Kentino AI Node A100 — 8× NVIDIA A100 SXM4 80 GB, 640 GB HBM2e
Plataforma de nível empresarial, montada e testada na UE.
Kentino AI Node A100
640 GB HBM2e, NVSwitch-Pooled
8x A100 SXM4 80 GB | 4,992 INT8 TOPS
The only node tier with a sane cost per gigabyte of VRAM.
An 8-GPU node carrying eight NVIDIA A100 SXM4 80 GB modules on an NVLink/NVSwitch baseboard: 640 GB of HBM2e at 2.04 TB/s per GPU with 600 GB/s any-to-any GPU bandwidth. Ampere is two generations back, and for a large class of work that is exactly why you want it - the same 640 GB pool as a Hopper H100 node, at substantially less money and 2.4 kW less heat. If your models run at bf16 or Q4 and you are not going to use fp8, you should not be paying for it.
Hardware
| Component | Detail |
|---|---|
| GPUs | 8x NVIDIA A100 SXM4 80 GB HBM2e (Ampere, 400 W per module) |
| VRAM pool | 640 GB HBM2e, NVSwitch-pooled |
| Memory bandwidth | 2.04 TB/s per GPU |
| GPU interconnect | NVLink 3 via NVSwitch, 600 GB/s any-to-any |
| Compute | 2,496 TFLOPS bf16 dense | 4,992 INT8 TOPS. No fp8 tensor path |
| CPUs | 2x AMD EPYC 7643 (Milan, 48C/96T each) on the Supermicro AS-4124GO-NART+ platform |
| System memory | 1 TB DDR4-3200 ECC RDIMM (16x 64 GB) |
| Storage | 2x 1.92 TB U.2 NVMe boot + 2x 3.84 TB U.2 NVMe data |
| Networking | 2x NVIDIA ConnectX-7 400 Gb/s |
| Chassis | 4U rack-mount, front-to-back airflow, 24/7 rated |
| Power | 4x 3000 W redundant |
What it runs
640 GB at bf16 and Q4 covers most production serving and fine-tuning. Estimates are for this 8-GPU configuration with tensor parallelism.
| Component | Detail |
|---|---|
| Llama 3.3 70B / Qwen3-72B | bf16 full precision. ~35-50 tok/s single stream, 1,500+ tok/s batched |
| Qwen3-235B-A22B MoE | Q4 across the full 640 GB pool |
| Mistral Large 2 123B | Q4-Q8 with context headroom |
| QLoRA / full fine-tune 70B | 8-way tensor parallel, NVSwitch-backed |
| Classic HPC | 9.7 TFLOPS FP64 per GPU - 77.6 TFLOPS FP64 per node |
| Multi-tenant serving | several 30B-70B models resident at once |
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
Roughly 4.3 kW sustained: 3.2 kW of GPU plus CPU, fans and storage. That is 2.4 kW less than a Hopper node and it is the practical selling point - 4.3 kW fits a conventional datacentre rack with front-to-back airflow and no aisle containment retrofit. Over three years at EU industrial electricity rates the difference against an H100 node is a real line in the TCO, not a rounding error.
What you give up, and export control
No fp8. Ampere predates the format. Models shipping fp8-native - the DeepSeek-V3 family, Hunyuan-Large - run here at bf16 or Q4 instead, which costs VRAM and throughput. If your roadmap is fp8 checkpoints, buy Hopper. This is the single real limitation of the tier and we would rather you hear it now.
Export control. A100 80 GB is above the Advanced Computing Item thresholds (ECCN 3A090.a), so it needs the same KYC form and End User Certificate as the Hopper nodes.
Late-life hardware. Ampere is near end of channel life. Warranty horizon and spares availability are shorter than on current generation, and we will tell you exactly what we can commit to in writing before you order.
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.
Tell us the models you need to serve and we will tell you honestly whether this node or a Hopper node is the right purchase - the answer is genuinely sometimes this one.
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.