# H200 vs B200: Hopper или Blackwell для вашего следующего GPU-сервера?

> Сравнение H200 и B200: 141 против 180 ГБ, 4,8 против 8 ТБ/с, FP4 и NVLink 5. Что помещается, за что вы доплачиваете 1 500 $/мес. и когда выгоднее H200.

Источник: https://fullgpu.com/ru/compare/h200-vs-b200  
Обновлено: 2026-10-22  
Издатель: FullGPU (https://fullgpu.com/)

**Коротко:** Берите B200, если сможете задействовать его вычислительную мощность, пропускную способность и 180 ГБ; берите H200 — он на 1 500 $ дешевле за каждый GPU и дешевле за гигабайт, — если ваша модель помещается в 141 ГБ и Hopper справляется с вашим трафиком.

## Характеристики H200 и B200

| Характеристика | NVIDIA H200 | NVIDIA B200 |
| --- | --- | --- |
| Архитектура | Hopper | Blackwell |
| Видеопамять | 141 ГБ HBM3e | 180 ГБ HBM3e |
| Пропускная способность памяти | 4,8 ТБ/с | 8 ТБ/с |
| FP4 | — | 9 000 TFLOPS |
| FP8 | 1 979 TFLOPS | 4 500 TFLOPS |
| BF16 / FP16 | 989 TFLOPS | 2 250 TFLOPS |
| Интерконнект GPU | NVLink 4 · 900 ГБ/с | NVLink 5 · 1,8 ТБ/с |
| Форм-фактор | Модуль SXM · HGX H200 | Модуль SXM · HGX B200 |
| Макс. энергопотребление | 700 Вт | 1 000 Вт |

## Помесячные цены в FullGPU

| Конфигурация | Тип | Видеопамять | Процессор | ОЗУ | Накопители | Сеть | Цена в месяц (USD) | За GPU-час | Наличие |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| [NVIDIA H200](https://fullgpu.com/ru/gpus/nvidia-h200) | Один GPU | 141 ГБ HBM3e | 24 vCPU | 240 ГБ | 2 ТБ NVMe | 25 Гбит/с | 3 090 $ | 4,23 $ | В наличии, выдача менее чем за 10 минут после оплаты |
| [8× NVIDIA HGX H200](https://fullgpu.com/ru/gpus/nvidia-h200) | 8-GPU-сервер | 8 × 141 ГБ HBM3e | 2× Xeon 8480+ · 112 ядер | 2 ТБ DDR5 | 8× 3,84 ТБ NVMe | 8× 400G ConnectX-7 | 23 900 $ | 4,09 $ | В наличии, выдача менее чем за 10 минут после оплаты |
| [NVIDIA B200](https://fullgpu.com/ru/gpus/nvidia-b200) | Один GPU | 180 ГБ HBM3e | 26 vCPU | 256 ГБ | 2,75 ТБ NVMe | 25 Гбит/с | 4 590 $ | 6,29 $ | В наличии, выдача менее чем за 10 минут после оплаты |
| [8× NVIDIA HGX B200](https://fullgpu.com/ru/gpus/nvidia-b200) | 8-GPU-сервер | 8 × 180 ГБ HBM3e | 2× Xeon 8570 · 112 ядер | 2 ТБ DDR5 | 8× 3,84 ТБ NVMe | 8× 400G ConnectX-7 | 34 900 $ | 5,98 $ | В наличии, выдача менее чем за 10 минут после оплаты |

За GPU-час = цена в месяц ÷ число GPU ÷ 730 часов. Это значение приводится только для сравнения с почасовыми предложениями: каждый тариф оплачивается по фиксированной цене в месяц.

## Выбирайте H200, если…

- Ваша модель вместе с KV-кэшем помещается в 141 ГБ, и вам нужна минимальная стоимость гигабайта видеопамяти.
- Трафик у вас умеренный, а значит, объём памяти для вас важнее чистой вычислительной мощности.
- Ваш стек привязан к старым версиям CUDA или к написанным под Hopper ядрам, которые вы пока не хотите портировать.

## Выбирайте B200, если…

- Вам нужно больше 141 ГБ на GPU — например, для модели 70B в BF16 с местом для KV-кэша.
- Ваша задача упирается в вычислительную мощность — например, обучение или инференс с большим числом одновременных запросов.
- Вам нужен инференс в FP4 или вдвое большая пропускная способность NVLink для тензорного параллелизма.

## Обзор

**H200 или B200** — это выбор между двумя поколениями GPU. H200 — версия Hopper с увеличенным объёмом памяти: 141 ГБ HBM3e с пропускной способностью 4,8 ТБ/с. B200 — это уже Blackwell: 180 ГБ HBM3e с пропускной способностью 8 ТБ/с, нативная поддержка FP4, NVLink 5 и, согласно опубликованным спецификациям NVIDIA, примерно в 2,3 раза более высокая производительность в FP8 и BF16 без разреженности. Стоит он при этом 4 590 $ в месяц против 3 090 $. Окупится ли доплата, зависит от того, что ограничивает вашу задачу: объём памяти, пропускная способность памяти или вычислительная мощность.

## H200 или B200: краткий ответ

Выбирайте [B200](https://fullgpu.com/ru/gpus/nvidia-b200), если сможете загрузить его работой: обучение, масштабное дообучение (fine-tuning), инференс с большим числом одновременных запросов или модели, которым нужно больше 141 ГБ на GPU. В пересчёте на каждый доллар он даёт больше вычислительной мощности и пропускной способности, чем H200.

Выбирайте [H200](https://fullgpu.com/ru/gpus/nvidia-h200), если ваша модель помещается в 141 ГБ, а трафик не упирается в вычислительную мощность Hopper. Он на 1 500 $ дешевле в расчёте на один GPU и на 11 000 $ — в расчёте на 8-GPU-сервер, а гигабайт памяти у него обходится дешевле, чем у B200. Поэтому для инференса моделей класса 70B в FP8 при умеренном трафике он выгоднее.

## Память: что помещается на каждом GPU

У B200 на 39 ГБ больше памяти на GPU: в HGX B200 от NVIDIA каждому GPU доступно 180 ГБ из 192 ГБ HBM3e, физически установленных на нём. Этот запас важнее всего для моделей класса 70B в BF16, которые H200 не может обслуживать на одном GPU. В таблице из объёма памяти вычтен примерный размер весов. Оставьте 10–30% остатка на накладные расходы среды выполнения, а остальное пойдёт под KV-кэш.

| Модель и точность | Веса (примерно) | Свободно на H200 | Свободно на B200 |
| --- | --- | --- | --- |
| 70B в FP8, 1 GPU | 70 ГБ | Около 71 ГБ | Около 110 ГБ |
| 70B в BF16, 1 GPU | 140 ГБ | Около 1 ГБ: так работать нельзя | Около 40 ГБ |
| 70B в FP4, 1 GPU | 35 ГБ | Вычислений в FP4 нет; 4-битные форматы с квантованием только весов помещаются | Около 145 ГБ |
| 405B в FP8, 8 GPU | 405 ГБ | Около 723 из 1 128 ГБ | Около 1 035 из 1 440 ГБ |
| MoE-модель (mixture of experts) 671B в FP8, 8 GPU | 671 ГБ | Около 457 из 1 128 ГБ | Около 769 из 1 440 ГБ |

На 8-GPU-серверах оба поколения вмещают очень большие открытые модели в FP8 в пределах одной машины. B200 оставляет больше места для KV-кэша, а значит, более длинные контексты и больше одновременных запросов на каждом сервере. С обучением теснее: полному дообучению модели 70B с Adam нужно примерно 1,1–1,4 ТБ без учёта активаций, так что на 8× H200 (1 128 ГБ) без выгрузки места на практике не остаётся, а для 8× B200 (1 440 ГБ) это предел. [Калькулятор видеопамяти (VRAM)](https://fullgpu.com/ru/tools/vram-calculator) посчитает то же самое для вашей модели и длины контекста.

## Вычислительная мощность и точность: FP8, BF16 и FP4

NVIDIA указывает для H200 1 979 TFLOPS в FP8 и 989 TFLOPS в BF16 без разреженности. Для B200 это 4,5 и 2,25 PFLOPS — примерно в 2,3 раза больше, а Blackwell к тому же добавляет FP4 с 9 PFLOPS без разреженности. Это пиковые показатели производителя, которых реальные задачи на обоих GPU достигают лишь частично, но их соотношение — разумный ориентир для задач, которые действительно упираются в вычислительную мощность: обучения с большими батчами, этапа prefill для длинных промптов и одновременного обслуживания множества пользователей. На обоих GPU обучение и инференс в FP8 идут через Transformer Engine от NVIDIA; его второе поколение в Blackwell добавляет FP4.

FP4 ещё раз вдвое сокращает память под веса по сравнению с FP8, а NVIDIA указывает для него на Blackwell вдвое более высокую пиковую производительность, чем для FP8. Но даром это не даётся: качество ответов зависит от модели и от того, как её квантовали, поэтому перед переходом проверьте его на собственном наборе данных для оценки. На H200 веса всё же можно хранить в 4 битах с помощью квантования только весов — это экономит память, но вычисления идут в более высокой точности. Компромиссы разобраны в нашем [руководстве по FP8 и FP4](https://fullgpu.com/ru/blog/fp8-fp4-precision-explained).

## Пропускная способность и NVLink: инференс и масштабирование на несколько GPU

При генерации токенов веса и KV-кэш считываются из памяти на каждом шаге, поэтому при малых и средних размерах батча генерация упирается в пропускную способность памяти. У B200 это 8 ТБ/с — на 67% больше, чем 4,8 ТБ/с у H200. Для интерактивного инференса, где каждый пользователь ждёт результатов декодирования (decode), это самое прямое улучшение, и оно работает независимо от того, используете ли вы FP4.

Для связи между GPU NVLink 5 даёт каждому B200 1,8 ТБ/с против 900 ГБ/с у NVLink 4 в H200. При тензорном параллелизме GPU обмениваются активациями на каждом слое, поэтому более быстрая связь сокращает время, которое восемь GPU тратят на ожидание друг друга. Для связи между серверами наши HGX B200 и HGX H200 используют одинаковую сеть 8 × 400G ConnectX-7, и в обоих стоят два процессора Xeon (всего 112 ядер), 2 ТБ DDR5 и 8 × 3,84 ТБ NVMe — различаются только GPU. Почему эта связь так важна, объясняет наша статья [о сравнении NVLink и PCIe](https://fullgpu.com/ru/blog/nvlink-vs-pcie).

## Стоимость в месяц и что дают 1 000 $

Один B200 стоит 4 590 $ в месяц — на 1 500 $ (49%) больше, чем H200 за 3 090 $. Сервер HGX B200 с восемью GPU стоит 34 900 $ против 23 900 $ за HGX H200 — на 11 000 $ (46%) больше. В пересчёте на каждые 1 000 $ ежемесячных расходов на тарифы с одним GPU:

| На 1 000 $ в месяц | H200 | B200 |
| --- | --- | --- |
| Видеопамять | 45,6 ГБ | 39,2 ГБ |
| Пропускная способность памяти | 1,55 ТБ/с | 1,74 ТБ/с |
| FP8 без разреженности, по данным производителя | 0,64 PFLOPS | 0,98 PFLOPS |
| FP4 без разреженности, по данным производителя | Не поддерживается | 1,96 PFLOPS |

По пропускной способности и вычислительной мощности на каждый доллар выгоднее B200, по объёму памяти — H200. Два примера с расчётами. Модель 70B в FP8 при умеренном трафике помещается на один H200 с большим запасом под KV-кэш; если один H200 справляется, B200 обойдётся на 1 500 $ в месяц дороже ради запаса, которым вы не воспользуетесь. Если же вы упираетесь в вычислительную мощность и иначе взяли бы два H200 (6 180 $), один B200 (4 590 $) даёт больше заявленной производителем вычислительной мощности в FP8, чем оба вместе (4,5 против 3,96 PFLOPS), хотя суммарно памяти у него меньше (180 против 282 ГБ) и пропускная способность ниже (8 против 9,6 ТБ/с).

Для обучения сравнивайте стоимость одного запуска, а не месяца. HGX B200 стоит примерно в 1,46 раза дороже HGX H200, тогда как NVIDIA указывает примерно в 2,3 раза большую вычислительную мощность без разреженности, а пропускная способность выше примерно в 1,67 раза. Оба соотношения выше соотношения цен, поэтому, если ваша задача масштабируется с ростом вычислительной мощности или пропускной способности, постоянно загруженный сервер B200 — более дешёвый способ выполнить ту же работу. B200, который ждёт загрузки данных, работает с маленькими батчами или простаивает из-за пустой очереди задач, это преимущество теряет.

## Программное обеспечение, наличие и как сделать выбор

Hopper — более старая платформа, поэтому почти все фреймворки, библиотеки ядер (kernels) и контейнеры уже её поддерживают. Для Blackwell нужны CUDA 12.8 или новее и сборки фреймворков, скомпилированные под эту архитектуру. Blackwell поддерживают актуальные релизы основных фреймворков и движков инференса, но контейнеры, привязанные к старым версиям CUDA, или ядра, вручную оптимизированные под Hopper, может понадобиться пересобрать или портировать. Что входит в наши образы, смотрите на странице [о драйверах NVIDIA и CUDA](https://fullgpu.com/ru/docs/nvidia-drivers-cuda). Оба GPU есть в наличии — как по одному, так и в 8-GPU-серверах.

- Модель с KV-кэшем примерно до 125 ГБ при умеренном трафике: H200.
- Примерно от 125 до 160 ГБ на GPU или модели 70B в BF16: B200.
- Обучение, упирающееся в вычислительную мощность, или нагруженный инференс, которому пригодится дополнительная производительность: B200.
- Нужно ещё больше памяти на GPU: сравните B200 с B300 на 288 ГБ в нашем [сравнении B200 и B300](https://fullgpu.com/ru/compare/b200-vs-b300).

## Часто задаваемые вопросы

### Стоит ли B200 доплаты по сравнению с H200?

Да, если вы сможете использовать то, что он добавляет: больше 141 ГБ на GPU, обучение или нагруженный инференс, упирающиеся в вычислительную мощность, FP4 или более быстрый NVLink. Если модель помещается в 141 ГБ и один H200 справляется с вашим трафиком, выгоднее H200 — он на 1 500 $ в месяц дешевле.

### Поддерживает ли H200 формат FP4?

Аппаратно — нет: вычисления в FP4 на тензорных ядрах впервые появились в Blackwell. Хранить веса в 4 битах на H200 всё же можно с помощью квантования только весов, но матричные вычисления будут идти в более высокой точности.

### Можно ли запустить инференс модели 70B в BF16 на одном GPU?

На H200 на практике нет: веса занимают около 140 ГБ из его 141 ГБ. B200 их вмещает, и около 40 ГБ остаётся на KV-кэш и среду выполнения, а версия в FP8 с запасом помещается на любой из двух GPU.

### Нужно ли новое ПО, чтобы перейти с H200 на B200?

Обычно достаточно более новых версий. Для Blackwell нужны CUDA 12.8 или новее и сборки фреймворков, скомпилированные под него, поэтому контейнеры, привязанные к старым релизам, или собственные ядра под Hopper, возможно, придётся пересобрать.

### Доступны ли оба GPU в виде 8-GPU-серверов?

Да. HGX H200 стоит 23 900 $ в месяц, а HGX B200 — 34 900 $; оба — bare-metal-серверы с восемью GPU, соединёнными через NVLink, и сетью 8 × 400G, и оба есть в наличии.

## Связанные страницы

- [Аренда серверов NVIDIA H200 и HGX H200 от 3 090 $ в месяц](https://fullgpu.com/ru/gpus/nvidia-h200): Аренда выделенного NVIDIA H200 (141 ГБ) за 3 090 $/мес. (≈ 4,23 $ за GPU-час 24/7) или 8-GPU HGX H200 за 23 900 $. Фиксированная цена, оплата криптовалютой.
- [Аренда серверов NVIDIA B200 и HGX B200 от 4 590 $ в месяц](https://fullgpu.com/ru/gpus/nvidia-b200): Аренда NVIDIA B200: 4 590 $/мес. за выделенный B200 со 180 ГБ (≈ 6,29 $ за GPU-час 24/7) или 34 900 $ за сервер HGX B200. Выдача менее чем за 10 минут.
- [H100 vs H200: одинаковая вычислительная мощность Hopper, очень разная память](https://fullgpu.com/ru/compare/h100-vs-h200): H100 vs H200: та же вычислительная мощность Hopper, 80 ГБ и 3,35 ТБ/с против 141 ГБ и 4,8 ТБ/с. Что помещается на один GPU, расчёт KV-кэша и цена в месяц.
- [B200 vs B300: стоит ли переходить на Blackwell Ultra?](https://fullgpu.com/ru/compare/b200-vs-b300): Сравнение B200 и B300: 180 против 288 ГБ HBM3e, прирост в FP4 и сеть 400G против 800G. Что помещается в память, цена гигабайта и когда достаточно B200.
- [MI355X vs B200: сравнение памяти, программного стека и стоимости](https://fullgpu.com/ru/compare/mi355x-vs-b200): Сравнение MI355X и B200: 288 против 180 ГБ HBM, ROCm или CUDA, 4-битные форматы и стоимость GPU в месяц. Какой 8-GPU-сервер подойдёт вашим моделям и бюджету.
- [GPU-серверы для обучения LLM на выделенных 8-GPU-узлах](https://fullgpu.com/ru/solutions/llm-training): GPU-серверы для обучения LLM: bare-metal-узлы HGX B300, B200 и H200 с NVLink и сетью 400–800G, аренда помесячно. Сначала посмотрите расчёт памяти.