La ASUS ExpertCenter Pro ET900N G3 es la segunda estación GB300 DGX que probamos y la primera que evaluamos de forma práctica en nuestro laboratorio; Nuestras pruebas de MSI XpertStation WS300 se realizaron de forma remota. Utiliza el mismo silicio NVIDIA que se ve en la MSI XpertStation WS300: un superchip de escritorio Grace Blackwell Ultra con 72 núcleos Grace, una GPU B300, 252 GB de HBM3e, 496 GB de LPDDR5X y una ConnectX-8 SuperNIC equipada con dos puertos de 400 GbE. ASUS empaqueta esta plataforma de núcleo fijo dentro de una torre de IA compacta de escritorio, agregando características ausentes en el WS300: dos asas de transporte montadas en la parte superior, un ventilador dedicado dirigido a las jaulas ópticas ConnectX-8 y una fuente de alimentación 80 PLUS Titanium de 1600 W.

ASUS envió el ET900N G3 a nuestro laboratorio para aproximadamente una semana de evaluación comparativa, imágenes e inspección física, preconfigurado con un RTX PRO 2000. Los detalles que cubren los fundamentos de la plataforma base, B300, Grace, NVLink-C2C, MIG y DGX Station se tratan en nuestra revisión anterior de MSI XpertStation WS300. Este análisis se centra en la implementación de ASUS en torno al Superchip y si su rendimiento coincide con la primera torre GB300 que probamos.

Especificaciones de ASUS ExpertCenter Pro ET900N G3

Diseño y construcción

ASUS posiciona la ET900N G3 como una estación de trabajo empresarial con chasis plateado cepillado, panel frontal de malla oscura, molduras cromadas en tapas y patas, además de una insignia frontal ASUS de perfil bajo. Sus dimensiones vienen dictadas por la plataforma interna: 584 x 232 x 565 mm, ligeramente más alto y ligeramente más estrecho que el WS300. Con un peso de 27 kg, no se puede mover fácilmente, lo que motiva la práctica elección de diseño de ASUS: dos manijas metálicas superiores (delantera y trasera) permiten que dos personas levanten la torre sobre escritorios o carritos sin agarrar los paneles del chasis. Estas manijas parecen fuera de lugar en una estación de trabajo de oficina hasta que haya transportado una pesada torre GB300 a través de un laboratorio.

El panel frontal alberga el botón de encendido, dos puertos USB tipo A de 10 Gbps, dos puertos USB tipo C de 10 Gbps, un puerto USB 2.0 y conectores de audio separados dispuestos verticalmente en la malla superior derecha. El panel lateral es una placa ventilada grande, con una sección frontal larga perforada para la entrada del radiador y una rejilla trasera más pequeña alineada con los ventiladores del sistema. No hay ventanas ni iluminación RGB, lo que coincide con las preferencias del comprador objetivo.

En la parte posterior, el diseño separa las E/S de la estación de trabajo del hardware del servidor subyacente. El grupo superior incluye cuatro puertos USB tipo A de 10 Gbps, puertos RJ45 de 10 GbE y 1 GbE, tres conectores de audio, una consola BMC Micro‑USB y BMC Mini DisplayPort para configuración. Las dos jaulas QSFP112 para ConnectX-8 se ubican encima del escudo de E/S junto a un extractor de aire; Tres cubiertas de ranuras de expansión corren por el centro y la fuente de alimentación de entrada C19 se encuentra en la parte inferior. Al igual que el WS300, el Mini DisplayPort es sólo BMC para la configuración inicial y la resolución de problemas; La salida de pantalla de escritorio requiere la tarjeta complementaria RTX PRO.

Dentro de la ET900N G3

Sin el panel lateral, el ET900N G3 se parece mucho al WS300, como se esperaba dado que ambos comparten la misma placa base NVIDIA. El Superchip GB300 se encuentra debajo de una placa fría de cobre en el chasis izquierdo, los módulos SOCAMM tienen placas de cobre dedicadas al lado y ConnectX-8 está enfriado por una tercera placa fría cerca de las E/S traseras. Los tubos de refrigerante trenzados van desde las placas frías hasta un colector de travesaño del chasis y luego hasta los radiadores. Tres ranuras PCIe de longitud completa se encuentran debajo del Superchip, la fuente de alimentación ocupa la esquina frontal inferior y una cubierta de metal cubre el enrutamiento de cables inferior.

El diseño del flujo de aire interno refleja el del WS300: un radiador vertical detrás de la malla frontal, un segundo radiador montado en la parte superior, cada uno equipado con conjuntos de ventiladores, además de un ventilador del chasis trasero. Las líneas de refrigerante están revestidas y aseguradas con correas de velcro, y el colector consolida las líneas de cuatro placas frías para que solo dos tubos alimenten cada radiador.

El aficionado a la óptica.

Un componente de refrigeración exclusivo del ET900N G3 es un pequeño ventilador montado en un soporte encima de la placa fría ConnectX-8, dirigido directamente a las jaulas QSFP112. El circuito líquido enfría el silicio SuperNIC, pero los transceptores ópticos de 400G generan un calor significativo dentro de jaulas metálicas que solo reciben refrigeración conductiva de la placa fría. Nuestras pruebas anteriores observaron que ConnectX-8 se calienta bajo carga sostenida y los módulos ópticos pueden calentarse, por lo que el flujo de aire dedicado sobre las jaulas es una característica de diseño valiosa para los usuarios que ejecutan conexiones de fibra continua. Cuando utilizamos cables DAC, nuestra configuración para una prueba de inferencia agrupada en curso que vincula esta unidad a una segunda estación GB300, este ventilador experimenta cargas de trabajo más livianas.

Almacenamiento, expansión y energía.

ASUS envió el ET900N G3 con una unidad NVMe de 2 TB para sistema operativo y software NVIDIA en el par de ranuras PCIe 5.0 x4 M.2 2280 conectadas a través de Grace. El segundo par de ranuras M.2 se conecta al conmutador PCIe integrado de ConnectX-8 y viene vacío de fábrica.

Nuestra unidad de revisión llegó con una NVIDIA RTX PRO 2000 Blackwell instalada en la ranura PCIe 5.0 x16, una de las configuraciones admitidas por ASUS. Esta tarjeta proporciona salida de pantalla sin consumir mucho del presupuesto de energía del GB300; ASUS afirma que el chasis solo admite una tarjeta RTX PRO Blackwell. Eliminamos el RTX PRO 2000 antes de la evaluación comparativa para reservar todo el presupuesto de energía del acelerador para el Superchip, coincidiendo con nuestras condiciones de prueba WS300. No probamos tarjetas RTX PRO de mayor potencia en este chasis; su impacto en el espacio libre de energía compartido se cubrirá en una futura revisión de la estación GB300.

La fuente de alimentación ATX de 1600 W cuenta con la certificación 80 PLUS Titanium, una actualización con respecto a la unidad Platinum del WS300. Titanium requiere una eficiencia del 94% con una carga del 50% en una entrada de 115 V frente al 92% de Platinum, y exige una clasificación de eficiencia mínima con una carga del 10%, por lo que el ET900N G3 desperdicia menos vatios de pared con una carga GB300 completa. La energía sigue siendo compartida: Grace, B300, bombas, ventiladores, almacenamiento y cualquier tarjeta RTX PRO se obtienen del mismo grupo de 1600 W. El servicio vsloshd de NVIDIA cambia dinámicamente el espacio libre disponible entre Superchip y GPU adicional según el consumo de energía, sin límite fijo para ninguno de los componentes. Este marco de energía no ha cambiado con respecto a la revisión del WS300. Las implementaciones en Norteamérica requieren un circuito eléctrico dedicado de 20 A.

Conectividad

Los puertos duales QSFP112 de ConnectX-8 sirven como enlace de tejido principal del ET900N G3 para el almacenamiento, una segunda estación DGX o una red de clúster. En nuestro laboratorio, estos puertos se conectan a través de DAC de 400G a otra estación GB300 para el próximo análisis de inferencia agrupado por separado. El puerto Marvell de 10 GbE maneja el tráfico normal del host, mientras que el puerto Realtek de 1 GbE está reservado exclusivamente para la administración de BMC.

Notas de prueba

Todos los resultados utilizan la configuración de memoria estándar de la muestra de laboratorio: 252 GB HBM3e más 496 GB LPDDR5X. Las pruebas se realizaron sin la tarjeta RTX PRO instalada, lo que otorgó al Superchip GB300 un presupuesto de energía completo para el acelerador y coincidió con las condiciones de prueba del WS300. La pila de software, la configuración de vLLM, los perfiles de carga de trabajo y el barrido de simultaneidad son idénticos, lo que permite una comparación directa de las torres en paralelo. Esta revisión se centra exclusivamente en el desempeño de la inferencia; No medimos el consumo de energía ni la telemetría térmica en esta unidad.

Ejecutamos dos perfiles de inferencia en vivo vLLM estándar utilizados en todo el hardware de IA local: una carga de trabajo equilibrada con 512 tokens de entrada/512 de salida y una carga de trabajo de precarga pesada con 8192 tokens de entrada/1024 de salida, barriendo la concurrencia de 1 a 128 flujos. Para los modelos de escala fronteriza, lo comparamos con un servidor GPU con dos o cuatro tarjetas RTX PRO 6000, la alternativa de caja única más cercana para estos puntos de control de modelo. Para modelos más pequeños, comparamos con un solo RTX PRO 6000 en el mismo servidor, un solo H200 NVL en otro servidor empresarial y un sistema GB10 DGX Spark idéntico al utilizado en la revisión del WS300. Las métricas del ET900N G3 son valores logarítmicos sin procesar; Las cifras comparativas provienen de nuestros cuadros de resultados archivados.

Rendimiento de inferencia

Modelos de frontera sobre el fondo de memoria coherente

El GB300 está diseñado para albergar modelos que superan el límite HBM3e de 252 GB del B300. Probamos cuatro puntos de control que abarcan este límite: DeepSeek V4 Flash y MiniMax M2.7 encajan completamente dentro de HBM con capacidad sobrante; MiniMax M3 apenas cabe y descarga un subconjunto de capas expertas en la memoria Grace; El GLM-5.2 descarga aproximadamente la mitad de su peso. Cada gráfico contrasta los resultados con la alternativa de caja única más cercana: tarjetas RTX PRO 6000 dentro del servidor empresarial, descargando expertos para alojar la memoria cuando es necesario.

DeepSeek V4 Flash es una prueba sencilla: un punto de control FP8 nativo de ~20 GB manejado fácilmente por el B300. El rendimiento de salida de la carga de trabajo equilibrada aumentó de 152 tokens/s en 1 flujo a 1766 tokens/s en 32 flujos, con un rendimiento total de tokens de 3532. Para el perfil de precarga pesada, ET900N G3 escaló de 148 a 954 tokens de salida/seg, alcanzando el rendimiento total 8587. Una configuración dual RTX PRO 6000 alcanzó un máximo de cerca de 800 tokens de salida/s en cargas de trabajo equilibradas y ~490 en indicaciones largas, con un rendimiento desigual con baja concurrencia.

MiniMax M2.7 en cuantificación NVFP4 ocupa ~125 GB HBM y entregó el escalado más potente de los cuatro modelos. La producción de carga de trabajo equilibrada aumentó de 214 tokens/seg en un flujo a 4793 en 128 flujos, con un rendimiento total de 9586. Las pruebas de precarga intensivas se escalaron a 1744 tokens de salida/s y 15 700 tokens totales/s en 64 transmisiones. Dos tarjetas RTX PRO 6000 siguieron la misma curva general, pero alcanzaron menos de la mitad del rendimiento, superando cerca de 1930 tokens de salida/seg para cargas de trabajo equilibradas y ~510 para mensajes largos.

MiniMax M3 ilustra el funcionamiento justo en el umbral de memoria. El punto de control NVFP4 tiene menos de 252 GB, pero el estado de ejecución y la caché KV consumen espacio adicional, por lo que parte de las capas expertas residen en la memoria Grace; cada paso de decodificación para acceder a esos expertos cruza NVLink-C2C. Con decodificación especulativa EAGLE3, ET900N G3 alcanzó 1041 tokens de salida/s en 32 flujos para cargas de trabajo equilibradas. El perfil de precarga pesado alcanzó un máximo de 282 tokens/seg en dos transmisiones, mantuvo 271 en cuatro transmisiones y luego cayó a 103 en ocho transmisiones, ya que las indicaciones largas agotaron el caché disponible. Cuatro tarjetas RTX PRO 6000 que usaban el mismo decodificador especulativo mantuvieron el ritmo a través de ocho transmisiones, avanzaron en 16 transmisiones a ~1,180 tokens de salida/seg, luego cayeron a aproximadamente 760 en 32 transmisiones. En cargas de trabajo pesadas de precarga, el sistema de cuatro GPU mantuvo ~349 tokens de salida/seg en cuatro flujos versus 271 para la estación DGX. Este modelo que se encuentra exactamente en la capacidad de HBM es el único caso en este conjunto donde 384 GB de VRAM total en cuatro tarjetas compite con 252 GB de HBM más descarga Grace.

GLM-5.2 representa una carga de trabajo que solo permite el grupo de memoria coherente. Utilizando la decodificación especulativa MTP, el punto de control NVFP4 mantiene ~215 GB de peso experto en la memoria Grace. ET900N G3 entregó 35 tokens de salida/s para un flujo y 139 para 32 flujos bajo cargas de trabajo equilibradas, con un rendimiento total que alcanzó 277. Para pruebas de precarga pesada de hasta 32 flujos, alcanzó 120 tokens de salida/s y 1079 tokens/s en total. Cuatro tarjetas RTX PRO 6000, cada una de las cuales descargaba ~30 GB a la memoria del host, administraron ~40 tokens de salida/s en 32 transmisiones y se aplanaron a aproximadamente 9 a 10 tokens/s a partir de cuatro transmisiones en adelante para indicaciones largas. Ninguno de los sistemas hace que este modelo de 433 GB parezca rápido, pero el enlace LPDDR5X de 396 GB/s y NVLink-C2C de 900 GB/s del GB300 con expertos descargados mantiene el escalamiento donde la memoria host conectada PCIe en cuatro GPU se detiene.

En comparación con MSI WS300, los resultados del modelo de frontera ET900N G3 se sitúan dentro de aproximadamente el 1 % en todos los puntos de prueba coincidentes: 1766 tokens de salida/seg para DeepSeek V4 Flash en 32 transmisiones en ambas torres; 4.793 versus 4.801 para MiniMax M2.7 en 128 transmisiones; 1.041 para MiniMax M3 con 32 transmisiones en ambos; y 139 para GLM-5.2 en 32 transmisiones en ambos.

Modelos compartidos contra RTX PRO 6000, H200 NVL y DGX Spark

El segundo grupo de referencia utiliza modelos más pequeños que todos los sistemas de prueba pueden caber completamente en la memoria: GPT-OSS-20B y MXFP4 nativo de 120B; Llama 3.1 8B BF16 y FP8; Mistral Pequeño 24B BF16 y FP8; Codificador Qwen3 30B BF16 y FP8. Lo nuevo en comparación con la revisión del WS300 es un único H200 NVL, el acelerador Hopper de 141 GB de NVIDIA, que agrega una GPU de centro de datos de generación anterior al conjunto de comparación.

GPT-OSS-20B es la carga de trabajo más sencilla, que todos los candidatos a hardware pueden cargar cómodamente. Bajo cargas de trabajo equilibradas, ET900N G3 escaló a 22 041 tokens de salida/s en 128 transmisiones (44 082 en total), frente a ~7920 para RTX PRO 6000, 6010 para H200 NVL y 1420 para DGX Spark. El rendimiento de flujo único alcanzó 536 tokens de salida/seg para la Station, en comparación con 354 en RTX PRO 6000, 489 en H200 NVL y 120 en Spark. Las ejecuciones con mucho precarga ampliaron la brecha: 9,555 tokens de salida/s y 85,994 tokens/s en total en 128 transmisiones para el ET900N G3, frente a ~2,480 para RTX PRO 6000, 3,410 para H200 NVL y 445 para Spark.

GPT-OSS-120B expone las limitaciones de memoria en el hardware de la competencia. ET900N G3 alcanzó 9280 tokens de salida/seg en cargas de trabajo equilibradas en 128 transmisiones, aproximadamente tres veces los 3060 de RTX PRO 6000, 2,8 veces los 3370 de H200 NVL y más de 19 veces los 480 de Spark. Para mensajes largos, los sistemas más pequeños agotaron la capacidad de caché KV temprano: RTX PRO 6000 alcanzó su punto máximo cerca 1170 tokens de salida/seg y H200 NVL casi 1820, mientras que la estación continuó ascendiendo a través de 128 flujos y finalizó con 5023 tokens de salida/seg con un rendimiento total de 45205 tokens/seg.

Llama 3.1 8B FP8 ofrece el número de rendimiento único más alto en este conjunto de pruebas. ET900N G3 impulsó 25 602 tokens de salida/s en 128 transmisiones en cargas de trabajo equilibradas (51 205 en total), en comparación con ~8060 en RTX PRO 6000 y 11 040 en H200 NVL. El cambio de BF16 a FP8 aumentó el rendimiento de la estación en aproximadamente un 50 % (17 074 a 25 602), mientras que RTX PRO 6000 ganó ~70 % y H200 NVL ~37 %. Los resultados con mucho precarga comprimieron todas las puntuaciones: la estación alcanzó 6164 tokens de salida/seg, RTX PRO 6000 1480, H200 2040.

Mistral Small 24B FP8 produjo los mayores ratios de rendimiento. ET900N G3 alcanzó un máximo de 11.075 tokens de salida/seg bajo cargas de trabajo equilibradas, 3,4x RTX PRO 6000 3240, 2,4x H200 NVL 4610 y casi 20x Spark's 559. En solicitudes largas, RTX PRO 6000 alcanzó un máximo de 32 transmisiones alrededor de 480 tokens/seg antes en declive; H200 NVL superó cerca de 854 tokens/seg, mientras que la estación alcanzó 2302 tokens/seg en 128 transmisiones.

Qwen3 Coder 30B, un modelo mixto de expertos con un bajo recuento de parámetros activos, reduce las brechas de un solo flujo. En una carga de trabajo equilibrada de flujo, RTX PRO 6000 entregó ~232 tokens de salida/seg en comparación con los 319 de la estación y los 308 de H200 NVL. El procesamiento por lotes restaura la jerarquía de rendimiento: en 128 flujos FP8, ET900N G3 alcanzó 12,439 tokens de salida/seg, 3,1 veces los 3990 de la GPU y 1,7x H200 NVL es 7.450. Las ejecuciones de precarga intensa alcanzaron 3837 tokens de salida/seg para la estación; RTX PRO 6000 alcanzó un máximo cerca de 880 en 64 transmisiones, H200 NVL cerca de 1.820.

En estos modelos compartidos, ET900N G3 entregó un rendimiento de 2,8 a 3,4 veces el de un solo RTX PRO 6000 y de 1,7 a 3,7 veces H200 NVL con total simultaneidad. Su ventaja se amplía con indicaciones largas a medida que el hardware de la competencia agota el espacio libre de caché de KV. Frente al WS300, estos cuatro modelos nuevamente se ubican dentro del 1%: 22,041 frente a 22,161 para GPT-OSS-20B; 9280 frente a 9294 para GPT-OSS-120B; 11.075 frente a 11.157 del Mistral Small FP8; 12.439 frente a 12.425 para Qwen3 Coder FP8. La comparación completa de los 14 modelos aparece en la siguiente sección.

Dos torres, una placa base: ASUS ET900N G3 vs MSI WS300

ET900N G3 y MSI XpertStation WS300 comparten la misma placa base NVIDIA GB300 DGX Station empaquetada en diferentes chasis OEM. Ambos ejecutaron los mismos 14 modelos, dos perfiles de carga de trabajo y barrido de simultaneidad utilizando compilaciones vLLM coincidentes. La siguiente tabla compara el rendimiento máximo de salida del ET900N G3 con el WS300 en todos los modelos.

De un total de 28 pares de modelo-carga de trabajo, 24 resultados se encuentran dentro del 2 % de diferencia entre sí, y la mayoría muestra una ventaja porcentual fraccionaria para WS300. Cuatro se encuentran fuera de esta banda, tres con cargas de trabajo equilibradas: Llama 3.1 8B FP8 con un 3,5% por debajo de WS300 (25.602 frente a 26.536), Qwen3 Coder 30B BF16 con un 4,6% menos (10.000 frente a 10.486), Nemotron 3 Ultra 550B con un 5,2% menos (159 frente a 168), además Qwen3 Coder 30B BF16 nuevamente con un 2,1% menos en indicaciones largas. Todos los puntos de datos son mediciones únicas para cada torre, por lo que una variación del 2 al 5 % en tres de los 14 modelos no puede atribuirse al diseño del chasis; simplemente documentamos el delta observado. Los modelos que dependen de la agrupación de memoria coherente, MiniMax M3 y GLM-5.2, igualan o superan el rendimiento de WS300 en ambas cargas de trabajo, lo que confirma que la ruta de descarga Grace se comporta de manera idéntica en gabinetes ASUS y MSI.

GPT-OSS-20B, el modelo denso de mayor rendimiento, y GLM-5.2, la carga de trabajo centrada en la descarga, muestran una superposición casi perfecta: el rendimiento del WS300 rastrea al ET900N G3 casi punto por punto.

Continuaremos con este marco de referencia a medida que lleguen torres GB300 adicionales a nuestro laboratorio. El ZGX de HP es el siguiente en la fila, seguido por otras versiones OEM. Cada unidad ejecuta este barrido de simultaneidad idéntico, por lo que cualquier diferencia entre las implementaciones OEM aparecerá en este marco de referencia, con gráficos de modelos individuales que conservan las curvas de rendimiento sin procesar.

Conclusión

El ASUS ExpertCenter Pro ET900N G3 cumple lo que debería hacer una segunda implementación de plataforma de referencia: valida los resultados de las pruebas comparativas originales. En 14 modelos y dos perfiles de carga de trabajo, 24 de 28 comparaciones de rendimiento máximo de vLLM se ubican dentro del 2% de los resultados de MSI XpertStation WS300, que van desde 1,766 tokens de salida/seg para DeepSeek V4 Flash hasta 22,041 para GPT-OSS-20B. Cuatro valores atípicos de una sola ejecución caen entre un 2 y un 5 % más bajos y el sistema ejecuta con éxito GLM-5.2 con capas expertas de 215 GB almacenadas en la memoria Grace con un rendimiento que cuatro tarjetas RTX PRO 6000 no pueden igualar. El Superchip GB300 define el techo de rendimiento y ASUS ofrece una ejecución sólida.

Las incorporaciones de valor de ASUS son mejoras prácticas de ingeniería: las manijas permiten que dos personas muevan la torre de 27 kg sin agarrar los paneles del chasis; el ventilador dedicado sobre jaulas QSFP112 aborda el riesgo térmico para recorridos ópticos de 400G de larga duración; La fuente de alimentación con clasificación Titanium reduce el consumo de energía de la pared. El host Arm, el circuito obligatorio de 20 A, la salida de pantalla solo para BMC y el presupuesto de energía compartido de 1600 W cuando se instalan GPU adicionales grandes son limitaciones inherentes de la plataforma que se aplican por igual a ambas torres.

Beijing Qianxing Jietong Tecnología Co., Ltd.
Sandy Yang/Director de Estrategia Global
WhatsApp/WeChat: +86 13426366826
Correo electrónico: yangyd@qianxingdata.com
Sitio web: www.qianxingdata.com/www.storagesserver.com
Enfoque empresarial:
Distribución de productos TIC/Integración de sistemas y servicios/Soluciones de infraestructura
Con más de 20 años de experiencia en distribución de TI, nos asociamos con marcas líderes a nivel mundial para ofrecer productos confiables y servicios profesionales.
“Uso de la tecnología para construir un mundo inteligente” ¡Su proveedor de servicios de productos TIC de confianza!