# Гайды по GPU и инженерные заметки

> Гайды о видеопамяти, инференсе и дообучении LLM, ценах на GPU и оборудовании.

Источник: https://fullgpu.com/ru/blog  
Издатель: FullGPU (https://fullgpu.com/)

## Статьи

- [AMD MI355X для ИИ: характеристики, ROCm и задачи, для которых он подходит](https://fullgpu.com/ru/blog/amd-mi355x-for-ai): Разбор AMD MI355X для ИИ: 288 ГБ HBM3e и 8 ТБ/с, FP8 и MXFP4, реальное состояние ROCm и задачи, которым он даёт больше всего. Прочтите перед арендой.
- [FP8, FP4 и BF16: как устроены числовые форматы для ИИ](https://fullgpu.com/ru/blog/fp8-fp4-precision-explained): Разбор FP8, FP4 и BF16: раскладка битов, поблочное масштабирование NVFP4 и MXFP4, какие GPU поддерживают каждый формат, экономия памяти и потери качества.
- [NVLink или PCIe: пропускная способность, топология и когда это важно](https://fullgpu.com/ru/blog/nvlink-vs-pcie): Сравнение NVLink и PCIe: пропускная способность на GPU, NVSwitch и NVL72, каким задачам на нескольких GPU нужен NVLink, а каким хватает PCIe. С расчётами.
- [Выделенный или разделяемый GPU: что меняется при совместном использовании](https://fullgpu.com/ru/blog/dedicated-vs-shared-gpus): Выделенный или разделяемый GPU: как vGPU, MIG, time-slicing и общие хосты влияют на память, стабильность, безопасность и отладку и когда разделение уместно.
- [Дефицит GPU в 2026 году: с чем сталкиваются покупатели и как получить GPU](https://fullgpu.com/ru/blog/gpu-shortage-2026): Дефицит GPU в 2026 году: мощности по требованию распроданы, провайдеры продвигают годовые контракты, цены выросли. Почему так и как команды всё же получают GPU.
- [Как выбрать GPU-сервер для ИИ](https://fullgpu.com/ru/blog/how-to-choose-a-gpu-server): Как выбрать GPU-сервер для ИИ: методика выбора по памяти, пропускной способности, точности, интерконнекту, CPU и накопителям, ПО и оплате, а также чек-лист.
- [Как дообучить модель 70B: требования к GPU и порядок работы](https://fullgpu.com/ru/blog/fine-tune-70b-model): Сколько GPU нужно для дообучения модели 70B: QLoRA — один GPU с 80 ГБ, LoRA в BF16 — около двух, полное — свыше 1 ТБ (класс 8× H200). Расчёт памяти и настройка.
- [Как самостоятельно развернуть инференс LLM с vLLM](https://fullgpu.com/ru/blog/self-host-llm-inference-vllm): Инференс LLM на своём сервере с vLLM: подбор GPU, OpenAI-совместимый сервер, настройка FP8, кэширования префиксов и параллелизма, защита для продакшена.
- [Лучший GPU для инференса LLM в 2026 году: подбор по размеру модели](https://fullgpu.com/ru/blog/best-gpu-for-llm-inference): Лучший GPU для инференса LLM зависит от размера модели, точности, KV-кэша и пропускной способности. Выбирайте по таблице 2026 года: от RTX 5090 до 8× B300.
- [Системные требования DeepSeek R1: GPU и память для R1 и V3](https://fullgpu.com/ru/blog/deepseek-hardware-requirements): Системные требования DeepSeek R1: около 671 ГБ весов в FP8 плюс KV-кэш. Какие 8-GPU-серверы подходят для R1 и V3 и какие GPU нужны дистиллированным моделям.
- [Сколько видеопамяти нужно для LLM?](https://fullgpu.com/ru/blog/vram-for-llms): Сколько видеопамяти (VRAM) нужно LLM? Короткие ответы для моделей 7B, 14B, 32B, 70B и 405B в BF16, FP8 и 4 битах, KV-кэш по длине контекста и подходящий GPU.
- [Стоимость аренды H100 в 2026 году: сколько вы платите на самом деле](https://fullgpu.com/ru/blog/h100-rental-cost-2026): Стоимость аренды H100 в 2026 году: SXM или PCIe, оплата помесячно или почасово, исходящий трафик, хранилище и формула безубыточности для сравнения предложений.