Vypočítejte TPS modelu P102-101 na místních AI modelech

NVIDIA 10 GB GDDR5 320 GB/s January 2018

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

381 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Ling-lite-1.5 ("Bailing")

16.8B · Q3_K_M · 18.5 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

115 tok/s · 1B

Které AI modely mohou běžet na a P102-101?

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.

381 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
115 tok/s

40–231 · nízká důvěra

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

40–231 · nízká důvěra

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

40–231 · nízká důvěra

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

40–231 · nízká důvěra

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

40–231 · nízká důvěra

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

40–231 · nízká důvěra

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

38–216 · nízká důvěra

DeepSeekMoE-16B 16B Jan 2024 8.1 GB 4k tokeny Q3_K_M Těsný
107 tok/s

37–214 · nízká důvěra

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

37–210 · nízká důvěra

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

37–210 · nízká důvěra

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

37–210 · nízká důvěra

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

37–210 · nízká důvěra

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

34–192 · nízká důvěra

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

34–192 · nízká důvěra

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

34–192 · nízká důvěra

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

34–192 · nízká důvěra

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

33–187 · nízká důvěra

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokeny Q8_0 Pohodlný
92.4 tok/s

32–185 · nízká důvěra

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

31–177 · nízká důvěra

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

31–177 · nízká důvěra

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

31–177 · nízká důvěra

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

31–177 · nízká důvěra

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

31–177 · nízká důvěra

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

31–177 · nízká důvěra

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

31–177 · nízká důvěra

Otter ≈ 1.3B May 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

P102-101 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
10 GB
Šířka pásma VRAM
320 GB/s
Typ paměti
GDDR5
Šířka sběrnice paměti
320 bit
Frekvence paměti
2 GHz

Čip

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

Grafický procesor
GP102
Architektura
Pascal
Generace
Mining GPUs
Foundry
TSMC
Velikost procesu
16 nm
Tranzistory
11.8 billion
Hustota tranzistorů
25,100 K/mm²
Velikost čipu
471 mm²
Balíček
BGA-2397
Uvolněno
1 January 2018

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
1.56 GHz
Zvýšená frekvence
1.67 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
3,200
Jednotky pro mapování textur
200
Renderovací výstupní jednotky
80
Streaming multiprocessory
25
L1 cache
48 KB
L2 cache
2.5 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.

Půl přesnost (FP16)
167 GFLOPS
Jednoduchá přesnost (FP32)
10.7 TFLOPS
Dvojitá přesnost (FP64)
334 GFLOPS
Rychlost pixelů
134 GPixel/s
Rychlost textury
334 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)
250 W
Navrhovaný zdroj napájení
600 W
Napájecí konektory
2x 8-pin
Rozhraní sběrnice
PCIe 3.0 x4
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
6.1
DirectX
12.1
OpenGL
4.6
Vulkan
1.4
OpenCL
3.0
Shader model
6.8

Seznamy

Kde koupit GPU P102-101

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

10 GB

Šířka pásma

320 GB/s

Největší model

Ling-lite-1.5 ("Bailing")

P102-101 nese pouze 10 GB z GDDR5. To omezuje na menší konec katalogu, a model musí být zcela uvnitř, než něco vygeneruje. Runtime ve skutečnosti získá přibližně 9 GB.

Šířka pásma paměti dosahuje 320 GB/s napříč autobusu 320 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 2 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 Ling-lite-1.5 ("Bailing"), 16.8B, komprimováno na Q3_K_M a generováním kolem 18.5 tokenů za sekundu

Čip a jak byl vyroben

P102-101 je postaven na grafickém procesoru GP102, používající architekturu Pascal z NVIDIA, jako součást generování Mining GPUs.

Čip je vyráběn společností TSMC, na procesu 16 nm, s kostkou o rozměrech 471 mm², držení 11.8 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 January 2018, hrubě 8.5806591934794 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

FP16

167 GFLOPS

FP64

334 GFLOPS

Na papíře P102-101 dosahuje 167 GFLOPS při poloviční přesnosti, a 10.7 TFLOPS na jedné přesnosti. Toto jsou špičkové údaje, které žádné skutečné zatížení nepodporuje, a generování textu dosahuje pouze malé části z nich - dekódování je omezeno pamětí spíše než aritmetikou, což je důvod, proč karta může vypadat extrémně výkonně zde a přesto produkovat tokeny běžnou rychlostí.

Výkon s dvojitou přesností dosahuje 334 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 1.56 GHz k zvýšení 1.67 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

P102-101 má L1 cache 48 KB, podporováno L2 cache 2.5 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 3,200 Stínovací jednotky, 200 Jednotky pro mapování textur, a 80 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

250 W

P102-101 je ohodnocen na 250 W, a navrhovaný systémový zdroj energie je 600 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 2x 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 x4. 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 P102-101

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

  1. 01 Ring-mini-linear-2.0 16.4B · Q3_K_M · Oct 2025 19.0 tok/s
  2. 02 Ling-mini-base-2.0-20T 16B · Q3_K_M · Sep 2025 19.5 tok/s
  3. 03 Ling-lite-1.5 ("Bailing") 16.8B · Q3_K_M · Mar 2025 18.5 tok/s
  4. 04 Nanbeige2-16B-Chat 15.8B · Q3_K_M · May 2024 19.7 tok/s
  5. 05 DeepSeekMoE-16B 16B · Q3_K_M · Jan 2024 108 tok/s
  6. 06 Nanbeige-16B 16B · Q3_K_M · Nov 2023 19.5 tok/s
  7. 07 CodeT5+ 16B · Q3_K_M · May 2023 19.5 tok/s
  8. 08 CodeGen2 16B · Q3_K_M · May 2023 19.5 tok/s
  9. 09 MOSS-Moon-003 16B · Q3_K_M · Apr 2023 19.5 tok/s
  10. 10 CodeGen-Mono 16.1B 16.1B · Q3_K_M · Feb 2023 19.3 tok/s

Nejrychlejší AI modely na a P102-101

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 115 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 115 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 115 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 115 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 115 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 115 tok/s
  7. 07 DeepSeekMoE-16B 16B · Q3_K_M · 8.1 GB 108 tok/s
  8. 08 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 107 tok/s
  9. 09 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 105 tok/s
  10. 10 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 105 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu P102-101

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 381 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

    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. 10 GB často je to to, co dostane velký model na hranu.

  3. 03

    Vyberte, jak daleko chcete komprimovat.

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

  4. 04

    Podívejte se na rozsah, nejen na číslo

    Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 115 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 10 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 P102-101.

Odpovědi

P102-101 — běžné otázky

01

P102-101— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q3_K_M, používající přibližně 8.1 GB paměti a generování kolem 108 tokenů za sekundu

02

P102-101— kolik má paměti?

Tato karta má 10 GB z GDDR5. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 9 GB dostupný pro model a jeho konverzaci.

03

P102-101— jaká je její šířka pásma VRAM?

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

04

P102-101— Jaký typ paměti používá?

Používá GDDR5 častěji než 2 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.

05

P102-101— Kdo to vyrábí?

Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 16 nm.

06

P102-101— Kdy byl vydán?

Bylo to vydáno v January 2018.

07

P102-101— kolik energie to spotřebovává?

Hodnocená výkonová karta je 250 W, a navrhovaný systémový zdroj energie je 600 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

08

P102-101— kolik má cache?

L1 cache je 48 KB, a L2 cache je 2.5 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.

09

P102-101— jaké jsou její TFLOPS?

Je hodnocena na 167 GFLOPS při poloviční přesnosti a 10.7 TFLOPS na jediné přesnosti. Toto jsou maximální aritmetické stropy spíše než dosažitelné rychlosti, a generování textu dosahuje pouze malé části z nich, protože je omezeno šířkou pásma VRAM.

10

P102-101— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 6.1, 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.

11

P102-101— jaké rozhraní sběrnice používá?

Používá PCIe 3.0 x4. 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.

12

P102-101— 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 381 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

13

P102-101— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 10 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

14

Byly by dvě P102-101 Karty budou dvakrát rychlejší?

Spojení jich kupuje rezervu spíše než tempo: 20 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.

15

P102-101— které AI modely může spustit?

381 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.

16

P102-101— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Ling-lite-1.5 ("Bailing") na 16.8B parametry, komprimované na Q3_K_M. Generuje přibližně 18.5 tokens za sekundu a potřebuje asi 8.9 GB VRAM karty.

17

P102-101— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 115 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.

18

P102-101— může to běžet 7B modely?

Ano. Například běží DeepSeek Coder 6.7B na Q4_K_M, používající přibližně 8.3 GB paměti a generování kolem 39.7 tokenů za sekundu

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