Kentino AI 192 Rome ArcProB70 TBD — 6× Intel Arc Pro B70 — EPYC Milan (förbeställning)
Plattform i företagsklass, monterad och testad i EU.
UNDER FÖRBEREDELSE
Förbeställning – Intel Arc Pro B70, planerad leverans Q3 2026
Kentino AI 192 Rome ArcProB70 TBD
192 GB VRAM Intel Xe2-inferensserver
6x Arc Pro B70 | EPYC Milan | TOPS TBD
Budgetinriktat bygge med mycket VRAM för Intels inferensstack med öppen källkod. Priset låses när Intel har tillgänglighet.
En 4U-rackmonterad inferensserver med sex Intel Arc Pro B70 Creator-kort (32 GB Xe2-HPG "Battlemage" vardera, 192 GB totalt), en AMD EPYC 7643 Milan-CPU (48C/96T), 384 GB DDR4 ECC, 2 TB NVMe-boot och ett 2 kW ATX-nätaggregat (uppgradering till dubbla nätaggregat rekommenderas starkt). Byggd för Intels mjukvaruekosystem: OpenVINO 2025+, IPEX-LLM, llama.cpp SYCL-backend och vLLM-Intel-forkar. Arbetsbelastningar som enbart kräver CUDA körs inte på denna hårdvara.
Hårdvara
| Komponent | Detalj |
|---|---|
| GPU:er | 6x Intel Arc Pro B70 Creator 32 GB (Xe2-HPG "Battlemage", 250 W, PCIe 5.0 x16, dubbelslot) |
| VRAM-pool | 192 GB totalt över 6 kort (ingen fabric mellan korten – peer-trafik via PCIe) |
| CPU | AMD EPYC 7643 Milan (48C/96T, 225 W, 128x PCIe 4.0-banor) |
| Moderkort | ASRock Rack ROMED8-2T (SP3, 7x PCIe 4.0 x16, 8x DDR4 ECC, 2x 10 GbE, IPMI) |
| Systemminne | 384 GB DDR4-2666 ECC RDIMM (6x 64 GB) |
| Boot/lagring | 2 TB NVMe M.2 (PCIe 4.0 x4) |
| Nätaggregat | 1x 2 kW ATX-nätaggregat (uppgradering till dubbla synkade 2 kW rekommenderas starkt) |
| Chassi | 4U-rackmontering (6-platslayout) |
| Kylning | SP3-towerkylare (Arctic Freezer 4U-M) + riktat luftflöde fram-till-bak (industrifläktar) |
| Nätverk | Inbyggt dubbelt 10 GbE (Intel X550) |
Effektbudget
- GPU-förbrukning: 6 x 250 W = 1 500 W (TDP enligt Intel)
- Systemets totala förbrukning vid full last: ~1 825 W
- Nätaggregat totalt: 2 000 W (ett) – endast 8.75 % marginal
- Dubbla synkade 2 kW rekommenderas starkt – återställer ~45 % marginal
Bantopologi
ROMED8-2T har 7x PCIe 4.0 x16-platser. Sex platser är bestyckade; en är ledig för NIC-tillval. Arc Pro B70 är PCIe Gen5-nativt; ROMED8-2T kör Gen4 – bandbreddspåverkan är försumbar för inferens med 32 GB per kort. Ingen PCIe-switch. Ingen motsvarighet till Xe-Link.
Vad du kan köra
Alla kompatibilitetsuppgifter avser Intels mjukvarustack (OpenVINO, IPEX-LLM, llama.cpp SYCL, vLLM-Intel). Arbetsbelastningar som enbart kräver CUDA körs inte på denna hårdvara. Alla siffror hänvisar till publicerade externa källor och kommer att verifieras oberoende när korten levereras.
LLM:er – text/resonemang/kod
Kinesiska frontier-modeller
- Qwen3 / Qwen3.5 (Alibaba): Qwen3-235B-A22B Q4 (~132 GB) med marginal för lång kontext; 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) – ryms med måttlig KV
- Tencent Hunyuan: Hunyuan-Large Q3 (~160 GB); Hunyuan-A13B fp8 (~80 GB) om Xe2:s fp8-spår exponeras i drivrutinen
- Övriga: Baidu ERNIE-4.5-424B Q3 (~180 GB); MiniMax-M1 Q3 (~180 GB); DeepSeek-R2 32B (6x samtidiga strömmar)
Västerländska frontier-modeller
- Meta Llama: Llama 3.3 70B Q6-Q8 med generös KV; Llama 4 Scout 109B/17B Q4 (~63 GB) med god marginal
- Mistral: Mistral Small 3 / Magistral Small / Devstral Small 2 (24B) i bf16; Pixtral Large Q4-Q6
- OpenAI (öppna vikter): gpt-oss-120b MXFP4 nativt (~80 GB) – om MXFP4-dekvantisering finns i Intels stack
- NVIDIA Nemotron: Llama-3.1-Nemotron Ultra 253B Q4 (~120 GB)
- Övriga: Gemma 3 27B bf16 multimodal; Phi-4 / Phi-4-reasoning 14B; Cohere Command R+ 104B Q4
Vision-språkmodeller
Qwen3-VL-8B / 32B; Qwen3-VL-30B-A3B MoE; InternVL3 upp till 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. Intels OpenVINO har starkt stöd för vision-towers – VLM är en trolig styrka redan från dag ett.
Bildgenerering
FLUX.1 [dev] / [schnell] fp8 eller Q4 GGUF via llama.cpp SYCL; SDXL / SD 3.5 Large via OpenVINO genAI-runtime; HunyuanDiT; HunyuanImage-2.1 bf16 (~34 GB); Kolors 2.0; AuraFlow; OmniGen; PixArt-Sigma.
Videogenerering
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. Video är Intels svagaste spår i dag – räkna med att det fungerar men inte är genomströmningsoptimerat vid leverans.
Ljud/tal/TTS
- ASR: Whisper v3 large / turbo via OpenVINO (förstklassigt Whisper-stöd från Intel); Parakeet-TDT; Canary; SenseVoice
- TTS: CosyVoice 2/3; Kokoro 82M; Stable Audio Open; XTTS v2; StyleTTS 2; Step-Audio-EditX
- Realtid/S2S: Kyutai Moshi; MusicGen / AudioGen / Bark; SeamlessM4T v2
Flermodell-/flerkunds-serving
- 6 samtidiga strömmar av en 32 GB Q4-modell (en per kort) – t.ex. 6x Qwen3-32B Q4-agenter
- Embedding-flotta i stor skala – 6x parallella BGE-M3-/E5-/Nomic Embed-strömmar (OpenVINO-optimerade)
- Blandad residens – 70B Q4 (tensorparallell över 3 kort) + FLUX.1 (1 kort) + Whisper-turbo (1 kort) + Moshi (1 kort)
Målarbetsbelastningar
- Utvärderingspilot för Intel-mjukvara som CUDA-alternativ för LLM-serving
- Embedding-/reranker-backend där VRAM per EUR väger tyngre än krav på genomströmning
- Budgetinferens för frontier-MoE i Q4 (Qwen3-235B, GLM-4.5/4.6/4.7) för små interna utvecklingsteam
- OpenVINO-nativ modelldriftsättning tillsammans med befintliga Intel Xeon-/Arc Pro-pipelines
- VLM-/OCR-/dokumentbehandlings-backend (OpenVINO:s styrka hos Intel)
Uppmätt prestanda
Specifikationer enligt Intel | Verifieras oberoende när korten levereras
| Specifikation | Värde |
|---|---|
| VRAM per kort | 32 GB GDDR6 |
| Minnesbandbreddsklass | ~450 GB/s per kort |
| Xe Matrix Extensions (XMX) | Accelererat via OpenVINO / IPEX-LLM |
| fp8-spår | Xe2-kisel – verifiera exponering i drivrutinen vid leverans |
Inga mätdata från Kentino. Intels publicerade specifikationer verifieras oberoende. Kentino publicerar egna siffror för tok/s, QPS och bandbredd när den första enheten har klarat inbränningstestet.
Mindre lämplig för
- CUDA-nativa arbetsbelastningar – ingen CUDA på Intel, räkna med migreringsfriktion
- SLA-kritiska produktionsinstallationer tills Intel Arc Pro-leveranser och verktyg har stabiliserats
- Frontier-MoE på 600B+ i Q4+ (kräver 6x RTX Pro 6000 / 576 GB-pool)
- Träningsarbetsbelastningar – Arc Pro är inferensinriktat och ramverkens mognad för distribuerad träning är begränsad
- Kunder som kräver uppmätta benchmarks före köp – denna SKU är en förbeställning
Garanti och leveranstid
Kentinos standardgaranti (2 år på delar, 1 år på arbete); Intels distributionsvillkor gäller i stället där de är strängare. Bygget omfattar montering, BIOS-konfiguration, drivrutinsinstallation, inbränningstest och funktionsverifiering. Reservera din leveransplats i första omgången via Kentinos kontaktformulär. 30 dagars prisgaranti vid beställning.
Rekommenderade tillval
- Uppgradering till dubbla synkade 2 kW-nätaggregat (marginalen med ett nätaggregat är snäv vid 1 825 W förbrukning – rekommenderas starkt)
- Uppgradera RAM till 512 GB DDR4 (2x 64 GB – två platser lediga)
- 4 TB NVMe som sekundär disk för modellbiblioteket
De frågor köpare oftast ställer till oss innan de beställer en server.
Hur lång tid tar det?
Maskiner byggda av komponenter vi har i lager skickas snabbt; allt som kräver en viss GPU-generation beror på tillgången. Vi ger dig ett datum innan du betalar, och om det ändras säger vi till i stället för att låta dig upptäcka det själv.
Kan konfigurationen ändras innan ni bygger den?
Nästan alltid. GPU:er, minne, lagring och kylning väljs per order, och den listade konfigurationen är en utgångspunkt snarare än ett fast paket. Behöver du mer VRAM, snabbare lagring eller en annan kyllösning, säg till innan du beställer så offererar vi ändringen.
Kan jag hämta servern personligen?
Det kan du. Vårt lager ligger i Prag och du är välkommen att hämta personligen – de flesta som kommer passar på att gå igenom maskinen med vår ingenjör och ställa de frågor som är krångliga via mejl. För beställningar inom Tjeckien försöker vi också leverera personligen och gå igenom installationen med dig på plats.
Kan jag prata med någon som faktiskt förstår arbetsbelastningen?
Ja. Vi har en ingenjör som arbetar specifikt med AI-system, inte en allmän säljavdelning. Om din fråga gäller batchstorlekar, kvantisering, interconnect eller var din flaskhals kommer att uppstå, så ställ den — det samtalet brukar förändra konfigurationen till det bättre.
Vilken modell kan jag köra på den här konfigurationen?
Ja. Varje maskin monteras, inbränningstestas och benchmarkas på riktiga AI-arbetsbelastningar innan den skickas, och den lämnar oss med en LLM redan installerad och igång. Du kopplar in den, ansluter den till ditt nätverk och börjar arbeta – det enda beslut som återstår är vilket projekt den ska köra först.
Hur testar ni en server före leverans?
Vi kör den mot verkliga AI-arbetsbelastningar i stället för syntetiska poäng: inferensgenomströmning, beteende under ihållande last och temperaturer vid kontinuerlig drift. Du får benchmarkresultaten tillsammans med maskinen, så att den prestanda du blev lovad är den prestanda du kan verifiera redan första dagen.
Är servern redo att köras när den levereras?
Ja. Varje maskin monteras, inbränningstestas och benchmarkas på riktiga AI-arbetsbelastningar innan den skickas, och den lämnar oss med en LLM redan installerad och igång. Du kopplar in den, ansluter den till ditt nätverk och börjar arbeta – det enda beslut som återstår är vilket projekt den ska köra först.
Skickas från vårt lager i EU. Tunga artiklar kan kräva särskild godsfrakt — kontakta oss för en fraktoffert och leveranstid. 2 års begränsad garanti med avancerad RMA-support; förlängd garanti finns.
Inte riktigt vad du behöver?
Berätta om din arbetsbelastning så specificerar vi plattformen kring den – GPU:er, minne, lagring och kylning anpassade efter det du faktiskt kör.