Vypočítejte TPS modelu Xeon Phi 3120A na místních AI modelech

Intel 6 GB GDDR5 240 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 · 18.6 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

66.1 tok/s · 1B

Které AI modely mohou běžet na a Xeon Phi 3120A?

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
66.1 tok/s

40–106 · nízká důvěra

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

40–106 · nízká důvěra

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

40–106 · nízká důvěra

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

40–106 · nízká důvěra

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

40–106 · nízká důvěra

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

40–106 · nízká důvěra

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

37–98 · nízká důvěra

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

36–96 · nízká důvěra

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

36–96 · nízká důvěra

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

36–96 · nízká důvěra

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

36–96 · nízká důvěra

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

33–88 · nízká důvěra

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

33–88 · nízká důvěra

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

33–88 · nízká důvěra

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

33–88 · nízká důvěra

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

32–86 · nízká důvěra

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

32–85 · nízká důvěra

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

30–81 · nízká důvěra

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

30–81 · nízká důvěra

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

30–81 · nízká důvěra

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

30–81 · nízká důvěra

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

30–81 · nízká důvěra

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

30–81 · nízká důvěra

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

30–81 · nízká důvěra

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

30–81 · 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

Xeon Phi 3120A 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
240 GB/s
Typ paměti
GDDR5
Šířka sběrnice paměti
384 bit
Frekvence paměti
1.25 GHz

Čip

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

Grafický procesor
Knights Corner
Architektura
Knights
Generace
Knights Corner(x100)
Foundry
Intel
Velikost procesu
22 nm
Tranzistory
5 billion
Hustota tranzistorů
6,900 K/mm²
Velikost čipu
720 mm²
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
1.1 GHz
Zvýšená frekvence
1.1 GHz

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
912
Jednotky pro mapování textur
32

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)
2 TFLOPS
Rychlost textury
35 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)
300 W
Navrhovaný zdroj napájení
700 W
Rozhraní sběrnice
PCIe 3.0 x16
Šířka slotu
Dual-slot
Rozměry
248 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.

OpenCL
1.2
Shader model
5.0

Seznamy

Kde koupit GPU Xeon Phi 3120A

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

Proč je paměť číslo, které zde záleží

Paměť

6 GB

Šířka pásma

240 GB/s

Největší model

Qwen-VL

Xeon Phi 3120A 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 240 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.

Číslo je šířka sběrnice vynásobená hodinami paměti 1.25 GHz. Obě poloviny jsou důležité a ani jedna není viditelná v herním benchmarku.

Největší věc, kterou drží, je Qwen-VL, 9.6B, komprimováno na Q3_K_M a generováním kolem 18.6 tokenů za sekundu

Čip a jak byl vyroben

Xeon Phi 3120A je postaven na grafickém procesoru Knights Corner, používající architekturu Knights z Intel, jako součást generování Knights Corner(x100).

Čip je vyráběn společností Intel, na procesu 22 nm, s kostkou o rozměrech 720 mm², držení 5 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 13.717808634978 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

Hodiny běží od základu 1.1 GHz k zvýšení 1.1 GHz. Zde má mnohem nižší hodnotu než na herním benchmarku: zvyšování taktovacích frekvencí zrychluje aritmetiku, a na aritmetiku není generace čekající.

Cache a zpracovatelské jednotky

Existují 912 Stínovací jednotky, 32 Jednotky pro mapování textur. 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

300 W

Xeon Phi 3120A je ohodnocen na 300 W, a navrhovaný systémový zdroj energie je 700 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 248 mm dlouhý. 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 Xeon Phi 3120A

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 19.8 tok/s
  2. 02 NVIDIA-Nemotron-Nano-9B-v2 9B · Q3_K_M · Aug 2025 19.8 tok/s
  3. 03 Ovis2.5 9B 9B · Q3_K_M · Aug 2025 19.8 tok/s
  4. 04 GLM-4.1V-Thinking 9B · Q3_K_M · Aug 2025 19.8 tok/s
  5. 05 MamayLM 9B · Q3_K_M · Apr 2025 19.8 tok/s
  6. 06 GLM-4-9B-0414 9B · Q3_K_M · Apr 2025 19.8 tok/s
  7. 07 SimPO 9B · Q3_K_M · Nov 2024 19.8 tok/s
  8. 08 GLM-4V-9B 9B · Q3_K_M · Jun 2024 19.8 tok/s
  9. 09 Persimmon-8B 9.3B · Q3_K_M · Sep 2023 19.2 tok/s
  10. 10 Qwen-VL 9.6B · Q3_K_M · Aug 2023 18.6 tok/s

Nejrychlejší AI modely na a Xeon Phi 3120A

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 66.1 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 66.1 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 66.1 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 66.1 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 66.1 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 66.1 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 61.2 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 60.1 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 60.1 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 60.1 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Xeon Phi 3120A

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

    Model: AI model. Spuštění AI modelu. Nevejde se do GPU VRAM. Těsný. Pohodlný. Open-source AI model. V naší databázi. Nově vydané GPU. GPU VRAM/bandwidth. GPU karta. Kontextová délka.

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

  2. 02

    Přizpůsobte kontext své práci

    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

    Připněte porovnání na jednu úroveň kvality

    Kompresce je to, co umožňuje větším modelům se vejít. Kontrola kvality vyřadí jakýkoli model, který vyžaduje více toho, než jste ochotni poskytnout.

  4. 04

    Vezměte rozsah jako odpověď

    Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 66.1 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.

  5. 05

    Přečtěte si soud o fitu naposled.

    Sloupec vhodnosti odděluje modely, které se právě vejdou, od těch, které mají prostor navíc — stojí za to zkontrolovat před výběrem jednoho, proti dostupným 6 GB.

  6. 06

    Zkontrolujte stejný model z druhé strany

    Každá stránka modelu opakuje tento výpočet pro celý katalog. Stojí za to se podívat před rozhodnutím: ukazuje, co dalšího běží na stejném modelu, vedle Xeon Phi 3120A.

Odpovědi

Xeon Phi 3120A — běžné otázky

01

Xeon Phi 3120A— 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.

02

Xeon Phi 3120A— 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 18.6 tokens za sekundu a potřebuje asi 5.4 GB VRAM karty.

03

Xeon Phi 3120A— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 66.1 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.

04

Xeon Phi 3120A— může to běžet 7B modely?

Ano. Například běží MetaMath 7B (Mistral finetune) na IQ4_XS, používající přibližně 5.1 GB paměti a generování kolem 23.2 tokenů za sekundu

05

Xeon Phi 3120A— 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.

06

Xeon Phi 3120A— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 240 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.

07

Xeon Phi 3120A— Jaký typ paměti používá?

Používá GDDR5 častěji než 1.25 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.

08

Xeon Phi 3120A— Kdo to vyrábí?

Toto je produkt z Intel, s čipem vyrobeným od Intel, na procesu 22 nm.

09

Xeon Phi 3120A— Kdy byl vydán?

Bylo to vydáno v November 2012.

10

Xeon Phi 3120A— kolik energie to spotřebovává?

Hodnocená výkonová karta je 300 W, a navrhovaný systémový zdroj energie je 700 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

11

Xeon Phi 3120A— Podporuje to CUDA?

Ne. CUDA je pouze od NVIDIA, a tohle je karta od Intel. Spouští jazykové modely prostřednictvím ROCm, Vulkan nebo Metal v závislosti na softwaru, které jsou méně zralé než cesta CUDA — naše odhady na to uplatňují penalizaci.

12

Xeon Phi 3120A— 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.

13

Xeon Phi 3120A— 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.

14

Xeon Phi 3120A— může spustit model, který se nevejde do jeho VRAM?

Může být rozdělen, přičemž přetečení je uchováváno v systémové MEMORY za hranicemi karty. 6 GB táhne to celé dolů a žádná z postav na této stránce to nepředpokládá.

15

Byly by dvě Xeon Phi 3120A Karty budou dvakrát rychlejší?

Spojení jich kupuje rezervu spíše než tempo: 12 GB pracovat s spíše než dvojnásobek tokenů za sekundu — každá hodnota zde je pro jeden KARTU.

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