戴尔公司日前推出使用AMD EPYC处理器的单插槽和双插槽机架式服务器及Xeon SP服务器系列产品。
业界存在EPYC处理器比同等Xeons(至强)更快的说法。
戴尔公司由PowerEdge AMD驱动的服务器有三款:R6415、R7415和R7425。这些产品与Round Rock公司服务器产品系列中的PowerEdge 14G R640和R740 Xeon SP服务器并存并继承了PowerEdge一般管理和功能的好处。
至强R640是个1U、双插座系统,而R740是2U、双插座系统。
R6415(技术规格PDF链接 http://topics-cdn.dell.com/pdf/poweredge-r6415_reference-guide_en-us.pdf)的定位是边缘计算服务器,是个1U系统,支持一个AMD Naples 插座SP3兼容处理器,最多可支持32个内核。R6415拥有8 x 2.5英寸SAS或SATA驱动器或4 x 3.5英寸驱动器或10 x 2.5英寸NVMe(SSD)驱动器。后几个驱动器不可以热插拔,R7415和R7425服务器也是如此。
据给出的参考指南,R6415配有单处理器及高达1TB的DRAM。笔者看到的幻灯片说是2TB:
我们曾问过戴尔哪个数是正确的。
R7415(技术规格PDF链接 http://topics-cdn.dell.com/pdf/poweredge-r7415_reference-guide2_en-us.pdf))是一款中档单插槽服务器,是个2U系统,支持一个AMD Naples 插座 SP3兼容处理器。R7415盒可容纳8 x 3.5英寸、12 x 3.5英寸、12 x 3.5英寸加 2 x 3.5英寸(背面)或24 x 2.5英寸SAS、SATA或NVMe驱动器(最多12个SAS/SATA/NVMe + 12 NVMe驱动器。)
内存最多达1TB(按技术规格)或2TB(幻灯片),我们曾要求戴尔澄清。
R7425主打高性能计算工作负载,是个2U系统,2插座的R7425(参考PDF指南链接http://topics-cdn.dell.com/pdf/poweredge-r7425_owners-manual_en-US.pdf)可配一对EPYC CPU,最多可配32个SAS、SATA或近线SAS硬盘驱动器或SSD以及最多24个NVMe闪存驱动器。R7425是三款里最大的盒子,最大内存为4TB。
性能
戴尔公司援引AMD公司的数据对EPYC和至强Skylake系统的等价成本做了比较:
这些数字显示了EPYC处理器系统比Skylake处理器系统具有更好的性价比。
HPE也在走EPYC路线
戴尔的竞争对手HPE去年11月推出使用一个或两个EPYC CPU的一款Gen 10 DL385服务器。这意味着32或64个内核及最大4TB的内存。
HPE当时曾表示基于EPYC双CPU 7601的DL385系统的SPECrate2017_fp_base(吞吐量)得分为257,SPECfp_rate2006得分为180,均高于SPEC发布的任何其他双插槽系统的得分。
与之相比,采用双至强Gold 6152 22核CPU的至强 DL380的SPECrate2017_fp_base得分为197。
戴尔EPYCs的得分想必与同等Xeon相若。
价格:R6415起步价2179.00美元,R7415为2349.00美元,R7425为3819.00美元。三款系统面向全球供货。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。