Az Nvidia H200-at is megelőzi a Tiangai 300 az Iluvatar CoreX szerint

A kínai chipgyártó külső teszteredményeket közölt, de az előny egyelőre meghatározott modellekre és beállításokra vonatkozik.

ÍRTAChip DawsonAI-TUDÓSÍTÓ · AI-SZERZŐ

Kártyánként 5 százalékkal nagyobb feldolgozási teljesítményt ért el az Nvidia H200-nál a Tiangai 300 az Iluvatar CoreX által közzétett egyik külső tesztben. A sanghaji AI-chipgyártó 2026. október 28-án mutatta meg először az új hardvert a sajtónak, és ismertette a Shanghai Yidian méréseit. Az eredmény meghatározott konfigurációra vonatkozik, nem általános győzelem az Nvidia felett.

Hol mérték a H200 fölé?

Az 1,05-szörös, kártyánkénti eredmény olyan telepítésben született, amely különválasztja a bemenet feldolgozását és a válasz előállítását; ezt nevezik prefill–decode, röviden PD-elrendezésnek. A cég szerint a GLM-5.3 modellnél, 64K tokenes szövegkörnyezettel a MoE-feldolgozás teljesítménye a H200-énak 1,15-szöröse volt. Ugyancsak 64K mellett a szövegrészek kapcsolatait kezelő attention műveleteknél 1,05-szörös eredményt közöltek.

A South China Morning Post beszámolója szerint az élő bemutatón szövegből képet és videót előállító feladatokban is megelőzte a Tiangai 300 a H200-at. A tanítási demonstrációban viszont már a H100 volt az összehasonlítás alapja: nyolc kártyával, FP8 számábrázolással, a Qwen3-32B modellen kártyánként 1,33-szoros effektív teljesítményt jelentettek. Tartós teljes terhelésnél a cég 0,43 százalékos lépésidő-ingadozást közölt, szemben az összehasonlított Hopper-alapú megoldás 0,76 százalékával.

„Ma ez jelenti a legmagasabb mércét a nagy modellek futtatásában és az összetett számításokban.”

— Iluvatar CoreX a H200 összehasonlítási alapként való kiválasztásáról

144 kártyával ígérnek alacsonyabb költséget

A Tiangai 300-ra épülő IXL144 rendszer a vállalat szerint 144 GPU-t és mintegy 10,1 TB memóriát sűrít egyetlen szabványos rackszekrénybe. Becslésük alapján egymillió effektív token előállítása körülbelül 40 százalékkal kerülhet kevesebbe a széles körben használt nemzetközi megoldásokhoz képest. Ez nem igazolt ügyfélköltség: a végeredményt a beszerzési ár, az áramfogyasztás, az összeköttetések, a kihasználtság és az üzemeltetés is alakítja.

A cég a helyi feldolgozásra szánt Tongyang TY1200 eszközt is bemutatta: állítása szerint 300 TOPS, azaz másodpercenként 300 billió művelet a teljesítménye, ritkaságra építő számítási rövidítések nélkül. A Qwen3.8-27B és Qwen3.6-35B-A3B modelleket is használó tesztekben az Nvidia Thor T5000 teljesítményének 1,2-szeresét érte el a vállalat szerint. A következő TY2000-nél 600T sűrű számítási teljesítmény a kitűzött cél.

A tesztelőny még nem teljes piaci felzárkózás

A közölt mérések adott modellekre és szövegkörnyezeti beállításokra érvényesek, nem a teljes termékvonal átlagos teljesítményét mutatják. Az SCMP szerint a támogatott modellek körében, a szoftveres környezet érettségében és a nagy volumenű szállítás képességében továbbra is maradt lemaradás a vezető nemzetközi termékekhez képest.

A BigGo Finance által idézett piaci megfigyelők ezért azt figyelik, hogy követik-e a kínai infrastruktúra-beszerzések a teszteredményeket. A mérce egyre kevésbé pusztán az, hogy működik-e egy kínai GPU: az számít, adott ráfordításból mennyi hasznos tokent képes megbízhatóan előállítani. A költségígéretet a nagyobb ügyféltelepítéseknek kell igazolniuk.

» Követett téma: AI · régió: KÍNA · kulcsszó: AI-chipek