Der ASUS ExpertCenter Pro ET900N G3 ist die zweite GB300 DGX Station, die wir getestet haben, und die erste, die wir in unserem Labor eingehend geprüft haben; unser MSI XpertStation WS300 Test wurde remote durchgeführt. Er verwendet die gleiche NVIDIA-Siliziumtechnologie wie die MSI XpertStation WS300: einen Grace Blackwell Ultra Desktop Superchip mit 72 Grace-Kernen, einer B300 GPU, 252 GB HBM3e, 496 GB LPDDR5X und einem ConnectX-8 SuperNIC mit zwei 400-GbE-Anschlüssen. ASUS verpackt diese feste Kernplattform in einem kompakten Desktops-KI-Tower und fügt Funktionen hinzu, die der WS300 fehlen: zwei oben angebrachte Tragegriffe, ein dedizierter Lüfter für die ConnectX-8-Optik-Käfige und ein 1.600-W-80-PLUS-Titanium-Netzteil.

ASUS schickte den ET900N G3 für etwa eine Woche zu uns ins Labor für Benchmarking, Bildgebung und physische Inspektion, vorkonfiguriert mit einer RTX PRO 2000. Details zur Basisplattform, B300, Grace, NVLink-C2C, MIG und den Grundlagen der DGX Station sind in unserem früheren Testbericht zur MSI XpertStation WS300 enthalten. Diese Analyse konzentriert sich auf die Implementierung von ASUS rund um den Superchip und ob seine Leistung mit dem ersten GB300 Tower, den wir getestet haben, mithalten kann.

ASUS ExpertCenter Pro ET900N G3 Spezifikationen

Design und Verarbeitung

ASUS positioniert den ET900N G3 als Business-Workstation mit gebürstetem silbernen Gehäuse, dunkler Mesh-Frontplatte, Chromakzenten an Kappen und Füßen sowie einem dezenten ASUS-Frontlogo. Seine Abmessungen werden durch die interne Plattform bestimmt: 584 x 232 x 565 mm, etwas höher und geringfügig schmaler als der WS300. Mit 27 kg ist er nicht leicht zu bewegen, was ASUS' praktische Designwahl motiviert: zwei obere Metallgriffe (vorne und hinten) ermöglichen es zwei Personen, den Tower auf Schreibtische oder Wagen zu heben, ohne die Gehäuseplatten zu greifen. Diese Griffe wirken auf einer Büro-Workstation fehl am Platz, bis man einen schweren GB300 Tower durch ein Labor transportiert hat.

Die Frontplatte beherbergt den Netzschalter, zwei 10-Gbps-USB-Typ-A-Anschlüsse, zwei 10-Gbps-USB-Typ-C-Anschlüsse, einen USB-2.0-Anschluss und separate Audioanschlüsse, die vertikal oben rechts am Mesh angeordnet sind. Die Seitenwand ist eine große belüftete Platte mit einem langen perforierten Frontbereich für den Radiatoreinlass und einem kleineren hinteren Gitter, das auf die Systemlüfter ausgerichtet ist. Es gibt kein Fenster oder RGB-Beleuchtung, was den Vorlieben des Zielkäufers entspricht.

Auf der Rückseite trennt das Layout die Workstation-I/O von der zugrunde liegenden Server-Hardware. Der obere Cluster umfasst vier 10-Gbps-USB-Typ-A-Anschlüsse, 10-GbE- und 1-GbE-RJ45-Anschlüsse, drei Audioanschlüsse, eine BMC-Micro-USB-Konsole und einen BMC-Mini-DisplayPort für die Einrichtung. Die beiden QSFP112-Käfige für ConnectX-8 sitzen über dem I/O-Shield neben einem Abluftlüfter; drei Erweiterungssteckplatzabdeckungen verlaufen mittig nach unten, und der C19-Netzteilanschluss befindet sich unten. Wie beim WS300 ist der Mini-DisplayPort nur für BMC für die Ersteinrichtung und Fehlerbehebung gedacht; die Desktop-Displayausgabe erfordert die RTX PRO Add-in-Karte.

Im Inneren des ET900N G3

Mit abgenommener Seitenwand ähnelt der ET900N G3 dem WS300 stark, wie erwartet, da beide die gleiche NVIDIA-Basisplatine verwenden. Der GB300 Superchip befindet sich unter einer Kupferkaltplatte auf der linken Seite des Gehäuses, die SOCAMM-Module haben daneben eigene Kupferplatten, und ConnectX-8 wird von einer dritten Kaltplatte in der Nähe der hinteren I/O gekühlt. Geflochtene Kühlmittelleitungen verlaufen von den Kaltplatten zu einem Verteiler im Gehäusequerschnitt und dann weiter zu den Radiatoren. Drei Voll-Länge-PCIe-Steckplätze befinden sich unter dem Superchip, das Netzteil nimmt die vordere untere Ecke ein, und eine Metallabdeckung verdeckt die Kabelverlegung unten.

Das interne Luftstromlayout spiegelt das des WS300 wider: ein vertikaler Radiator hinter dem vorderen Mesh, ein zweiter Radiator oben montiert, jeweils mit Lüfterarrays bestückt, plus ein hinterer Gehäuselüfter. Die Kühlmittelleitungen sind ummantelt und mit Klettverschlüssen gesichert, und der Verteiler bündelt die Leitungen von vier Kaltplatten, sodass nur zwei Leitungen jeden Radiator speisen.

Der Optiklüfter

Eine Kühlkomponente, die einzigartig für den ET900N G3 ist, ist ein kleiner, an der Halterung montierter Lüfter über der ConnectX-8-Kaltplatte, der direkt auf die QSFP112-Käfige gerichtet ist. Die Flüssigkeitsschleife kühlt den SuperNIC-Siliziumkern selbst, aber 400G-Optiktransceiver erzeugen erhebliche Wärme in Metallkäfigen, die nur eine leitende Kühlung von der Kaltplatte erhalten. Unsere früheren Tests zeigten, dass ConnectX-8 unter Dauerlast warm wird und optische Module heiß werden können. Daher ist ein dedizierter Luftstrom über die Käfige ein wertvolles Designmerkmal für Benutzer, die kontinuierliche Glasfaserverbindungen nutzen. Bei Verwendung von DAC-Kabeln, unserem Setup für einen laufenden Cluster-Inferenztest, der dieses Gerät mit einer zweiten GB300 Station verbindet, hat dieser Lüfter geringere Arbeitslasten.

Speicher, Erweiterung und Stromversorgung

ASUS lieferte den ET900N G3 mit einem 2-TB-NVMe-Laufwerk für das Betriebssystem und die NVIDIA-Software auf dem Paar von PCIe 5.0 x4 M.2 2280-Steckplätzen, die über Grace verbunden sind. Das zweite Paar M.2-Steckplätze greift auf den integrierten PCIe-Switch von ConnectX-8 zu und ist werkseitig leer.

Unser Testgerät wurde mit einer NVIDIA RTX PRO 2000 im PCIe 5.0 x16-Steckplatz geliefert, einer der unterstützten Konfigurationen von ASUS. Diese Karte liefert Display-Ausgabe, ohne das GB300-Strombudget stark zu belasten; ASUS gibt an, dass das Gehäuse nur eine RTX PRO Blackwell-Karte unterstützt. Wir haben die RTX PRO 2000 vor dem Benchmarking entfernt, um das volle Beschleuniger-Leistungsbudget für den Superchip zu reservieren, was unseren WS300-Testbedingungen entspricht. Wir haben keine leistungsstärkeren RTX PRO-Karten in diesem Gehäuse getestet; ihre Auswirkungen auf den gemeinsamen Leistungsspielraum werden in einem zukünftigen GB300 Station-Testbericht behandelt.

Das 1.600-W-ATX-Netzteil verfügt über die 80-PLUS-Titanium-Zertifizierung, ein Upgrade gegenüber dem Platinum-Gerät des WS300. Titanium erfordert 94 % Effizienz bei 50 % Last an 115-V-Eingang im Vergleich zu den 92 % von Platinum und erzwingt eine Mindesteffizienz bei 10 % Last, sodass der ET900N G3 unter voller GB300-Last weniger Wandstrom verschwendet. Die Stromversorgung bleibt geteilt: Grace, B300, Pumpen, Lüfter, Speicher und jede RTX PRO-Karte beziehen Strom aus demselben 1.600-W-Pool. Der vsloshd-Dienst von NVIDIA verschiebt dynamisch den verfügbaren Spielraum zwischen Superchip und Add-in-GPU basierend auf dem Stromverbrauch, ohne feste harte Obergrenze für eine der Komponenten. Dieses Stromversorgungsframework ist gegenüber dem WS300-Testbericht unverändert. Nordamerikanische Installationen erfordern eine dedizierte 20-A-Stromleitung.

Konnektivität

Die dualen QSFP112-Anschlüsse von ConnectX-8 dienen als primäre Fabric-Verbindung des ET900N G3 zu Speicher, einer zweiten DGX-Station oder Cluster-Netzwerken. In unserem Labor sind diese Anschlüsse über 400G-DACs mit einer weiteren GB300 Station für separate bevorstehende Cluster-Inferenzanalysen verbunden. Der Marvell 10-GbE-Anschluss verarbeitet normalen Host-Verkehr, während der Realtek 1-GbE-Anschluss ausschließlich für das BMC-Management reserviert ist.

Testnotizen

Alle Ergebnisse verwenden die Standard-Speicherkonfiguration des Laborgeräts: 252 GB HBM3e plus 496 GB LPDDR5X. Die Tests liefen ohne installierte RTX PRO-Karte, was dem GB300 Superchip das volle Beschleuniger-Leistungsbudget gewährte und den WS300-Testbedingungen entsprach. Der Software-Stack, die vLLM-Konfiguration, die Workload-Profile und der Konkurrenz-Sweep sind identisch, was einen direkten Vergleich der Tower ermöglicht. Dieser Testbericht konzentriert sich ausschließlich auf die Inferenzleistung; wir haben den Stromverbrauch oder die thermische Telemetrie dieses Geräts nicht gemessen.

Wir haben zwei Standard-vLLM-Live-Inferenzprofile verwendet, die für alle lokalen KI-Hardware verwendet werden: eine ausgewogene Arbeitslast mit 512 Eingabe-/512 Ausgabe-Tokens und eine stark auf Prefill ausgerichtete Arbeitslast mit 8.192 Eingabe-/1.024 Ausgabe-Tokens, wobei die Konkurrenz von 1 bis 128 Streams durchlaufen wurde. Für Frontier-Scale-Modelle vergleichen wir mit einem GPU-Server mit zwei oder vier RTX PRO 6000-Karten, der nächstgelegenen Single-Box-Alternative für diese Modell-Checkpoints. Für kleinere Modelle benchmarken wir mit einer einzelnen RTX PRO 6000 im selben Server, einer einzelnen H200 NVL in einem anderen Enterprise-Server und einem GB10 DGX Spark-System, das mit dem im WS300-Testbericht verwendeten identisch ist. Die ET900N G3-Metriken sind rohe Log-Werte; Vergleichswerte stammen aus unseren archivierten Ergebnisdiagrammen.

Inferenzleistung

Frontier-Modelle im kohärenten Speicherpool

Der GB300 ist darauf ausgelegt, Modelle zu hosten, die die 252 GB HBM3e-Grenze des B300 überschreiten. Wir haben vier Checkpoints getestet, die diese Grenze überschreiten: DeepSeek V4 Flash und MiniMax M2.7 passen vollständig in HBM mit freier Kapazität; MiniMax M3 passt gerade so und lagert einen Teil der Expertenlayer in den Grace-Speicher aus; GLM-5.2 lagert etwa die Hälfte seiner Gewichte aus. Jede Tabelle vergleicht die Ergebnisse mit der nächstgelegenen Single-Box-Alternative: RTX PRO 6000-Karten im Enterprise-Server, die bei Bedarf Experten in den Host-Speicher auslagern.

DeepSeek V4 Flash ist ein einfacher Test: ein ca. 20 GB großer nativer FP8-Checkpoint, der vom B300 problemlos verarbeitet wird. Der Durchsatz der ausgewogenen Arbeitslast stieg von 152 Tokens/Sek. bei 1 Stream auf 1.766 Tokens/Sek. bei 32 Streams, der gesamte Token-Durchsatz erreichte 3.532. Für das stark auf Prefill ausgerichtete Profil skalierte der ET900N G3 von 148 auf 954 Ausgabe-Tokens/Sek., der Gesamtdurchsatz erreichte 8.587. Eine Dual-RTX-PRO-6000-Konfiguration erreichte Spitzenwerte von fast 800 Ausgabe-Tokens/Sek. bei ausgewogenen Arbeitslasten und ca. 490 bei langen Prompts, mit ungleichmäßiger Leistung bei geringer Konkurrenz.

MiniMax M2.7 in NVFP4-Quantisierung belegt ca. 125 GB HBM und lieferte die stärkste Skalierung der vier Modelle. Die ausgewogene Arbeitslast stieg von 214 Tokens/Sek. bei einem Stream auf 4.793 bei 128 Streams, der Gesamtdurchsatz erreichte 9.586. Prefill-lastige Tests skalierten auf 1.744 Ausgabe-Tokens/Sek. und 15.700 Gesamt-Tokens/Sek. bei 64 Streams. Zwei RTX PRO 6000-Karten folgten der gleichen allgemeinen Kurve, erreichten aber weniger als die Hälfte des Durchsatzes und erreichten Spitzenwerte von fast 1.930 Ausgabe-Tokens/Sek. bei ausgewogenen Arbeitslasten und ca. 510 bei langen Prompts.

MiniMax M3 illustriert den Betrieb direkt an der Speichergrenze. Der NVFP4-Checkpoint ist kleiner als 252 GB, aber der Laufzeitzustand und der KV-Cache verbrauchen zusätzlichen Speicherplatz, sodass ein Teil der Expertenlayer im Grace-Speicher liegt; jeder Dekodierschritt, der auf diese Experten zugreift, kreuzt NVLink-C2C. Mit EAGLE3-spekulativer Dekodierung erreichte der ET900N G3 1.041 Ausgabe-Tokens/Sek. bei 32 Streams für ausgewogene Arbeitslasten. Das stark auf Prefill ausgerichtete Profil erreichte Spitzenwerte von 282 Tokens/Sek. bei zwei Streams, hielt 271 bei vier Streams und fiel dann auf 103 bei acht Streams, als lange Prompts den verfügbaren Cache erschöpften. Vier RTX PRO 6000-Karten, die denselben spekulativen Decoder verwenden, hielten Schritt bis zu acht Streams, zogen bei 16 Streams auf ca. 1.180 Ausgabe-Tokens/Sek. davon und fielen dann auf etwa 760 bei 32 Streams. Bei stark auf Prefill ausgerichteten Arbeitslasten hielt das Vier-GPU-System ca. 349 Ausgabe-Tokens/Sek. bei vier Streams im Vergleich zu 271 für die DGX Station. Dieses Modell, das sich genau an der HBM-Kapazität befindet, ist der einzige Fall in diesem Set, in dem 384 GB GesamtvRAM über vier Karten mit 252 GB HBM plus Grace-Auslagerung konkurrieren.

GLM-5.2 repräsentiert eine Arbeitslast, die nur der kohärente Speicherpool ermöglicht. Mit MTP-spekulativer Dekodierung hält der NVFP4-Checkpoint ca. 215 GB Experten-Gewichte im Grace-Speicher. Der ET900N G3 lieferte 35 Ausgabe-Tokens/Sek. für einen Stream und 139 für 32 Streams bei ausgewogenen Arbeitslasten, der Gesamtdurchsatz erreichte 277. Für stark auf Prefill ausgerichtete Tests bis zu 32 Streams erreichte er 120 Ausgabe-Tokens/Sek. und 1.079 Gesamt-Tokens/Sek. Vier RTX PRO 6000-Karten, die jeweils ca. 30 GB in den Host-Speicher auslagerten, erreichten ca. 40 Ausgabe-Tokens/Sek. bei 32 Streams und flachten von vier Streams an bei langen Prompts auf etwa 9–10 Tokens/Sek. ab. Kein System lässt dieses 433-GB-Modell schnell erscheinen, aber die 396 GB/s LPDDR5X und die 900 GB/s NVLink-C2C-Verbindung des GB300 zu ausgelagerten Experten erhalten die Skalierung, wo PCIe-gebundener Host-Speicher über vier GPUs ins Stocken gerät.

Im Vergleich zur MSI WS300 liegen die Ergebnisse der Frontier-Modelle des ET900N G3 bei allen übereinstimmenden Testpunkten innerhalb von etwa 1 %: 1.766 Ausgabe-Tokens/Sek. für DeepSeek V4 Flash bei 32 Streams auf beiden Towern; 4.793 gegenüber 4.801 für MiniMax M2.7 bei 128 Streams; 1.041 für MiniMax M3 bei 32 Streams auf beiden; und 139 für GLM-5.2 bei 32 Streams auf beiden.

Gemeinsame Modelle im Vergleich zu RTX PRO 6000, H200 NVL und DGX Spark

Die zweite Benchmark-Gruppe verwendet kleinere Modelle, die alle Testsysteme vollständig im Speicher unterbringen können: GPT-OSS-20B und 120B native MXFP4; Llama 3.1 8B BF16 und FP8; Mistral Small 24B BF16 und FP8; Qwen3 Coder 30B BF16 und FP8. Neu im Vergleich zum WS300-Testbericht ist eine einzelne H200 NVL, NVIDIAs 141-GB-Hopper-Beschleuniger, der eine Rechenzentrums-GPU der vorherigen Generation zum Vergleich hinzufügt.

GPT-OSS-20B ist die einfachste Arbeitslast, die von jedem Hardware-Kandidaten problemlos geladen wird. Bei ausgewogenen Arbeitslasten skalierte der ET900N G3 auf 22.041 Ausgabe-Tokens/Sek. bei 128 Streams (44.082 gesamt) im Vergleich zu ca. 7.920 für RTX PRO 6000, 6.010 für H200 NVL und 1.420 für DGX Spark. Die Leistung bei einem einzelnen Stream erreichte 536 Ausgabe-Tokens/Sek. für die Station im Vergleich zu 354 auf der RTX PRO 6000, 489 auf der H200 NVL und 120 auf Spark. Stark auf Prefill ausgerichtete Läufe vergrößerten die Lücke: 9.555 Ausgabe-Tokens/Sek. und 85.994 Gesamt-Tokens/Sek. bei 128 Streams für den ET900N G3, gegenüber ca. 2.480 für RTX PRO 6000, 3.410 für H200 NVL und 445 für Spark.

GPT-OSS-120B deckt Speicherbeschränkungen bei konkurrierender Hardware auf. Der ET900N G3 erreichte 9.280 Ausgabe-Tokens/Sek. bei ausgewogenen Arbeitslasten bei 128 Streams, etwa dreimal so viel wie die 3.060 der RTX PRO 6000, 2,8-mal so viel wie die 3.370 der H200 NVL und über 19-mal so viel wie die 480 der Spark. Bei langen Prompts erschöpften kleinere Systeme frühzeitig die KV-Cache-Kapazität: RTX PRO 6000 erreichte Spitzenwerte von fast 1.170 Ausgabe-Tokens/Sek. und H200 NVL fast 1.820, während die Station bis zu 128 Streams weiter anstieg und bei 5.023 Ausgabe-Tokens/Sek. mit einem Gesamtdurchsatz von 45.205 Tokens/Sek. endete.

Llama 3.1 8B FP8 liefert die höchste Einzel-Durchsatzzahl in dieser Testsuite. Der ET900N G3 erreichte 25.602 Ausgabe-Tokens/Sek. über 128 Streams bei ausgewogenen Arbeitslasten (51.205 gesamt) im Vergleich zu ca. 8.060 auf RTX PRO 6000 und 11.040 auf H200 NVL. Der Wechsel von BF16 zu FP8 steigerte den Durchsatz der Station um etwa 50 % (17.074 auf 25.602), während RTX PRO 6000 um ca. 70 % und H200 NVL um ca. 37 % zunahm. Stark auf Prefill ausgerichtete Ergebnisse komprimierten alle Werte: Station erreichte 6.164 Ausgabe-Tokens/Sek., RTX PRO 6000 1.480, H200 2.040.

Mistral Small 24B FP8 produzierte die größten Leistungsverhältnisse. Der ET900N G3 erreichte Spitzenwerte von 11.075 Ausgabe-Tokens/Sek. bei ausgewogenen Arbeitslasten, 3,4x die 3.240 der RTX PRO 6000, 2,4x die 4.610 der H200 NVL und fast 20x die 559 der Spark. Bei langen Prompts erreichte RTX PRO 6000 bei 32 Streams Spitzenwerte von etwa 480 Tokens/Sek. vor dem Abfall; H200 NVL erreichte Spitzenwerte von etwa 854 Tokens/Sek., während die Station bei 128 Streams 2.302 Tokens/Sek. erreichte.

Qwen3 Coder 30B, ein Mixture-of-Experts-Modell mit geringer aktiver Parameteranzahl, verringert die Lücken bei einzelnen Streams. Bei einem Stream mit ausgewogener Arbeitslast lieferte RTX PRO 6000 ca. 232 Ausgabe-Tokens/Sek. im Vergleich zu 319 der Station und 308 der H200 NVL. Batching stellt die Leistungshierarchie wieder her: bei 128 Streams FP8 erreichte der ET900N G3 12.439 Ausgabe-Tokens/Sek., 3,1x die 3.990 der GPU und 1,7x die 7.450 der H200 NVL. Stark auf Prefill ausgerichtete Läufe erreichten 3.837 Ausgabe-Tokens/Sek. für die Station; RTX PRO 6000 erreichte Spitzenwerte von fast 880 bei 64 Streams, H200 NVL fast 1.820.

Bei diesen gemeinsamen Modellen lieferte der ET900N G3 bei voller Konkurrenz einen 2,8- bis 3,4-fachen Durchsatz einer einzelnen RTX PRO 6000 und einen 1,7- bis 3,7-fachen Durchsatz der H200 NVL. Sein Vorsprung vergrößert sich bei langen Prompts, da konkurrierende Hardware den KV-Cache-Spielraum erschöpft. Im Vergleich zum WS300 liegen diese vier Modelle wieder innerhalb von 1 %: 22.041 vs. 22.161 für GPT-OSS-20B; 9.280 vs. 9.294 für GPT-OSS-120B; 11.075 vs. 11.157 für Mistral Small FP8; 12.439 vs. 12.425 für Qwen3 Coder FP8. Ein vollständiger Vergleich aller 14 Modelle findet sich im nächsten Abschnitt.

Zwei Tower, eine Basisplatine: ASUS ET900N G3 vs. MSI WS300

Der ET900N G3 und die MSI XpertStation WS300 verwenden die identische NVIDIA GB300 DGX Station Basisplatine, verpackt in unterschiedliche OEM-Gehäuse. Beide liefen die gleichen 14 Modelle, zwei Arbeitslastprofile und einen Konkurrenz-Sweep mit übereinstimmenden vLLM-Builds. Die folgende Tabelle vergleicht den Spitzen-Ausgabedurchsatz des ET900N G3 mit dem des WS300 über alle Modelle hinweg.

Von insgesamt 28 Modell-Arbeitslast-Paaren liegen 24 Ergebnisse innerhalb von 2 % voneinander, die meisten zeigen einen Bruchteil eines Prozentvorteils für den WS300. Vier liegen außerhalb dieses Bereichs, drei bei ausgewogenen Arbeitslasten: Llama 3.1 8B FP8 mit 3,5 % unter dem WS300 (25.602 vs. 26.536), Qwen3 Coder 30B BF16 mit 4,6 % niedriger (10.000 vs. 10.486), Nemotron 3 Ultra 550B mit 5,2 % niedriger (159 vs. 168) sowie Qwen3 Coder 30B BF16 erneut mit 2,1 % niedriger bei langen Prompts. Alle Datenpunkte sind Einzelmessungen für jeden Tower, sodass 2–5 % Abweichung bei drei von 14 Modellen nicht auf das Gehäusedesign zurückgeführt werden können; wir dokumentieren lediglich die beobachtete Differenz. Modelle, die auf kohärentem Speicherpooling basieren, MiniMax M3 und GLM-5.2, erreichen oder übertreffen die Leistung des WS300 bei beiden Arbeitslasten, was bestätigt, dass der Grace-Auslagerungspfad in ASUS- und MSI-Gehäusen identisch funktioniert.

GPT-OSS-20B, das dichteste Modell mit dem höchsten Durchsatz, und GLM-5.2, die auf Auslagerung fokussierte Arbeitslast, zeigen eine nahezu perfekte Überlappung: Die Leistung des WS300 folgt dem ET900N G3 nahezu punktgenau.

Wir werden dieses Benchmark-Framework fortsetzen, sobald weitere GB300 Tower in unserem Labor eintreffen. HPs ZGX ist als nächstes dran, gefolgt von anderen OEM-Builds. Jede Einheit durchläuft diesen identischen Konkurrenz-Sweep, sodass alle Unterschiede zwischen OEM-Implementierungen in diesem Benchmark-Framework sichtbar werden, wobei die einzelnen Modell-Diagramme die rohen Leistungskurven beibehalten.

Fazit

Der ASUS ExpertCenter Pro ET900N G3 erfüllt, was eine zweite Referenzplattform-Implementierung leisten sollte: Er validiert die ursprünglichen Benchmark-Ergebnisse. Bei 14 Modellen und zwei Arbeitslastprofilen liegen 24 von 28 Spitzen-vLLM-Durchsatzvergleichen innerhalb von 2 % der Ergebnisse der MSI XpertStation WS300, von 1.766 Ausgabe-Tokens/Sek. für DeepSeek V4 Flash bis zu 22.041 für GPT-OSS-20B. Vier Einzelmessungs-Ausreißer liegen 2–5 % niedriger, und das System führt GLM-5.2 mit 215 GB Experten-Layern im Grace-Speicher erfolgreich aus, mit einem Durchsatz, den vier RTX PRO 6000-Karten nicht erreichen können. Der GB300 Superchip definiert die Leistungsgrenze, und ASUS liefert eine solide Umsetzung.

Die Mehrwerte von ASUS sind praktische technische Verbesserungen: Die Griffe ermöglichen es zwei Personen, den 27 kg schweren Tower zu bewegen, ohne die Gehäuseplatten zu greifen; der dedizierte Lüfter über den QSFP112-Käfigen adressiert das thermische Risiko bei langanhaltenden 400G-Optik-Läufen; das Titanium-zertifizierte Netzteil reduziert den Stromverbrauch. Der Arm-Host, die obligatorische 20-A-Leitung, die BMC-only-Displayausgabe und das geteilte 1.600-W-Leistungsbudget bei großen Add-in-GPUs sind inhärente Plattformbeschränkungen, die für beide Tower gleichermaßen gelten.

Beijing Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Global Strategy Director
WhatsApp / WeChat: +86 13426366826
E-Mail: yangyd@qianxingdata.com
Website: www.qianxingdata.com/www.storagesserver.com
Geschäftsschwerpunkt:
ICT-Produktvertrieb/Systemintegration & Services/Infrastrukturlösungen
Mit über 20 Jahren Erfahrung im IT-Vertrieb arbeiten wir mit führenden globalen Marken zusammen, um zuverlässige Produkte und professionelle Dienstleistungen zu liefern.
„Technologie nutzen, um eine intelligente Welt aufzubauen“ Ihr vertrauenswürdiger ICT-Produkt-Dienstleister!