolamento de inquilinos por placa — um Llama 3.3 70B bf16 de 96 GB por placa, 4 silos de inferência independentes
- RAG multimodelo: reader + reranker + visão + embedder, tudo num só anfitrião
Cargas de trabalho alvo
- Inferência de pesos abertos de fronteira para uma equipa de laboratório / I&D em que o orçamento acústico conta
- Sala de servidores de uma equipa pequena sem fluxo de ar de centro de dados dedicado — o autoarrefecimento Max-Q tolera a colocação em rack aberto
- Estação de trabalho de IA próxima de escritório para uma equipa especializada (investigação em ML, ferramentas agênticas)
- Serviço nativo em fp8 (DeepSeek / R1 / Hunyuan) em contexto de laboratório
- Carga de trabalho com isolamento de 4 inquilinos por placa e orçamento de ruído
Referências de desempenho publicadas
Referências externas | Mesmo silício da Server Edition | Não medidas em hardware Kentino
| Benchmark | Resultado |
|---|---|
| TOPS INT8 por placa da RTX Pro 6000 | 2 000 TOPS |
| Largura de banda de memória da RTX Pro 6000 | ~1 800 GB/s por placa |
| vLLM — DeepSeek V3 Q3 em 4x Blackwell PCIe (pedido único) | ~30-40 tok/s |
| vLLM — DeepSeek V3 Q3 em 4x Blackwell PCIe (batch-8) | ~200 tok/s agregados |
| SGLang — Llama 4 Maverick Q4 em 4x Blackwell (pedido único) | ~45-55 tok/s |
| llama.cpp — Qwen3-Coder-480B Q3 em 4x Blackwell (pedido único) | ~18-25 tok/s |
| FLUX.1 [dev] fp8 numa única RTX Pro 6000 | ~1.8 s por imagem 1024x1024 |
A Kentino publicará números próprios após a primeira construção para cliente.
Menos indicado para
- Implementações em rack de centro de dados a sério, com corredor quente estabelecido — escolha antes a Server Edition passiva (Kentino AI 384 Rome RTXPro6000): mesmo silício, mecanicamente mais simples
- Cargas de trabalho de um só utilizador até 70B (4x RTX 5090 é materialmente mais barato para um conjunto de 128 GB)
- Treino de fronteira de raiz (sem NVLink)
- DeepSeek V3 Q4 completo nas placas (~404 GB) — evolua para 6x RTX Pro 6000 / 576 GB
Garantia e prazo de entrega
A construção inclui montagem, configuração da BIOS, instalação de drivers, burn-in, memtest e verificação funcional. O prazo de entrega depende da disponibilidade de componentes e é confirmado na encomenda.
Extras recomendados
- Expandir a RAM para 512 GB DDR4 (acrescentar 2x 64 GB — 2 ranhuras DIMM livres) para margem de transbordo em quantizações Q3 de fronteira
- NVMe de 4 TB Gen4 x4 para a biblioteca de modelos de fronteira (só o DeepSeek V3 Q3 ocupa ~290 GB em disco)
- Bastidor completo de 24U com PDU gerida + UPS online
- Silhueta alternativa: Server Edition passiva (Kentino AI 384 Rome RTXPro6000) — mesmo silício, para implementações com fluxo de ar de centro de dados
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.