Die NVIDIA RTX PRO 6000 ist eine Enterprise- GPU, basiert auf der Blackwell-Architektur und verfügt über 96 GB Speicher. Derzeit bei 9 Anbieter verfügbar, ab 0,43 €/GPU/Stunde, mit einem Marktmedian von 1,62 €/GPU/Stunde über 53 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
10 Angebote von 9 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | 16 | 140 GB | 1,795 € | 1,79 € | Starten | ||
| ×4 | 56 | 409 GB | Ab0,764 € -5.4% 30T | Ab3,06 € | Starten | ||
| ×1 | — | 146 GB | 1,443 € 0.0% 30T | 1,44 € | Starten | ||
| ×1 | 28 | 225 GB | 1,589 € | Ab1,59 € | |||
| ×1 | 30 | 90 GB | -- | 1,623 € | Ab1,62 € | Starten | |
Bis zu429 €Guthaben | ×1 | 16 | 140 GB | Ab1,795 € -9.6% 30T | Ab1,79 € | Starten | |
| ×1 | 16 | 144 GB | 1,838 € 0.0% 30T | Ab1,84 € | Starten | ||
| ×1 | 16 | 192 GB | Ab1,975 € 0.0% 30T | Ab1,98 € | Starten | ||
Sesterce CloudEmpfehlungslink | ×1 | 16 | 192 GB | Ab2,069 € 0.0% 30T | Ab2,07 € | Starten | |
| ×1 | 16 | 192 GB | 2,070 € +12.1% 30T | Ab2,07 € | Starten | ||
| ×8 | 128 | 1,5 TB | Ab5,152 € 0.0% 30T | Ab41,22 € | Starten |
LLMs, die auf die NVIDIA RTX PRO 6000 passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 96 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 8× · 54 GB frei |
| GLM-5.2 Z.ai | 753 Mrd. | 1.808 GB Zu groß | 994 GB Zu groß | 579 GB 8× · 189 GB frei |
| DeepSeek R1 DeepSeek | 671 Mrd. 37 Mrd. aktiv | — Nicht veröffentlicht | 826 GB Knapp auf 8× · 11 % übrig | 481 GB 8× · 287 GB frei |
| DeepSeek V4 Flash DeepSeek | 284 Mrd. | — Nicht veröffentlicht | — Nicht veröffentlicht | 192 GB Passt knapp auf 2× |
| Solar Open2 250B Upstage | 250 Mrd. 15 Mrd. aktiv | 601 GB 8× · 167 GB frei | 330 GB 4× · 54 GB frei | 192 GB 4× · 192 GB frei oder 2× · 19 % übrig |
| Qwen3 235B-A22B Alibaba | 235 Mrd. 22 Mrd. aktiv | 564 GB 8× · 204 GB frei | 310 GB 4× · 74 GB frei | 181 GB 2× · 11 GB frei |
| Laguna-S 2.1 Poolside | 118 Mrd. 8 Mrd. aktiv | 282 GB 4× · 102 GB frei | 155 GB 2× · 37 GB frei | 90 GB 1× · 5,7 GB frei |
| gpt-oss-120b OpenAI | 117 Mrd. 5,1 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 78 GB 1× · 18 GB frei |
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB 1× · 9,7 GB frei | 47 GB 1× · 49 GB frei | 28 GB 1× · 68 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB 1× · 17 GB frei | 43 GB 1× · 53 GB frei | 25 GB 1× · 71 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB 1× · 21 GB frei | 41 GB 1× · 55 GB frei | 24 GB 1× · 72 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB 1× · 21 GB frei | 41 GB 1× · 55 GB frei | 24 GB 1× · 72 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 ähnliche GPUs in
Mehr von dieser Seite?
Falsche Daten?




