Vypočítejte TPS modelu Xeon Phi 5120D na místních AI modelech

Intel 8 GB GDDR5 320 GB/s June 2013

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

337 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Baichuan 1-13B

13.3B · Q3_K_M · 17.9 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

88.1 tok/s · 1B

Které AI modely mohou běžet na a Xeon Phi 5120D?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

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

Minimální kvalita

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

Hledat modely

Velikost modelu

Uvolněno

Také zobrazit modely, které nemůže spustit

337 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
88.1 tok/s 53–141 · nízká důvěra	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
88.1 tok/s 53–141 · nízká důvěra	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
88.1 tok/s 53–141 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
88.1 tok/s 53–141 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
88.1 tok/s 53–141 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
88.1 tok/s 53–141 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
81.6 tok/s 49–131 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
80.1 tok/s 48–128 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
80.1 tok/s 48–128 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
80.1 tok/s 48–128 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
80.1 tok/s 48–128 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
73.4 tok/s 44–117 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
73.4 tok/s 44–117 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
73.4 tok/s 44–117 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
73.4 tok/s 44–117 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
71.6 tok/s 43–115 · nízká důvěra	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
70.6 tok/s 42–113 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
67.8 tok/s 41–108 · 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 5120D 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: 8 GB
Šířka pásma VRAM: 320 GB/s
Typ paměti: GDDR5
Šířka sběrnice paměti: 512 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: 17 June 2013

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: 1.05 GHz
Zvýšená frekvence: 1.05 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: 960
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: 34 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): 245 W
Navrhovaný zdroj napájení: 550 W
Rozhraní sběrnice: PCIe 2.0 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 5120D

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

8 GB

Šířka pásma

320 GB/s

Největší model

Baichuan 1-13B

Xeon Phi 5120D nese pouze 8 GB z GDDR5. To omezuje na menší konec katalogu, a model musí být zcela uvnitř, než něco vygeneruje. Runtime ve skutečnosti získá přibližně 7.2 GB.

Šířka pásma paměti dosahuje 320 GB/s napříč autobusu 512 bitů. To je číslo, které určuje rychlost generování — aritmetika na byte přečteném je dostatečně malá, takže čeká vše na sběrnici, nikoli na jádra.

Šířka pásma je frekvence krát šířka sběrnice, a tato karta taktí svou paměť na 1.25 GHz. Šíření sběrnice a zvyšování frekvence jsou dvě páky, které výrobce má, a proto může karta s nevýznamnými jádry stále generovat rychle.

Praktický strop je Baichuan 1-13B, 13.3B, komprimováno na Q3_K_M a generováním kolem 17.9 tokenů za sekundu

Čip a jak byl vyroben

Xeon Phi 5120D 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 June 2013, hrubě 13.123126163028 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 1.05 GHz k zvýšení 1.05 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 960 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

245 W

Xeon Phi 5120D je ohodnocen na 245 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 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 2.0 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 5120D

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

01 OLMo 2 Furious 13B 13B · Q3_K_M · Dec 2024 18.3 tok/s
02 Cambrian-1-13B 13B · Q3_K_M · Jun 2024 18.3 tok/s
03 Fugaku-LLM 13B · Q3_K_M · May 2024 18.3 tok/s
04 OpenThaiGPT v1.0.0 (13B) 13.1B · Q3_K_M · Apr 2024 18.2 tok/s
05 Aya 13B · Q3_K_M · Feb 2024 18.3 tok/s
06 Elyza 13B · Q3_K_M · Dec 2023 18.3 tok/s
07 NexusRaven-V2 13B · Q3_K_M · Dec 2023 18.3 tok/s
08 Baize-v2-13B (白泽) 13B · Q3_K_M · Dec 2023 18.3 tok/s
09 Stockmark-13B 13.2B · Q3_K_M · Oct 2023 18.0 tok/s
10 Baichuan 1-13B 13.3B · Q3_K_M · Jul 2023 17.9 tok/s

Nejrychlejší AI modely na a Xeon Phi 5120D

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

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 88.1 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 88.1 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 88.1 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 88.1 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 88.1 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 88.1 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 81.6 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 80.1 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 80.1 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 80.1 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Xeon Phi 5120D

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.

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 337 modely, které karta zvládá. Vyhledávací pole přijímá název nebo velikost, jako je 27b, která odpovídá počtu parametrů.
02

Nastavte délku kontextu, kterou skutečně použijete

Nastavte kontext na svou skutečnou pracovní délku. Krátké otázky téměř nic nestojí, ale dlouhý dokument může spotřebovat velký podíl. 8 GB takže nastavení stojí za to udělat správně.
03

Připněte porovnání na jednu úroveň kvality

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.
04

Podívejte se na rozsah, nejen na číslo

Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 88.1 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.
05

Zkontrolujte sloupec paměti před potvrzením

Sloupec vhodnosti odděluje modely, které se právě vejdou, od těch, které mají prostor navíc — stojí za to zkontrolovat před výběrem jednoho, proti dostupným 8 GB.
06

Zkontrolujte stejný model z druhé strany

Následující model na jeho vlastní stránce zobrazuje veškerý hardware, který ho může spustit, takže můžete vidět, jak se porovnává proti Xeon Phi 5120D.

Odpovědi

Xeon Phi 5120D — běžné otázky

Xeon Phi 5120D— může to běžet 7B modely?

Ano. Například běží MetaMath 7B (LLaMa finetune) na Q4_K_M, používající přibližně 6.5 GB paměti a generování kolem 29.1 tokenů za sekundu

Xeon Phi 5120D— může to běžet 13B modely?

Ano. Například běží Gemma 4 12B na Q3_K_M, používající přibližně 6.5 GB paměti a generování kolem 19.9 tokenů za sekundu

Xeon Phi 5120D— kolik má paměti?

Tato karta má 8 GB z GDDR5. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 7.2 GB dostupný pro model a jeho konverzaci.

Xeon Phi 5120D— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 320 GB/s napříč autobusu 512 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

Xeon Phi 5120D— 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.

Xeon Phi 5120D— Kdo to vyrábí?

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

Xeon Phi 5120D— Kdy byl vydán?

Bylo to vydáno v June 2013.

Xeon Phi 5120D— kolik energie to spotřebovává?

Hodnocená výkonová karta je 245 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.

Xeon Phi 5120D— 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.

Xeon Phi 5120D— jaké rozhraní sběrnice používá?

Používá PCIe 2.0 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.

Xeon Phi 5120D— 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 337 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

Xeon Phi 5120D— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 8 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

Byly by dvě Xeon Phi 5120D Karty budou dvakrát rychlejší?

Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 16 GB které vám umožňují držet modely, které by samostatně neudržely, ale generace se takto nedělí. Tyto údaje popisují jednu kartu.

Xeon Phi 5120D— které AI modely může spustit?

337 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.

Xeon Phi 5120D— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Baichuan 1-13B na 13.3B parametry, komprimované na Q3_K_M. Generuje přibližně 17.9 tokens za sekundu a potřebuje asi 7.2 GB VRAM karty.

Xeon Phi 5120D— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 88.1 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.

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