SparkHost

Аренда MSI EdgeXpert 128 ГБ

MSI EdgeXpert MS-C931 — исполнение MSI на платформе NVIDIA GB10. Начинка та же, что у DGX Spark Founders Edition: чип Grace Blackwell, 128 ГБ единой памяти LPDDR5x со скоростью чтения 273 ГБ/с, адаптер ConnectX-7 с двумя портами QSFP и самошифрующийся NVMe на 4 ТБ. Своё у MSI — металлический корпус 151 × 151 мм с сетчатой передней панелью и внешний блок питания на 240 Вт. Под веса и контекст остаётся около 108 ГБ, этого хватает моделям на 70B–120B. Аренда MSI EdgeXpert — под заказ: устройство целиком в московском дата-центре, DGX OS с CUDA, вход по SSH с правами root или через JupyterLab, договор с компанией или ИП и цена в рублях.

Под заказ
MSI EdgeXpert 128 ГБ — выделенный сервер для LLM в аренду
  • Чип GB10: GPU Blackwell — до 1 PFLOP в FP4 с разреженностью, процессор — 20 ядер Arm (10 × Cortex-X925 и 10 × Cortex-A725)
  • NVMe на 4 ТБ с самошифрованием (SED), ConnectX-7 до 200 Гбит/с плюс 10GbE
  • Под заказ; кластер до 4 одинаковых узлов — по заявке

Цены

3 890 ₽
Сутки
48 990 ₽
Месяц
43 990 ₽
От 3 месяцев
в месяц, по предоплате

Цены без НДС · НДС 5 % добавляется в счёте

Кластер 2–4 узла по ConnectX-7 рассчитываем индивидуально.

Добавить серверВ корзину

Характеристики

GPU
Blackwell GB10, 1 PFLOP FP4
CPU
20× Arm (10× Cortex-X925 + 10× Cortex-A725)
Память
128 ГБ LPDDR5x unified, ≈108 ГБ под модель
Пропускная способность
273 ГБ/с
Накопитель
4 ТБ NVMe
Сеть
ConnectX-7 200G + 10GbE
ОС
NVIDIA DGX OS (Ubuntu), CUDA, контейнеры NGC
Доступ
Root по SSH, JupyterLab
Кластер
2–4 узла по заявке
Размещение
Дата-центр партнёра, Москва
Питание
≈240 Вт

Характеристики — по данным производителя; ресурс под модель — оценка для DGX OS с рантаймом.

Вместимость моделей

Популярные модели при типовом квантовании и контексте — из 108 ГБ на узел.

Посчитать свою модель для 108 ГБ

Скорость популярных моделей

Один запрос, генерация и обработка промпта в токенах в секунду — по опубликованным замерам NVIDIA, авторов движков и сообщества на платформе GB10 (DGX Spark и партнёрские версии ASUS, MSI и xFusion устроены одинаково). Все замеры по модели — на её странице.

Аренда или покупка

Аренда MSI EdgeXpert 128 ГБ — 48 990 ₽ в месяц без НДС, ориентир цены покупки — 624 990 ₽; электричество своего устройства — 1 500 ₽ в месяц. Срок и перепродажу можно поменять, остальные параметры — в полном калькуляторе.

Отметьте, если продадите устройство в конце срока

Открыть полный калькулятор
Точка безубыточности
14 месяцев
Аренда за срок
587 880 ₽
Покупка за срок
642 990 ₽

До 13 месяцев выгоднее аренда

Расчёт ориентировочный: цены без НДС, электричество — ваша оценка.

Сравнение с другими

Все сравнения

Все серверы каталога на одном чипе GB10: скорость памяти одинаковая, различаются объём, диск, цена и наличие.

  • MSI EdgeXpert 128 ГБ · этот сервер
    Память
    128 ГБ · 108 под модель
    Накопитель
    4 ТБ NVMe
    Месяц
    48 990 ₽
    Наличие
    Под заказ
  • NVIDIA DGX Spark 128 ГБ
    Память
    128 ГБ · 108 под модель
    Накопитель
    4 ТБ NVMe
    Месяц
    49 990 ₽
    Наличие
    В наличии
  • ASUS Ascent GX10 128 ГБ
    Память
    128 ГБ · 108 под модель
    Накопитель
    1 ТБ NVMe
    Месяц
    49 000 ₽
    Наличие
    Под заказ
  • xFusion FusionXpark 128 ГБ · 2 ТБ
    Память
    128 ГБ · 108 под модель
    Накопитель
    2 ТБ NVMe
    Месяц
    42 990 ₽
    Наличие
    В наличии
  • xFusion FusionXpark 128 ГБ · 1 ТБ
    Память
    128 ГБ · 108 под модель
    Накопитель
    1 ТБ NVMe
    Месяц
    41 990 ₽
    Наличие
    Под заказ
  • NVIDIA DGX Spark 64 ГБ
    Память
    64 ГБ · 48 под модель
    Накопитель
    1 ТБ NVMe
    Месяц
    по заявке
    Наличие
    Предзаказ

Разборы пар

  • DGX Spark vs MSI EdgeXpert

    Совпадают даже по диску на 4 ТБ: EdgeXpert отличается корпусом и блоком питания, решают цена и сроки.

  • MSI EdgeXpert vs ASUS GX10

    Две партнёрские версии на одном GB10 различаются прежде всего диском: 4 ТБ у EdgeXpert и 1 ТБ у GX10.

Кластер из MSI EdgeXpert 128 ГБ

Как устроен кластер

Без НДС, только узлы; соединение и настройка сети — в предложении.

Для кого

  • Локальный инференс открытых LLM, которым тесно в видеокарте, — без облачных квот и почасовой оплаты
  • Дообучение LoRA/QLoRA и исследования, где объём памяти важнее пиковой скорости
  • RAG и корпоративные ассистенты на данных, которые нельзя отправлять во внешние API
  • Связка сервисов на одной машине: модель, векторная база и API-шлюз
  • Кластер 2–4 узла — когда веса не помещаются в одно устройство

Где не подходит

  • Публичный сервис с сотнями одновременных запросов и обучение с нуля — это задачи для H100/H200
  • Если модель меньше 32 ГБ, RTX 5090 ответит быстрее: здесь предел задаёт скорость чтения памяти
  • Своих замеров скорости не публикуем: в таблицах — опубликованные цифры NVIDIA и сообщества со ссылками, а скорость на вашей задаче проверяется за сутки аренды

Условия

  • Работаем с юрлицами и ИП по договору
  • Безналичная оплата по счёту, ЭДО
  • Закрывающие документы — ежемесячно
  • Депозит и порядок продления — в индивидуальном предложении
  • Устройство только ваше: без соседей и общего доступа

Полезное по этому серверу

Как подключиться и начать

Инструкции написаны по документации NVIDIA для DGX Spark Founders Edition. У MSI EdgeXpert 128 ГБ тот же GB10 и DGX OS, но NVIDIA предупреждает, что обновления системы до партнёрских версий могут доходить позже.

Вопросы о модели

Общие вопросы
Зачем Spark, если есть облачная H100?
Если нужен продакшен под нагрузку сотен людей, H100 — правильный выбор: одиночный запрос она обрабатывает многократно быстрее. Spark сильнее в другом: 128 ГБ памяти на выделенном устройстве за фиксированную плату в месяц, без почасового счёта и квот. Облачная H100, работающая круглосуточно, стоит в несколько раз больше.Сравнение с H100 и RTX 5090
Во что упирается скорость генерации?
В скорость чтения памяти — 273 ГБ/с. Чтобы выдать очередной токен, модель заново читает активные веса, поэтому темп генерации ограничен именно этой цифрой. Команде с моделями 70B–120B его хватает; публичный сервис с сотнями параллельных сессий он не потянет.Какие модели помещаются
Какой будет скорость на моей модели?
Её определяют модель, квантование, движок инференса и число параллельных запросов, поэтому одной цифры для всех случаев мы не даём. Самый точный способ — суточная аренда: развернёте свою модель и замерите скорость на реальных запросах.
Получится ли запустить полный DeepSeek-V3 или R1?
Нет: версии на 671B даже в 4-битном квантовании нужно порядка 440 ГБ, а четыре узла дают 4 × 108 ГБ. Реалистичные варианты: gpt-oss-120b, Llama 3.3 70B и DeepSeek-R1-Distill-Llama 70B — в один узел, Qwen3 235B в int4 — в два.Расчёт для DeepSeek-V3 671B DeepSeek-R1-Distill-Llama 70B
Когда RTX 5090 окажется быстрее?
Когда модель умещается в её 32 ГБ: видеопамять RTX 5090 работает на 1,8 ТБ/с, у Spark — 273 ГБ/с. Модели от 70B видеокарте пришлось бы частично держать в RAM компьютера, а Spark загружает их целиком в 128 ГБ.Сравнить с RTX 5090
Хватит ли младшей модели с 64 ГБ?
Для моделей примерно до 30B в fp8 и до 70B в 4 битах — да: под них свободно около 48 ГБ (NVIDIA называет до 100B параметров в FP4). NVIDIA объявила стоимость $4 999; аренду этой версии принимаем по предзаказу. gpt-oss-120b (64–68 ГБ даже в MXFP4) и 70B в fp8 требуют старшую версию на 128 ГБ.DGX Spark 64 ГБ

Все серверы