Vypočítejte TPS modelu Tesla K20X na místních AI modelech

NVIDIA 6 GB GDDR5 250 GB/s November 2012

Každý model v našem katalogu byl posouzen vůči této kartě při délce kontextu a minimální kvalitě, kterou si zvolíte. Rychlost je odhad pro jediný požadavek, vypočítaný z šířky pásma paměti této karty a velikosti každého modelu po kompresi..

Vypočítáno pro tuto kartu

266 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Qwen-VL

9.6B · Q3_K_M · 25.3 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

89.9 tok/s · 1B

Které AI modely mohou běžet na a Tesla K20X?

Nastavte vstupy, přečtěte si odpověď

Více kontextu znamená více paměti pro cache konverzace. Rychlost je pro novou konverzaci a nemění se s tímto nastavením..

Skrývá modely, které by se vešly pouze tím, že by byly komprimovány pod tuto úroveň.

266 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
89.9 tok/s

31–180 · nízká důvěra

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
89.9 tok/s

31–180 · nízká důvěra

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
89.9 tok/s

31–180 · nízká důvěra

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
89.9 tok/s

31–180 · nízká důvěra

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
89.9 tok/s

31–180 · nízká důvěra

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
89.9 tok/s

31–180 · nízká důvěra

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
83.2 tok/s

29–166 · nízká důvěra

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokeny ? Q8_0 Pohodlný
81.7 tok/s

29–163 · nízká důvěra

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
81.7 tok/s

29–163 · nízká důvěra

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
81.7 tok/s

29–163 · nízká důvěra

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
81.7 tok/s

29–163 · nízká důvěra

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
74.9 tok/s

26–150 · nízká důvěra

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
74.9 tok/s

26–150 · nízká důvěra

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
74.9 tok/s

26–150 · nízká důvěra

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
74.9 tok/s

26–150 · nízká důvěra

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
73.1 tok/s

26–146 · nízká důvěra

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 113k tokeny Q8_0 Pohodlný
72.0 tok/s

25–144 · nízká důvěra

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

Otter ≈ 1.3B May 2023 2.1 GB 131k tokeny ? Q8_0 Pohodlný
69.1 tok/s

24–138 · nízká důvěra

Phi-1 ≈ 1.3B Oct 2023 2.1 GB 131k tokeny ? Q8_0 Pohodlný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Tesla K20X Plná specifikace

Všechny informace o této desce, seřazené podle toho, jak moc ovlivňují spuštění jazykového modelu, spíše než podle toho, jak by je uvedl seznam specifikací. Memory přichází první, protože rozhoduje o výsledku; zbytek je context..

Paměť

Dvě specifikace, které rozhodují o tom, co tato KARTA může spustit a jak rychle. Kapacita určuje, které modely se vejdou; šířka pásma určuje, kolik TOKENŮ za sekundu produkují, jakmile se vejdou.

Velikost paměti
6 GB
Šířka pásma VRAM
250 GB/s
Typ paměti
GDDR5
Šířka sběrnice paměti
384 bit
Frekvence paměti
1.3 GHz

Čip

Který procesor je na desce a jak byl vyroben. Menší výrobní technologie obvykle znamená vyšší výkon při stejné spotřebě energie.

Grafický procesor
GK110
Architektura
Kepler
Generace
Tesla Kepler(Kxx)
Foundry
TSMC
Velikost procesu
28 nm
Tranzistory
7.1 billion
Hustota tranzistorů
12,600 K/mm²
Velikost čipu
561 mm²
Balíček
BGA-2152
Uvolněno
12 November 2012

Frekvence hodin

Jak rychle procesor běží. Zde má mnohem nižší hodnotu než na herním benchmarku: generování textu je omezeno šířkou pásma paměti, takže vyšší takt sotva posune výsledek.

Základní takt
732 MHz
Zvýšená frekvence
732 MHz

Zpracovatelské jednotky

Co čip obsahuje. Tyto prvky ovlivňují grafický výkon a mají hlavní význam pro zpracování dlouhého promptu spíše než pro produkci odpovědi.

Stínovací jednotky
2,688
Jednotky pro mapování textur
224
Renderovací výstupní jednotky
48
L1 cache
16 KB
L2 cache
1.5 MB

Teoretický výkon

Maximální aritmetické rychlosti zveřejněné pro kartu. Toto jsou stropy, kterých žádná skutečná pracovní zátěž nedosahuje, a generování textu dosahuje jen malé části z nich, protože je omezeno pamětí spíše než aritmetikou.

Jednoduchá přesnost (FP32)
3.9 TFLOPS
Dvojitá přesnost (FP64)
1.3 TFLOPS
Rychlost pixelů
41 GPixel/s
Rychlost textury
164 GTexel/s

Deska

Co je potřeba k fyzickému nainstalování a napájení karty — praktické omezení, která rozhodují o tom, zda se vejde do stroje, který již vlastníte.

Příkon (TDP)
235 W
Navrhovaný zdroj napájení
550 W
Napájecí konektory
1x 6-pin + 1x 8-pin
Rozhraní sběrnice
PCIe 3.0 x16
Šířka slotu
Dual-slot
Rozměry
267 mm

Podpora softwaru

Jaké grafické a výpočetní rozhraní karta podporuje. CUDA výpočetní schopnost je ta, která se týká inferencí: pod 7.0 nejsou žádné tensorové jádra a moderní inferenční software se vrací ke pomalejším kódovým cestám.

schopnost výpočtu CUDA
3.5
DirectX
11.0
OpenGL
4.6
Vulkan
1.2
OpenCL
3.0
Shader model
5.1

Seznamy

Kde koupit GPU Tesla K20X

Žádný prodejce aktuálně nenabízí tuto KARTU. Seznamy pocházejí od prodejců, kteří je zde zveřejňují přímo. — procházet adresář dodavatele vidět, kdo prodává co.

Co čísla znamenají

Kapacita a šířka pásma

Paměť

6 GB

Šířka pásma

250 GB/s

Největší model

Qwen-VL

Tesla K20X nese pouze 6 GB z GDDR5. To omezuje na menší konec katalogu, a model musí být zcela uvnitř, než něco vygeneruje. Runtime ve skutečnosti získá přibližně 5.4 GB.

Šířka pásma paměti dosahuje 250 GB/s napříč autobusu 384 bitů. Šířka pásma je skutečné omezení této karty. Každý token vyžaduje přečtení celého modelu z paměti, takže velký model se zde bude zdát pomalý, i když se vejde.

Šířka pásma je frekvence krát šířka sběrnice, a tato karta taktí svou paměť na 1.3 GHz. Je to důvod, proč počty jader tak špatně předpovídají rychlost generace.

Praktický strop je Qwen-VL, 9.6B, komprimováno na Q3_K_M a generováním kolem 25.3 tokenů za sekundu

Čip a jak byl vyroben

Tesla K20X je postaven na grafickém procesoru GK110, používající architekturu Kepler z NVIDIA, jako součást generování Tesla Kepler(Kxx).

Čip je vyráběn společností TSMC, na procesu 28 nm, s kostkou o rozměrech 561 mm², držení 7.1 billion Tranzistory. Menší proces obvykle znamená více výkonu při stejné spotřebě, i když pro jazykové modely to má mnohem menší význam než paměťový subsystém.

Bylo to vydáno v November 2012, hrubě 13.717810944659 před lety. Podpora softwaru pro inference obvykle následuje hardware o rok nebo dva, takže karta tohoto stáří má obvykle k dispozici zralé, dobře optimalizované kódové cesty.

Výpočetní propustnost a proč je méně důležitá, než vypadá

FP64

1.3 TFLOPS

Výkon s dvojitou přesností dosahuje 1.3 TFLOPS. Nemá to vliv na spuštění jazykového modelu — žádný inference runtime to nepoužívá — ale odděluje součásti datového centra od spotřebitelských, protože ty ostatní to úmyslně omezují.

Hodiny běží od základu 732 MHz k zvýšení 732 MHz. Zde má mnohem nižší hodnotu než na herním benchmarku: zvyšování taktovacích frekvencí zrychluje aritmetiku, a na aritmetiku není generace čekající.

Cache a zpracovatelské jednotky

Tesla K20X má L1 cache 16 KB, podporováno L2 cache 1.5 MB. Cache vstřebává část paměťového provozu, který by jinak zasáhl hlavní sběrnici, což je jediné místo na této stránce, kde číslo jiné než šířka pásma tiše ovlivňuje rychlost generování — velká L2 umožňuje větší množství pracovního souboru zůstat blízko jader.

Existují 2,688 Stínovací jednotky, 224 Jednotky pro mapování textur, a 48 Renderovací výstupní jednotky. Tyto zařízení zpracovávají grafické pracovní zátěže a přispívají k zpracování výzev, ale většinu času, kdy model generuje odpověď, zůstávají nečinné.

Síla, velikost a instalace

Příkon

235 W

Tesla K20X je ohodnocen na 235 W, a navrhovaný systémový zdroj energie je 550 W. Spouštění jazykového modelu zaměstnává kartu v impulzech spíše než nepřetržitě — při generování spotřebovává hodně a mezi požadavky nečinní — takže trvalá spotřeba během pracovního dne je obvykle pod uvedenou hodnotou.

desku zabírá dual-slot, měření 267 mm dlouhý, a potřebuje 1x 6-pin + 1x 8-pin. Stojí za to zkontrolovat případ a napájecí zdroj již v stroji, protože největší KARTY potřebují podstatně více obojího než typická desktopová konfigurace poskytuje.

Spojuje se přes PCIe 3.0 x16. Rozhraní určuje, jak rychle je model načten z disku do karty, nikoli jak rychle běží poté, co je tam, takže užší spojení stojí několik sekund při spuštění a nic víc.

Extrémy

Největší AI modely, které běží na GPU Tesla K20X

Největší open-weight modely, které se vejdou na tuto kartu, nejnovější první. Každý je zobrazen při nejlepší kompresi, kterou karta může zvládnout..

  1. 01 Qwen3.5-9B 9B · Q3_K_M · Feb 2026 26.9 tok/s
  2. 02 NVIDIA-Nemotron-Nano-9B-v2 9B · Q3_K_M · Aug 2025 26.9 tok/s
  3. 03 Ovis2.5 9B 9B · Q3_K_M · Aug 2025 26.9 tok/s
  4. 04 GLM-4.1V-Thinking 9B · Q3_K_M · Aug 2025 26.9 tok/s
  5. 05 MamayLM 9B · Q3_K_M · Apr 2025 26.9 tok/s
  6. 06 GLM-4-9B-0414 9B · Q3_K_M · Apr 2025 26.9 tok/s
  7. 07 SimPO 9B · Q3_K_M · Nov 2024 26.9 tok/s
  8. 08 GLM-4V-9B 9B · Q3_K_M · Jun 2024 26.9 tok/s
  9. 09 Persimmon-8B 9.3B · Q3_K_M · Sep 2023 26.1 tok/s
  10. 10 Qwen-VL 9.6B · Q3_K_M · Aug 2023 25.3 tok/s

Nejrychlejší AI modely na a Tesla K20X

Kde tato KARTA produkuje TOKENY nejrychleji. Menší modely zde dominují, protože generování každého TOKENU znamená přečtení celého modelu z MEMORY jednou..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 89.9 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 89.9 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 89.9 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 89.9 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 89.9 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 89.9 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 83.2 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 81.7 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 81.7 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 81.7 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Tesla K20X

Nemusíte nic počítat ručně — kalkulačka gputps.com na této stránce to už vypočítala pro každý model, který tato karta může podpořit. Přečtení odpovědi trvá šest kroků.

  1. 01

    Najděte model v tabulce

    Tabulka uvádí 266 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.

  2. 02

    Rozhodněte, jak dlouho vaše konverzace běží

    Nastavte kontext na svou skutečnou pracovní délku. Krátké otázky téměř nic nestojí, ale dlouhý dokument může spotřebovat velký podíl. 6 GB často je to to, co dostane velký model na hranu.

  3. 03

    Vyberte, jak daleko chcete komprimovat.

    Každý model je zobrazen při nejlepší kompresi, kterou tato karta může držet. Minimální kvalita skrývá ty, které se vejdou jenom tím, že jsou stlačeny více, než byste přijali.

  4. 04

    Přečtěte si rychlost a rozsah

    Čísla jsou vypočítaná, ne měřená. Nejrychlejší výsledek na této kartě je 89.9 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.

  5. 05

    Zkontrolujte sloupec paměti před potvrzením

    Tight fit běží, ale nedává žádný prostor pro zvýšení kontextu později; comfortable má rezervu. Sloupec paměti ukazuje, co každý model potřebuje proti dostupnému 6 GB.

  6. 06

    Ověření proti jinému hardwaru

    Následující model na jeho vlastní stránce zobrazuje veškerý hardware, který ho může spustit, takže můžete vidět, jak se porovnává proti Tesla K20X.

Odpovědi

Tesla K20X — běžné otázky

01

Tesla K20X— Kdy byl vydán?

Bylo to vydáno v November 2012.

02

Tesla K20X— kolik energie to spotřebovává?

Hodnocená výkonová karta je 235 W, a navrhovaný systémový zdroj energie je 550 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

03

Tesla K20X— kolik má cache?

L1 cache je 16 KB, a L2 cache je 1.5 MB. Cache absorbuje část paměťového provozu, který by jinak dosáhl hlavní sběrnice, takže větší L2 poskytuje skromné zvýšení rychlosti generování nad rámec toho, co předpovídá pouze šířka pásma.

04

Tesla K20X— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 3.5, který předchází TENSOR CORES. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

05

Tesla K20X— jaké rozhraní sběrnice používá?

Používá PCIe 3.0 x16. Tohoto určuje, jak rychle je model nahrán na kartu, spíše než jak rychle běží po nahrání, takže to stojí několik sekund při spuštění a nic během generace.

06

Tesla K20X— Je to dobré pro běh místních AI modelů?

Jeho paměť ho omezuje na menší modely, přesto jeho šířka pásma znamená, že generace bude na větších modelech působit pomalu. Celkem běží 266 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

07

Tesla K20X— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 6 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

08

Byly by dvě Tesla K20X Karty budou dvakrát rychlejší?

Ne. Druhá karta zdvojnásobí VRAM na 12 GB které vám umožňují držet modely, které by samostatně neudržely, ale generace se takto nedělí. Tyto údaje popisují jednu kartu.

09

Tesla K20X— které AI modely může spustit?

266 z 679 Otevřené váhové jazykové modely, které sledujeme, se vejdou na tuto kartu a mohou být spuštěny lokálně. Tabulka na této stránce obsahuje každý z nich, s pamětí, kterou potřebuje, kvantizací, na které běží, a odhadovanou rychlostí generování.

10

Tesla K20X— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Qwen-VL na 9.6B parametry, komprimované na Q3_K_M. Generuje přibližně 25.3 tokens za sekundu a potřebuje asi 5.4 GB VRAM karty.

11

Tesla K20X— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 89.9 tokenů za sekundu, zatímco větší modely běží proporčně pomaleji, protože každý token vyžaduje přečtení celého modelu z paměti jednou. Rychlosti jsou odhady pro jednorázový rozhovor.

12

Tesla K20X— může to běžet 7B modely?

Ano. Například běží MetaMath 7B (Mistral finetune) na IQ4_XS, používající přibližně 5.1 GB paměti a generování kolem 31.5 tokenů za sekundu

13

Tesla K20X— kolik má paměti?

Tato karta má 6 GB z GDDR5. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 5.4 GB dostupný pro model a jeho konverzaci.

14

Tesla K20X— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 250 GB/s napříč autobusu 384 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

15

Tesla K20X— Jaký typ paměti používá?

Používá GDDR5 častěji než 1.3 GHz. Typy HBM se nacházejí na akcelerátorech datových center a mají mnohem větší šířku pásma než GDDR používané na desktopových kartách, což je důvod, proč generují tokeny podstatně rychleji při stejné kapacitě.

16

Tesla K20X— Kdo to vyrábí?

Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 28 nm.

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od hardwaru. Pokud již víte, který model chcete, a potřebujete vědět, co je potřeba k jeho spuštění, Začněte od modelu.

Všechny GPU