Проект Flopper запустил каталог для сравнения GPU и готовых AI-систем: сервис объединяет характеристики ускорителей, оценки производительности и актуальные цены у облачных и инфраструктурных поставщиков. Идея появилась из практической проблемы: данные NVIDIA, AMD, Huawei и других производителей разбросаны по спецификациям, а сопоставить их с доступными конфигурациями и стоимостью обычно непросто.
Что есть в базе
Flopper нормализует параметры видеокарт и ускорителей, чтобы их можно было сравнивать в едином интерфейсе. В каталоге учитываются производительность в TFLOPS и TOPS, энергопотребление, поддерживаемые форматы вычислений и другие характеристики. Доступна фильтрация от FP64 до FP4, включая BF16, TF32 и INT8.
Это важно для AI-задач: одна и та же карта может выглядеть совершенно по-разному в зависимости от точности вычислений. Сравнение только по «пиковым» TFLOPS без указания формата легко вводит в заблуждение. Сам Flopper отдельно подчёркивает, что теоретический максимум не равен результату конкретной модели или рабочего процесса.
Помимо самих ускорителей, проект отслеживает конфигурации облачных провайдеров и цены аренды. В базе представлены как отдельные GPU, так и многопроцессорные системы — от серверов до платформ уровня целой стойки. Для комплексных систем сервис рассчитывает агрегированное значение как число ускорителей, умноженное на показатель одного чипа, а стоимость «от» — как минимальную почасовую цену одного ускорителя, умноженную на их количество. Это ориентир, а не коммерческое предложение на сервер.
Зачем это разработчикам
Для команд, которые запускают локальные LLM, обучают модели или выбирают GPU в облаке, Flopper может сократить первичный этап сбора данных. В одном месте можно сопоставить память, мощность, вычислительные форматы и стоимость разных вариантов — например, потребительских карт и серверных ускорителей.
Практическая ценность особенно заметна при сравнении конфигураций для инференса. Здесь важны не только пиковые операции в секунду, но и объём памяти, пропускная способность, энергопотребление, доступность аренды и цена часа. Flopper не превращает эти параметры в точный прогноз производительности, но помогает сформировать список кандидатов для дальнейшего тестирования.
Проект также публикует собственные разборы. Среди них — объяснение, почему число TFLOPS без указания точности малоинформативно, и анализ новых аппаратных продуктов и программных инициатив NVIDIA.
Ограничения данных
Главное ограничение — разрыв между рекламными характеристиками и реальной скоростью. По наблюдению автора Flopper, в проведённых тестах фактическая производительность составляла примерно 85% от заявленного теоретического показателя. Это не универсальный коэффициент: результат зависит от модели, реализации, питания, охлаждения и конфигурации.
Для крупных систем вроде NVL72 цена также может быть недоступна в открытом виде: такие поставки часто проходят через индивидуальные закупочные контракты. Поэтому данные Flopper стоит использовать как исследовательский ориентир, а не как замену официальной котировке или бенчмарку на собственной нагрузке.
Следующим направлением автор рассматривает CLI для запуска тестов и отправки результатов в общую базу, возможно с автоматизацией на базе MLPerf. Если такой механизм появится, для доверия к нему будут критичны описание модели, версия ПО, настройки, лимиты мощности, охлаждение и точная конфигурация системы.
Вывод
Flopper полезен как единая точка входа для первичного сравнения GPU, AI-систем и облачных цен. Его сильная сторона — попытка привести разнородные спецификации к общему виду и не смешивать теоретические показатели с готовыми системными результатами. Но окончательный выбор ускорителя по-прежнему требует теста на собственной нагрузке и проверки актуальной цены у поставщика.
