ASUS ExpertCenter Pro ET900N G3 adalah Stasiun DGX GB300 kedua yang kami uji dan yang pertama kami evaluasi langsung di laboratorium kami; pengujian MSI XpertStation WS300 kami dilakukan dari jarak jauh. Perangkat ini menggunakan silikon NVIDIA yang sama yang terlihat pada MSI XpertStation WS300: Superchip Desktop Grace Blackwell Ultra dengan 72 inti Grace, GPU B300, 252GB HBM3e, 496GB LPDDR5X, dan SuperNIC ConnectX-8 yang dilengkapi dengan port ganda 400GbE. ASUS mengemas platform inti tetap ini di dalam menara AI meja yang ringkas, menambahkan fitur yang tidak ada pada WS300: dua pegangan bawa di bagian atas, kipas khusus yang menargetkan sangkar optik ConnectX-8, dan catu daya 1.600W 80 PLUS Titanium.

ASUS mengirimkan ET900N G3 ke laboratorium kami selama kurang lebih satu minggu untuk pengujian benchmark, pencitraan, dan inspeksi fisik, yang telah dikonfigurasi sebelumnya dengan RTX PRO 2000. Detail yang mencakup platform dasar, B300, Grace, NVLink-C2C, MIG, dan dasar-dasar Stasiun DGX dibahas dalam ulasan MSI XpertStation WS300 kami sebelumnya. Analisis ini berfokus pada implementasi ASUS di sekitar Superchip dan apakah kinerjanya sesuai dengan menara GB300 pertama yang kami uji.

Spesifikasi ASUS ExpertCenter Pro ET900N G3

Desain dan Pembangunan

ASUS memposisikan ET900N G3 sebagai workstation bisnis dengan sasis perak yang disikat, panel depan jala gelap, trim krom pada tutup dan kaki, ditambah lencana depan ASUS profil rendah. Dimensinya ditentukan oleh platform internal: 584 x 232 x 565mm, sedikit lebih tinggi dan sedikit lebih sempit daripada WS300. Dengan berat 27kg, perangkat ini tidak dapat dipindahkan dengan mudah, yang memotivasi pilihan desain praktis ASUS: dua pegangan logam di bagian atas (depan dan belakang) memungkinkan dua orang untuk mengangkat menara ke meja atau troli tanpa menggenggam panel sasis. Pegangan ini terlihat tidak pada tempatnya pada workstation kantor sampai Anda telah mengangkut menara GB300 yang berat melintasi laboratorium.

Panel depan menampung tombol daya, dua port USB Tipe-A 10Gbps, dua port USB Tipe-C 10Gbps, satu port USB 2.0, dan jack audio terpisah yang disusun secara vertikal di bagian kanan atas jala. Panel samping adalah pelat berventilasi besar, dengan bagian depan berlubang panjang untuk masuknya radiator dan kisi-kisi belakang yang lebih kecil sejajar dengan kipas sistem. Tidak ada jendela atau pencahayaan RGB, sesuai dengan preferensi pembeli target.

Di bagian belakang, tata letaknya memisahkan I/O workstation dari perangkat keras server yang mendasarinya. Kluster atas mencakup empat port USB Tipe-A 10Gbps, port RJ45 10GbE dan 1GbE, tiga jack audio, konsol Micro-USB BMC, dan Mini DisplayPort BMC untuk pengaturan. Dua sangkar QSFP112 untuk ConnectX-8 berada di atas pelindung I/O di sebelah kipas pembuangan; tiga penutup slot ekspansi berjalan di tengah, dan catu daya saluran masuk C19 berada di bagian bawah. Seperti WS300, Mini DisplayPort hanya untuk BMC untuk pengaturan awal dan pemecahan masalah; keluaran tampilan desktop memerlukan kartu tambahan RTX PRO.

Di Dalam ET900N G3

Dengan panel samping dilepas, ET900N G3 sangat mirip dengan WS300, seperti yang diharapkan mengingat keduanya berbagi papan dasar NVIDIA yang sama. Superchip GB300 berada di bawah pelat dingin tembaga di sisi kiri sasis, modul SOCAMM memiliki pelat tembaga khusus di sebelahnya, dan ConnectX-8 didinginkan oleh pelat dingin ketiga di dekat I/O belakang. Pipa pendingin yang dikepang berjalan dari pelat dingin ke manifold palang sasis, lalu ke radiator. Tiga slot PCIe panjang penuh berada di bawah Superchip, catu daya menempati sudut depan bawah, dan penutup logam menutupi perutean kabel bawah.

Tata letak aliran udara internal mencerminkan WS300: satu radiator vertikal di belakang jala depan, radiator kedua yang dipasang di sepanjang bagian atas, masing-masing dilengkapi dengan susunan kipas, ditambah kipas sasis belakang. Saluran pendingin dilapisi dan diamankan dengan tali pengikat velcro, dan manifold mengkonsolidasikan saluran dari empat pelat dingin sehingga hanya dua tabung yang memberi makan setiap radiator.

Kipas optik

Satu komponen pendingin yang unik untuk ET900N G3 adalah kipas kecil yang dipasang pada braket di atas pelat dingin ConnectX-8, diarahkan langsung ke sangkar QSFP112. Loop cair mendinginkan silikon SuperNIC itu sendiri, tetapi transceiver optik 400G menghasilkan panas yang signifikan di dalam sangkar logam yang hanya menerima pendinginan konduktif dari pelat dingin. Pengujian kami sebelumnya mencatat ConnectX-8 berjalan panas di bawah beban berkelanjutan dan modul optik bisa menjadi panas, sehingga aliran udara khusus di atas sangkar adalah fitur desain yang berharga bagi pengguna yang menjalankan koneksi serat berkelanjutan. Saat menggunakan kabel DAC, pengaturan kami untuk pengujian inferensi terkluster yang sedang berlangsung yang menghubungkan unit ini ke Stasiun GB300 kedua, kipas ini melihat beban kerja yang lebih ringan.

Penyimpanan, ekspansi, dan daya

ASUS mengirimkan ET900N G3 dengan satu drive NVMe 2TB untuk OS dan perangkat lunak NVIDIA pada pasangan slot M.2 2280 PCIe 5.0 x4 yang terhubung melalui Grace. Pasangan slot M.2 kedua memanfaatkan sakelar PCIe terintegrasi ConnectX-8 dan kosong dari pabrik.

Unit ulasan kami dilengkapi dengan NVIDIA RTX PRO 2000 Blackwell yang terpasang di slot PCIe 5.0 x16, salah satu konfigurasi yang didukung ASUS. Kartu ini menyediakan keluaran tampilan tanpa membebani anggaran daya GB300; ASUS menyatakan sasis hanya mendukung satu kartu RTX PRO Blackwell. Kami melepas RTX PRO 2000 sebelum pengujian benchmark untuk menghemat anggaran daya akselerator penuh untuk Superchip, sesuai dengan kondisi pengujian WS300 kami. Kami tidak menguji kartu RTX PRO berdaya lebih tinggi di sasis ini; dampaknya pada ruang kepala daya bersama akan dibahas dalam ulasan Stasiun GB300 di masa mendatang.

Catu daya ATX 1.600W memiliki sertifikasi 80 PLUS Titanium, peningkatan dari unit Platinum WS300. Titanium membutuhkan efisiensi 94% pada beban 50% pada input 115V dibandingkan dengan 92% Platinum, dan memberlakukan peringkat efisiensi minimum pada beban 10%, sehingga ET900N G3 membuang lebih sedikit watt dinding di bawah beban GB300 penuh. Daya tetap dibagi: Grace, B300, pompa, kipas, penyimpanan, dan kartu RTX PRO apa pun menarik dari kumpulan 1.600W yang sama. Layanan vsloshd NVIDIA secara dinamis menggeser ruang kepala yang tersedia antara Superchip dan GPU tambahan berdasarkan penarikan daya, tanpa batas keras tetap untuk komponen apa pun. Kerangka kerja daya ini tidak berubah dari ulasan WS300. Penerapan Amerika Utara memerlukan sirkuit listrik 20A khusus.

Konektivitas

Port ganda QSFP112 ConnectX-8 berfungsi sebagai tautan fabric utama ET900N G3 ke penyimpanan, Stasiun DGX kedua, atau jaringan kluster. Di laboratorium kami, port-port ini terhubung melalui DAC 400G ke Stasiun GB300 lain untuk analisis inferensi terkluster terpisah yang akan datang. Port Marvell 10GbE menangani lalu lintas host biasa, sementara port Realtek 1GbE dicadangkan secara eksklusif untuk manajemen BMC.

Catatan Pengujian

Semua hasil menggunakan konfigurasi memori stok sampel laboratorium: 252GB HBM3e ditambah 496GB LPDDR5X. Pengujian berjalan tanpa kartu RTX PRO terpasang, memberikan Superchip GB300 anggaran daya akselerator penuh dan sesuai dengan kondisi pengujian WS300. Tumpukan perangkat lunak, konfigurasi vLLM, profil beban kerja, dan sapuan konkurensi identik, memungkinkan perbandingan menara berdampingan secara langsung. Ulasan ini berfokus murni pada kinerja inferensi; kami tidak mengukur penarikan daya atau telemetri termal pada unit ini.

Kami menjalankan dua profil inferensi langsung vLLM standar yang digunakan di semua perangkat keras AI lokal: beban kerja seimbang dengan token input 512 / output 512, dan beban kerja yang sangat berat pada pra-pengisian dengan token input 8.192 / output 1.024, menyapu konkurensi dari 1 hingga 128 aliran. Untuk model skala frontier, kami membandingkan dengan server GPU dengan dua atau empat kartu RTX PRO 6000, alternatif kotak tunggal terdekat untuk checkpoint model ini. Untuk model yang lebih kecil, kami menguji benchmark terhadap satu RTX PRO 6000 di server yang sama, satu H200 NVL di server perusahaan lain, dan sistem GB10 DGX Spark yang identik dengan yang digunakan dalam ulasan WS300. Metrik ET900N G3 adalah nilai log mentah; angka perbandingan berasal dari bagan hasil arsip kami.

Kinerja Inferensi

Model frontier pada kumpulan memori koheren

GB300 dibuat untuk menampung model yang berada di batas 252GB HBM3e B300. Kami menguji empat checkpoint yang melintasi batas ini: DeepSeek V4 Flash dan MiniMax M2.7 sepenuhnya muat dalam HBM dengan kapasitas sisa; MiniMax M3 hampir muat dan memindahkan sebagian lapisan ahli ke memori Grace; GLM-5.2 memindahkan sekitar setengah bobotnya. Setiap bagan membandingkan hasil dengan alternatif kotak tunggal terdekat: kartu RTX PRO 6000 di dalam server perusahaan, memindahkan ahli ke memori host jika diperlukan.

DeepSeek V4 Flash adalah tes langsung: checkpoint FP8 asli ~20GB ditangani dengan mudah oleh B300. Throughput keluaran beban kerja seimbang naik dari 152 token/detik pada 1 aliran menjadi 1.766 token/detik pada 32 aliran, throughput token total mencapai 3.532. Untuk profil yang sangat berat pada pra-pengisian, ET900N G3 diskalakan dari 148 menjadi 954 token keluaran/detik, throughput total mencapai 8.587. Pengaturan ganda RTX PRO 6000 mencapai puncak mendekati 800 token keluaran/detik pada beban kerja seimbang dan ~490 pada prompt panjang, dengan kinerja yang tidak merata pada konkurensi rendah.

MiniMax M2.7 dalam kuantisasi NVFP4 menempati ~125GB HBM dan memberikan penskalaan terkuat dari keempat model. Keluaran beban kerja seimbang naik dari 214 token/detik pada satu aliran menjadi 4.793 pada 128 aliran, throughput total mencapai 9.586. Pengujian pra-pengisian yang berat diskalakan menjadi 1.744 token keluaran/detik dan 15.700 token total/detik pada 64 aliran. Dua kartu RTX PRO 6000 mengikuti kurva umum yang sama tetapi mencapai kurang dari setengah throughput, memuncak mendekati 1.930 token keluaran/detik untuk beban kerja seimbang dan ~510 untuk prompt panjang.

MiniMax M3 mengilustrasikan operasi tepat di ambang batas memori. Checkpoint NVFP4 lebih kecil dari 252GB, tetapi status runtime dan cache KV mengonsumsi ruang tambahan, sehingga sebagian lapisan ahli berada di memori Grace; setiap langkah dekode yang mengakses ahli tersebut melintasi NVLink-C2C. Dengan dekode spekulatif EAGLE3, ET900N G3 mencapai 1.041 token keluaran/detik pada 32 aliran untuk beban kerja seimbang. Profil pra-pengisian yang berat mencapai puncak pada 282 token/detik pada dua aliran, mempertahankan 271 pada empat aliran, kemudian turun menjadi 103 pada delapan aliran karena prompt panjang menghabiskan cache yang tersedia. Empat kartu RTX PRO 6000 yang menggunakan dekoder spekulatif yang sama mengimbangi hingga delapan aliran, memimpin pada 16 aliran hingga ~1.180 token keluaran/detik, kemudian turun menjadi sekitar 760 pada 32 aliran. Pada beban kerja pra-pengisian yang berat, sistem empat GPU mempertahankan ~349 token keluaran/detik pada empat aliran versus 271 untuk Stasiun DGX. Model yang berada tepat di kapasitas HBM ini adalah satu-satunya kasus dalam set ini di mana total VRAM 384GB di empat kartu bersaing dengan 252GB HBM ditambah pemindahan Grace.

GLM-5.2 mewakili beban kerja yang hanya dimungkinkan oleh kumpulan memori koheren. Menggunakan dekode spekulatif MTP, checkpoint NVFP4 menyimpan ~215GB bobot ahli di memori Grace. ET900N G3 memberikan 35 token keluaran/detik untuk satu aliran dan 139 untuk 32 aliran di bawah beban kerja seimbang, throughput total mencapai 277. Untuk pengujian pra-pengisian yang berat hingga 32 aliran, ia mencapai 120 token keluaran/detik dan 1.079 token total/detik. Empat kartu RTX PRO 6000, masing-masing memindahkan ~30GB ke memori host, mengelola ~40 token keluaran/detik pada 32 aliran dan mendatar menjadi sekitar 9–10 token/detik dari empat aliran ke depan untuk prompt panjang. Tidak ada sistem yang membuat model 433GB ini terasa cepat, tetapi LPDDR5X 396GB/s GB300 dan tautan NVLink-C2C 900GB/s ke ahli yang dipindahkan mempertahankan penskalaan di mana memori host yang terhubung PCIe di empat GPU macet.

Dibandingkan dengan MSI WS300, hasil model frontier ET900N G3 berada dalam kisaran sekitar 1% pada semua titik pengujian yang cocok: 1.766 token keluaran/detik untuk DeepSeek V4 Flash pada 32 aliran pada kedua menara; 4.793 versus 4.801 untuk MiniMax M2.7 pada 128 aliran; 1.041 untuk MiniMax M3 pada 32 aliran pada keduanya; dan 139 untuk GLM-5.2 pada 32 aliran pada keduanya.

Model bersama terhadap RTX PRO 6000, H200 NVL, dan DGX Spark

Grup benchmark kedua menggunakan model yang lebih kecil yang dapat dimuat sepenuhnya dalam memori oleh semua sistem pengujian: GPT-OSS-20B dan 120B native MXFP4; Llama 3.1 8B BF16 dan FP8; Mistral Small 24B BF16 dan FP8; Qwen3 Coder 30B BF16 dan FP8. Baru dibandingkan dengan ulasan WS300 adalah H200 NVL tunggal, akselerator Hopper 141GB NVIDIA, menambahkan GPU pusat data generasi sebelumnya ke set perbandingan.

GPT-OSS-20B adalah beban kerja termudah, dimuat dengan nyaman oleh setiap kandidat perangkat keras. Di bawah beban kerja seimbang, ET900N G3 diskalakan hingga 22.041 token keluaran/detik pada 128 aliran (44.082 total), dibandingkan dengan ~7.920 untuk RTX PRO 6000, 6.010 untuk H200 NVL, dan 1.420 untuk DGX Spark. Kinerja aliran tunggal mencapai 536 token keluaran/detik untuk Stasiun, dibandingkan dengan 354 pada RTX PRO 6000, 489 pada H200 NVL, dan 120 pada Spark. Jalur pra-pengisian yang berat memperlebar kesenjangan: 9.555 token keluaran/detik dan 85.994 token total/detik pada 128 aliran untuk ET900N G3, dibandingkan dengan ~2.480 untuk RTX PRO 6000, 3.410 untuk H200 NVL, dan 445 untuk Spark.

GPT-OSS-120B mengekspos batasan memori di seluruh perangkat keras yang bersaing. ET900N G3 mencapai 9.280 token keluaran/detik pada beban kerja seimbang pada 128 aliran, sekitar tiga kali lipat 3.060 RTX PRO 6000, 2,8 kali lipat 3.370 H200 NVL, dan lebih dari 19 kali lipat 480 Spark. Untuk prompt panjang, sistem yang lebih kecil menghabiskan kapasitas cache KV lebih awal: RTX PRO 6000 mencapai puncak mendekati 1.170 token keluaran/detik dan H200 NVL hampir 1.820, sementara Stasiun terus naik melalui 128 aliran dan selesai pada 5.023 token keluaran/detik dengan throughput total 45.205 token/detik.

Llama 3.1 8B FP8 memberikan angka throughput tunggal tertinggi dalam rangkaian pengujian ini. ET900N G3 mendorong 25.602 token keluaran/detik di 128 aliran pada beban kerja seimbang (51.205 total), dibandingkan dengan ~8.060 pada RTX PRO 6000 dan 11.040 pada H200 NVL. Beralih dari BF16 ke FP8 meningkatkan throughput Stasiun sekitar 50% (17.074 menjadi 25.602), sementara RTX PRO 6000 mendapatkan ~70% dan H200 NVL ~37%. Hasil pra-pengisian yang berat memampatkan semua skor: Stasiun mencapai 6.164 token keluaran/detik, RTX PRO 6000 1.480, H200 2.040.

Mistral Small 24B FP8 menghasilkan rasio kinerja terbesar. ET900N G3 mencapai puncak pada 11.075 token keluaran/detik di bawah beban kerja seimbang, 3,4x 3.240 RTX PRO 6000, 2,4x 4.610 H200 NVL, dan hampir 20x 559 Spark. Pada prompt panjang, RTX PRO 6000 mencapai puncak pada 32 aliran sekitar 480 token/detik sebelum menurun; H200 NVL mencapai puncak mendekati 854 token/detik, sementara Stasiun mencapai 2.302 token/detik pada 128 aliran.

Qwen3 Coder 30B, model campuran-para-ahli dengan jumlah parameter aktif yang rendah, mempersempit kesenjangan aliran tunggal. Pada satu aliran beban kerja seimbang, RTX PRO 6000 memberikan ~232 token keluaran/detik versus 319 Stasiun dan 308 H200 NVL. Batching mengembalikan hierarki kinerja: pada 128 aliran FP8, ET900N G3 mencapai 12.439 token keluaran/detik, 3,1x 3.990 GPU dan 1,7x 7.450 H200 NVL. Jalur pra-pengisian yang berat mencapai 3.837 token keluaran/detik untuk Stasiun; RTX PRO 6000 mencapai puncak mendekati 880 pada 64 aliran, H200 NVL mendekati 1.820.

Di seluruh model bersama ini, ET900N G3 memberikan throughput 2,8–3,4x dari satu RTX PRO 6000 dan 1,7–3,7x H200 NVL pada konkurensi penuh. Keunggulannya meluas pada prompt panjang karena perangkat keras yang bersaing menghabiskan ruang kepala cache KV. Dibandingkan dengan WS300, keempat model ini lagi-lagi berada dalam 1%: 22.041 vs 22.161 untuk GPT-OSS-20B; 9.280 vs 9.294 untuk GPT-OSS-120B; 11.075 vs 11.157 untuk Mistral Small FP8; 12.439 vs 12.425 untuk Qwen3 Coder FP8. Perbandingan lengkap di semua 14 model muncul di bagian berikutnya.

Dua Menara, Satu Papan Dasar: ASUS ET900N G3 vs MSI WS300

ET900N G3 dan MSI XpertStation WS300 berbagi papan dasar NVIDIA GB300 DGX Station yang identik yang dikemas ke dalam sasis OEM yang berbeda. Keduanya menjalankan 14 model yang sama, dua profil beban kerja, dan sapuan konkurensi menggunakan build vLLM yang cocok. Tabel di bawah membandingkan throughput keluaran puncak ET900N G3 terhadap WS300 di semua model.

Dari total 28 pasangan model-beban kerja, 24 hasil berada dalam 2% satu sama lain, sebagian besar menunjukkan keunggulan persentase fraksional untuk WS300. Empat berada di luar pita ini, tiga pada beban kerja seimbang: Llama 3.1 8B FP8 pada 3,5% di bawah WS300 (25.602 vs 26.536), Qwen3 Coder 30B BF16 pada 4,6% lebih rendah (10.000 vs 10.486), Nemotron 3 Ultra 550B pada 5,2% lebih rendah (159 vs 168), ditambah Qwen3 Coder 30B BF16 lagi pada 2,1% lebih rendah pada prompt panjang. Semua titik data adalah pengukuran satu kali untuk setiap menara, sehingga varians 2–5% di tiga dari 14 model tidak dapat dikaitkan dengan desain sasis; kami hanya mendokumentasikan perbedaan yang diamati. Model yang bergantung pada pengumpulan memori koheren, MiniMax M3 dan GLM-5.2, cocok atau melebihi kinerja WS300 pada kedua beban kerja, mengkonfirmasi jalur pemindahan Grace berperilaku identik di selubung ASUS dan MSI.

GPT-OSS-20B, model padat throughput tertinggi, dan GLM-5.2, beban kerja yang berfokus pada pemindahan, menunjukkan tumpang tindih yang hampir sempurna: jejak kinerja WS300 hampir sama persis dengan ET900N G3.

Kami akan melanjutkan kerangka kerja benchmark ini saat menara GB300 tambahan tiba di laboratorium kami. ZGX HP berikutnya, diikuti oleh build OEM lainnya. Setiap unit menjalankan sapuan konkurensi yang identik ini, sehingga setiap perbedaan antara implementasi OEM akan muncul dalam kerangka kerja benchmark ini, dengan bagan model individual mempertahankan kurva kinerja mentah.

Kesimpulan

ASUS ExpertCenter Pro ET900N G3 memenuhi apa yang seharusnya dilakukan oleh implementasi platform referensi kedua: ia memvalidasi hasil benchmark asli. Di seluruh 14 model dan dua profil beban kerja, 24 dari 28 perbandingan throughput puncak vLLM berada dalam 2% dari hasil MSI XpertStation WS300, mulai dari 1.766 token keluaran/detik untuk DeepSeek V4 Flash hingga 22.041 untuk GPT-OSS-20B. Empat outlier satu kali berada 2–5% lebih rendah, dan sistem berhasil menjalankan GLM-5.2 dengan lapisan ahli 215GB yang disimpan di memori Grace pada throughput yang tidak dapat dicocokkan oleh empat kartu RTX PRO 6000. Superchip GB300 mendefinisikan batas kinerja, dan ASUS memberikan eksekusi yang solid.

Tambahan nilai ASUS adalah peningkatan teknik praktis: pegangan memungkinkan dua orang untuk memindahkan menara 27kg tanpa menggenggam panel sasis; kipas khusus di atas sangkar QSFP112 mengatasi risiko termal untuk jalur optik 400G berdurasi panjang; PSU berperingkat Titanium mengurangi penarikan daya dinding. Host Arm, sirkuit 20A wajib, keluaran tampilan hanya BMC, dan anggaran daya bersama 1.600W saat GPU tambahan besar terpasang adalah batasan platform yang melekat yang berlaku sama untuk kedua menara.

Beijing Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Direktur Strategi Global
WhatsApp / WeChat: +86 13426366826
Email: yangyd@qianxingdata.com
Situs Web: www.qianxingdata.com/www.storagesserver.com
Fokus Bisnis:
Distribusi Produk ICT/Integrasi Sistem & Layanan/Solusi Infrastruktur
Dengan pengalaman distribusi TI lebih dari 20 tahun, kami bermitra dengan merek global terkemuka untuk memberikan produk yang andal dan layanan profesional.
“Menggunakan Teknologi untuk Membangun Dunia Cerdas”Penyedia Layanan Produk ICT Tepercaya Anda!