Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS — servidor de IA de fronteira com 6× RTX Pro 6000 Blackwell Max-Q
Plataforma de nível empresarial, montada e testada na UE.
Kentino AI 576 Genoa RTXPro6000MQ 12000TOPS
Servidor de fronteira com 576 GB de VRAM ECC
6x RTX Pro 6000 Max-Q Turbofan | EPYC Genoa | 12 000 TOPS INT8
Referências externas publicadas. Não medido em hardware Kentino.
Uma plataforma de inferência de topo de gama em formato rack 7U, com seis placas NVIDIA RTX Pro 6000 Blackwell Max-Q turbofan agrupadas em 576 GB de VRAM ECC, um CPU AMD EPYC 9354 Genoa (32C/64T), 768 GB DDR5-4800 ECC (todos os 12 canais preenchidos), NVMe de arranque de 4 TB e 5x fontes de alimentação de servidor de 1200 W. O mesmo silício e o mesmo pool de memória da versão passiva Server Edition — muda o sistema de arrefecimento. O turbofan Max-Q é autónomo em cada placa, funciona de forma mais silenciosa e tolera um fluxo de ar no chassis menos rigoroso. Envelope de modelos idêntico ao do seu irmão passivo.
Hardware
| Componente | Detalhe |
|---|---|
| GPU | 6x NVIDIA RTX Pro 6000 Blackwell Max-Q 96 GB ECC (ventoinha turbofan, 600 W de TDP em especificação, PCIe 5.0 x16, 2000 TOPS INT8 por placa) |
| Pool de VRAM | 576 GB no total em 6 placas (sem NVLink — P2P sobre PCIe Gen5 a ~55-60 GB/s por direção) |
| CPU | AMD EPYC 9354 Genoa (32C/64T, 280 W, 128x linhas PCIe 5.0, DDR5 de 12 canais) |
| Placa-mãe | ASRock Rack GENOAD8X-2T/BCM (SP5 Genoa, switch Broadcom PEX PCIe Gen5 integrado, 12x DDR5, 2x 10 GbE, IPMI) |
| RAM do sistema | 768 GB DDR5-4800 ECC RDIMM (12x 64 GB — todos os canais preenchidos, ~460 GB/s agregados) |
| Arranque / armazenamento | NVMe M.2 de 4 TB (PCIe 4.0 x4) — dimensionado para preparação de checkpoints de modelos de fronteira |
| Fonte de alimentação | Conjunto de 5x fontes de alimentação de servidor de 1200 W (compatíveis com HP, 6 kW no total) |
| Chassis | Rack 7U para 8 GPU, capacidade para 10 slots PCIe, risers Gen5 ativos |
| Arrefecimento | Dissipador tower SP5 Genoa + 8x ventoinhas de chassis de 120 mm. As ventoinhas turbofan de cada GPU são autónomas — fluxo de ar de centro de dados recomendado, mas não estritamente necessário. Mais silencioso para ambientes de laboratório. |
| Rede | Duplo 10 GbE integrado (Intel X550) |
Envelope de potência
- Consumo das GPU (especificação): 6 x 600 W = 3 600 W
- Total do sistema a plena carga de especificação: ~4 080 W
- Total das fontes: 6 000 W (5x 1200 W) — 32% de margem
- As placas Max-Q funcionam tipicamente a 520-550 W em regime sustentado — margem real acima de 20%
Arrefecimento (o diferenciador Max-Q)
Cada placa puxa o ar da frente para trás através da sua própria ventoinha — autónoma em cada placa. Tolera instalação em rack misto / armário aberto. Mais silenciosa do que uma pilha equivalente de ventoinhas axiais. O perfil de firmware Max-Q favorece uma potência sustentada mais baixa (520-550 W típicos em inferência). Recomendado: armário com porta frontal perfurada e saída de ar traseira desimpedida.
O que pode executar
Idêntico ao irmão Server Edition — mesmo silício, mesmo pool de 576 GB. DeepSeek V3 Q4 (~404 GB) com contexto longo, Kimi-K2 Q2, Mistral Large 3 Q2-Q3, GLM-5 Q2, Qwen3-Coder-480B Q4.
LLM — texto / raciocínio / programação
Fronteira chinesa
- DeepSeek V3 / R1 / V3.1 / V3.2 em Q4_K_M (~404 GB) confortável com contexto longo (~5-8 tok/s em vLLM único TP-6, referência publicada); fp8 nativo (~670 GB) com transbordo para RAM
- Kimi-K2 (Base / Instruct / Thinking) em Q2_K (~375 GB) confortável (~5-8 tok/s em instância única, referência publicada)
- GLM-5 / GLM-5.1 (~745B/44B) em Q2_K (~260 GB); Q3 (~420 GB) com transbordo para RAM
- Qwen3-Coder-480B-A35B em Q4_K_M (~270 GB) com contexto longo
- Qwen3-235B-A22B em bf16 (~470 GB) ou fp8 (~240 GB)
- ERNIE-4.5-424B-A47B em Q4 (~240 GB) com contexto de 128k
- Intern-S1-Pro em Q2_K (~325 GB); Hunyuan-Large em Q4 (~220 GB)
- MiniMax-Text-01 / M1 em Q4 (~260 GB)
Fronteira ocidental
- Mistral Large 3 em Q2-Q3 (~243-317 GB) confortável (~20-30 tok/s em instância única, referência publicada)
- Llama 4 Maverick em Q4_K_M (~232 GB) com contexto longo (~45-55 tok/s em instância única, referência publicada)
- Llama-3.1-Nemotron Ultra 253B em fp8 (~253 GB)
- Grok-1 314B em Q4 (~182 GB); Snowflake Arctic em Q4 (~278 GB)
- DBRX Instruct 132B/36B em bf16 (~264 GB) ou fp8
Modelos de visão e linguagem
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.
Geração de imagem
HunyuanImage-3.0 Instruct; FLUX.1 [dev] / [schnell] / Kontext em várias instâncias (~15-20 s por imagem 1024x1024, referência publicada); SD 3.5 Large; SDXL; AuraFlow; OmniGen; HunyuanImage-2.1; Kolors 2.0.
Geração de vídeo
Wan 2.2 T2V-A14B MoE de dois especialistas bf16; HunyuanVideo 13B bf16; Open-Sora 2.0 (11B); Mochi-1 (10B); NVIDIA Cosmos Predict 2 até 14B; CogVideoX-5B; LTX-Video; Pyramid Flow.
Áudio / Voz / TTS
Pilha completa residente: Whisper v3 large, Parakeet-TDT 1.1B, Canary 1B, Moshi 7B em tempo real, Qwen3-Omni, Step-Audio R1, CosyVoice 3.0, Kokoro, Stable Audio Open.
Serviço multimodelo / multi-inquilino
- DeepSeek V3 Q4 + FLUX + HunyuanVideo + Whisper/Moshi em tempo real, todos residentes
- 70B com paralelismo de tensores em simultâneo com 235B-MoE em domínios PCIe separados
- 3 modelos de fronteira residentes para avaliação A/B
Cargas de trabalho alvo
- Laboratório de investigação com modelos de pesos abertos de fronteira e infraestrutura de fluxo de ar mista / não ideal
- Colocation / centro de dados privado onde o turbofan por placa é operacionalmente mais simples do que um fluxo de ar totalmente passivo
- Implementação de IA soberana com uma pilha de modelos Apache 2.0 / MIT
- Plataforma empresarial de RAG multimodelo + agentes
- Ambientes de laboratório com racks abertos
Referências de desempenho publicadas
Referências externas | Mesmo silício da Server Edition | Não medido em hardware Kentino
| Benchmark | Resultado |
|---|---|
| TOPS INT8 por placa RTX Pro 6000 | 2 000 TOPS |
| vLLM — DeepSeek V3 Q4 em 6x RTX Pro 6000 (instância única) | ~25-40 tok/s |
| vLLM — DeepSeek V3 Q4 em 6x RTX Pro 6000 (lote de 32) | 200-400 tok/s agregados |
| FLUX.1 [dev] fp8 numa única RTX Pro 6000 | ~15-20 s por imagem 1024x1024 |
Os valores exatos são confirmados na fase de PoC. A Kentino publicará números próprios após o primeiro sistema entregue a cliente.
Não é ideal para
- Servir Kimi-K2 / DeepSeek V3 em Q4 a velocidade real em produção — nesse caso, suba para o Kentino AI 768 TurinDual RTXPro6000MQ
- Treinar de raiz modelos da classe de fronteira — sem NVLink
- Instalação plug-and-play — servir MoE de fronteira exige uma equipa de MLOps experiente
Garantia e prazo de entrega
A montagem inclui assemblagem, configuração da BIOS, instalação de controladores, burn-in, memtest, verificação funcional e preparação do ambiente de LLM. O prazo de entrega depende da disponibilidade de componentes e é confirmado na encomenda.
Extras recomendados
- NIC NVIDIA ConnectX-5 MCX555A-ECAT 100 GbE para expansão multinó
- Segundo NVMe de 4 TB para biblioteca de conjuntos de dados / modelos
- Armário rack 24U completo com porta frontal perfurada
- UPS online de 10 kVA
- PDU gerido
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.