NVIDIA A100 80GB
Die NVIDIA A100 80GB ist eine Enterprise- GPU, basiert auf der Ampere-Architektur und verfügt über 80 GB Speicher mit 2.000 GB/s Speicherbandbreite und einer TDP von 400 W. Sie liefert 19,5 TFLOPS FP32-Rechenleistung und 312 TFLOPS FP16-Tensor-Leistung. Derzeit bei 16 Anbieter verfügbar, ab 0,34 €/GPU/Stunde, mit einem Marktmedian von 1,33 €/GPU/Stunde über 92 Konfigurationen.

A100 80GB · PCIe-Referenzdesign
PCIe-Abbildung. Die Angebote können SXM oder andere Varianten verwenden.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
16 Angebote von 16 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | 16 | 125 GB | 1,601 € | 1,60 € | Starten | ||
| ×4 | 64 | 504 GB | Ab0,340 € -27,4 % 30T | Ab1,36 € | Starten | ||
Bis zu89 €Guthaben | ×1 | — | — | Ab0,957 € | Ab0,96 € | Starten | |
Thunder ComputeEmpfehlungslink | ×1 | 8 | 64 GB | -- | Ab0,975 € 0,0 % 30T | Ab0,97 € | Starten |
| ×1 | 28 | 120 GB | Ab1,207 € +3,7 % 30T | Ab1,21 € | Starten | ||
| ×8 | 240 | 1,25 TB | Ab1,268 € +47,9 % 30T | Ab10,14 € | Starten | ||
OblivusEmpfehlungslink | ×1 | 28 | 120 GB | Ab1,315 € 0,0 % 30T | Ab1,31 € | Starten | |
Sesterce CloudEmpfehlungslink | ×8 | 240 | 1,25 TB | Ab1,328 € +1,0 % 30T | Ab10,63 € | Starten | |
| ×1 | 16 | 120 GB | 1,333 € 0,0 % 30T | Ab1,33 € | Starten | ||
LiumEmpfehlungslink | ×8 | 240 | 1,73 TB | 1,503 € +36,6 % 30T | 12,02 € | Starten | |
| ×1 | 28 | 120 GB | Ab1,520 € -9,5 % 30T | Ab1,52 € | Starten | ||
| ×1 | 28 | 120 GB | 1,574 € +18,1 % 30T | Ab1,57 € | Starten | ||
Bis zu447 €Guthaben | ×1 | 16 | 125 GB | 1,601 € 0,0 % 30T | 1,60 € | Starten | |
| ×1 | 22 | 120 GB | -- | Ab1,749 € +13,3 % 30T | Ab1,75 € | Starten | |
| ×1 | 30 | 200 GB | Ab1,780 € 0,0 % 30T | Ab1,78 € | Starten | ||
Theta EdgeCloudIm Trend | ×1 | 10 | 80 GB | -- | 1,780 € | Ab1,78 € | Starten |
Bis zu1 €Guthaben | ×8 | 64 | 512 GB | Ab1,793 € -0,2 % 30T | Ab14,34 € | Starten |
LLMs, die auf die NVIDIA A100 80GB passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 80 GB pro GPU. Gezeigt werden die 12 größten passenden Modelle.
| Modell | Parameter | 16 Bit | 8 Bit | 4 Bit |
|---|---|---|---|---|
| Kimi K2.5 Moonshot AI | 1 Bio. 32 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 714 GB Knapp auf 8× · 7 % übrig |
| GLM-5.2 Z.ai | 753 Mrd. | — Nicht veröffentlicht | 994 GB Zu groß | 579 GB 8× · 61 GB frei |
| DeepSeek R1 DeepSeek | 671 Mrd. 37 Mrd. aktiv | — Nicht veröffentlicht | 826 GB Zu groß | 481 GB 8× · 159 GB frei |
| DeepSeek V4 Flash DeepSeek | 284 Mrd. | — Nicht veröffentlicht | — Nicht veröffentlicht | 192 GB 4× · 128 GB frei oder 2× · 0 % übrig |
| Solar Open2 250B Upstage | 250 Mrd. 15 Mrd. aktiv | 601 GB 8× · 39 GB frei | 330 GB 8× · 310 GB frei oder 4× · 16 % übrig | 192 GB 4× · 128 GB frei |
| Qwen3 235B-A22B Alibaba | 235 Mrd. 22 Mrd. aktiv | 564 GB 8× · 76 GB frei | 310 GB 4× · 9,7 GB frei | 181 GB 4× · 139 GB frei oder 2× · 6 % übrig |
| Laguna-S 2.1 Poolside | 118 Mrd. 8 Mrd. aktiv | 282 GB 4× · 38 GB frei | 155 GB 2× · 4,8 GB frei | 90 GB 2× · 70 GB frei oder 1× · 6 % übrig |
| gpt-oss-120b OpenAI | 117 Mrd. 5,1 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 78 GB 1× · 1,7 GB frei |
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB 2× · 74 GB frei oder 1× · 11 % übrig | 47 GB 1× · 33 GB frei | 28 GB 1× · 52 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB 1× · 1,4 GB frei | 43 GB 1× · 37 GB frei | 25 GB 1× · 55 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB 1× · 4,9 GB frei | 41 GB 1× · 39 GB frei | 24 GB 1× · 56 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB 1× · 5,1 GB frei | 41 GB 1× · 39 GB frei | 24 GB 1× · 56 GB frei |
Schätzungen: Modellgewichte plus 20 % für KV-Cache und Laufzeit-Overhead, bei kurzen Kontextlängen. Lange Kontexte und große Batches benötigen mehr. Als „knapp“ markierte Zeilen fassen die Gewichte, aber nicht diesen vollen Puffer. Ein ×N-Wert ist der gesamte VRAM über N dieser GPUs und sagt nichts über den Durchsatz der Verbindung aus. Wie wir das schätzen · Stattdessen vom Modell aus starten
Mehr von dieser Seite?
Falsche Daten?









