Vypočítejte TPS modelu Quadro K2200 na místních AI modelech

NVIDIA 4 GB GDDR5 80 GB/s July 2014

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

97 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

DeciLM 6B

5.7B · Q3_K_M · 13.7 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

28.9 tok/s · 1B

Které AI modely mohou běžet na a Quadro K2200?

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.

97 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
28.9 tok/s

10–58 · nízká důvěra

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

10–58 · nízká důvěra

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

10–58 · nízká důvěra

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

10–58 · nízká důvěra

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

10–58 · nízká důvěra

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

10–58 · nízká důvěra

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

9–53 · nízká důvěra

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

9–52 · nízká důvěra

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

9–52 · nízká důvěra

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

9–52 · nízká důvěra

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

9–52 · nízká důvěra

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

8–48 · nízká důvěra

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

8–48 · nízká důvěra

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

8–48 · nízká důvěra

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

8–48 · nízká důvěra

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

8–47 · nízká důvěra

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokeny Q8_0 Pohodlný
23.1 tok/s

8–46 · nízká důvěra

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

8–44 · nízká důvěra

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

8–44 · nízká důvěra

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

8–44 · nízká důvěra

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

8–44 · nízká důvěra

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

8–44 · nízká důvěra

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

8–44 · nízká důvěra

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

8–44 · nízká důvěra

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

8–44 · 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

Quadro K2200 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
4 GB
Šířka pásma VRAM
80 GB/s
Typ paměti
GDDR5
Šířka sběrnice paměti
128 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
GM107
Architektura
Maxwell
Generace
Quadro Kepler(Kx200)
Foundry
TSMC
Velikost procesu
28 nm
Tranzistory
1.9 billion
Hustota tranzistorů
12,600 K/mm²
Velikost čipu
148 mm²
Balíček
FCBGA-908
Uvolněno
22 July 2014

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
1.12 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
640
Jednotky pro mapování textur
40
Renderovací výstupní jednotky
16
Streaming multiprocessory
5
L1 cache
64 KB
L2 cache
2 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)
1.4 TFLOPS
Dvojitá přesnost (FP64)
45 GFLOPS
Rychlost pixelů
18 GPixel/s
Rychlost textury
45 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)
68 W
Navrhovaný zdroj napájení
250 W
Napájecí konektory
None
Rozhraní sběrnice
PCIe 2.0 x16
Šířka slotu
Single-slot
Rozměry
202 mm
Zobrazit výstupy
1x DVI, 2x DisplayPort 1.2

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
5.0
DirectX
11.0
OpenGL
4.6
Vulkan
1.4
OpenCL
3.0
Shader model
5.1

Seznamy

Kde koupit GPU Quadro K2200

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

Paměť: specifikace, která rozhoduje o všem

Paměť

4 GB

Šířka pásma

80 GB/s

Největší model

DeciLM 6B

Quadro K2200 nese pouze 4 GB z GDDR5. To omezuje na menší konec katalogu, a model musí být zcela uvnitř, než něco vygeneruje. Runtime ve skutečnosti získá přibližně 3.6 GB.

Šířka pásma paměti dosahuje 80 GB/s napříč autobusu 128 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 1.25 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 DeciLM 6B, 5.7B, komprimováno na Q3_K_M a generováním kolem 13.7 tokenů za sekundu

Čip a jak byl vyroben

Quadro K2200 je postaven na grafickém procesoru GM107, používající architekturu Maxwell z NVIDIA, jako součást generování Quadro Kepler(Kx200).

Čip je vyráběn společností TSMC, na procesu 28 nm, s kostkou o rozměrech 148 mm², držení 1.9 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 July 2014, hrubě 12.027087366794 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

45 GFLOPS

Výkon s dvojitou přesností dosahuje 45 GFLOPS. 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 1.05 GHz k zvýšení 1.12 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

Quadro K2200 má L1 cache 64 KB, podporováno L2 cache 2 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 640 Stínovací jednotky, 40 Jednotky pro mapování textur, a 16 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

68 W

Quadro K2200 je ohodnocen na 68 W, a navrhovaný systémový zdroj energie je 250 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 single-slot, měření 202 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 Quadro K2200

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

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 12.9 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 14.2 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 16.7 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 19.5 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 16.7 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 16.7 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 13.9 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 15.9 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 15.9 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 13.7 tok/s

Nejrychlejší AI modely na a Quadro K2200

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 28.9 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 28.9 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 28.9 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 28.9 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 28.9 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 28.9 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 26.7 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 26.2 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 26.2 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 26.2 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Quadro K2200

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 97 modely, které tato karta může spustit. Hledejte podle názvu nebo podle velikosti — zadání 27b odpovídá počtu parametrů, i když se v názvu nikdy neuvádí.

  2. 02

    Rozhodněte, jak dlouho vaše konverzace běží

    Delší konverzace vyžadují paměť nad rámec váhy. 4 GB to je často rozdíl mezi modelem, který se vejde, a tím, který se nevejde.

  3. 03

    Nastavte minimální kvalitu, pokud ji potřebujete.

    Ve výchozím nastavení tabulka vybírá nejméně komprimovanou verzi, která se vejde. Nastavení podlahy odstraňuje modely, které splňují kritéria pouze díky silné kompresi.

  4. 04

    Vezměte rozsah jako odpověď

    Čísla jsou vypočítaná, ne měřená. Nejrychlejší výsledek na této kartě je 28.9 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.

    Tight fit běží, ale nedává žádný prostor pro zvýšení kontextu později; comfortable má rezervu. Sloupec paměti ukazuje, co každý model potřebuje proti dostupnému 4 GB.

  6. 06

    Ověření proti jinému hardwaru

    Každá stránka modelu opakuje tento výpočet pro celý katalog. Stojí za to se podívat před rozhodnutím: ukazuje, co dalšího běží na stejném modelu, vedle Quadro K2200.

Odpovědi

Quadro K2200 — běžné otázky

01

Byly by dvě Quadro K2200 Karty budou dvakrát rychlejší?

Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 8 GB které vám umožňují držet modely, které by samostatně neudržely, ale generace se takto nedělí. Tyto údaje popisují jednu kartu.

02

Quadro K2200— které AI modely může spustit?

97 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.

03

Quadro K2200— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je DeciLM 6B na 5.7B parametry, komprimované na Q3_K_M. Generuje přibližně 13.7 tokens za sekundu a potřebuje asi 3.5 GB VRAM karty.

04

Quadro K2200— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 28.9 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.

05

Quadro K2200— kolik má paměti?

Tato karta má 4 GB z GDDR5. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 3.6 GB dostupný pro model a jeho konverzaci.

06

Quadro K2200— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 80 GB/s napříč autobusu 128 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

07

Quadro K2200— 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

Quadro K2200— Kdo to vyrábí?

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

09

Quadro K2200— Kdy byl vydán?

Bylo to vydáno v July 2014.

10

Quadro K2200— kolik energie to spotřebovává?

Hodnocená výkonová karta je 68 W, a navrhovaný systémový zdroj energie je 250 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

Quadro K2200— kolik má cache?

L1 cache je 64 KB, a L2 cache je 2 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.

12

Quadro K2200— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 5.0, 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.

13

Quadro K2200— 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.

14

Quadro K2200— 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 97 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

15

Quadro K2200— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 4 GB táhne to celé dolů a žádná z postav na této stránce to nepředpokládá.

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