Vypočítejte TPS modelu Quadro GV100 na místních AI modelech
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
679 modely v našem katalogu dohromady
Největší model, který podporuje
Phi-3.5-MoE
60.8B · Q3_K_M · 90.7 tok/s
Nejrychlejší model
Gemma 3 QAT 1B
368 tok/s · 1B
Které AI modely mohou běžet na a Quadro GV100?
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.
513 modely odpovídají
Vypočítávání| Kvantisace | Pohodlné | ||||||
|---|---|---|---|---|---|---|---|
|
368
tok/s
313–441 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
368
tok/s
313–441 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
368
tok/s
221–588 · nízká důvěra |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
368
tok/s
221–588 · nízká důvěra |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
368
tok/s
221–588 · nízká důvěra |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
368
tok/s
221–588 · nízká důvěra |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
341
tok/s
204–545 · nízká důvěra |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
334
tok/s
201–535 · nízká důvěra |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
334
tok/s
201–535 · nízká důvěra |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
334
tok/s
201–535 · nízká důvěra |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
334
tok/s
201–535 · nízká důvěra |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
306
tok/s
184–490 · nízká důvěra |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
306
tok/s
184–490 · nízká důvěra |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
306
tok/s
184–490 · nízká důvěra |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
306
tok/s
184–490 · nízká důvěra |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
299
tok/s
254–359 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Pohodlný |
|
295
tok/s
177–472 · nízká důvěra |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · nízká důvěra |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · nízká důvěra |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · nízká důvěra |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · nízká důvěra |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · nízká důvěra |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · nízká důvěra |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · nízká důvěra |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
283
tok/s
170–453 · 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 GV100 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
- 32 GB
- Šířka pásma VRAM
- 868 GB/s
- Typ paměti
- HBM2
- Šířka sběrnice paměti
- 4,096 bit
- Frekvence paměti
- 848 MHz
Čip
Který procesor je na desce a jak byl vyroben. Menší výrobní technologie obvykle znamená vyšší výkon při stejné spotřebě energie.
- Grafický procesor
- GV100
- Architektura
- Volta
- Generace
- Quadro Volta(Vx000)
- Foundry
- TSMC
- Velikost procesu
- 12 nm
- Tranzistory
- 21.1 billion
- Hustota tranzistorů
- 25,900 K/mm²
- Velikost čipu
- 815 mm²
- Uvolněno
- 27 March 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
- 1.13 GHz
- Zvýšená frekvence
- 1.63 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
- 5,120
- Jednotky pro mapování textur
- 320
- Renderovací výstupní jednotky
- 128
- Streaming multiprocessory
- 80
- Tensor jádra
- 640
- L1 cache
- 128 KB
- L2 cache
- 6 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)
- 33.3 TFLOPS
- Jednoduchá přesnost (FP32)
- 16.7 TFLOPS
- Dvojitá přesnost (FP64)
- 8.3 TFLOPS
- Rychlost pixelů
- 208 GPixel/s
- Rychlost textury
- 521 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
- 1x 8-pin
- Rozhraní sběrnice
- PCIe 3.0 x16
- Šířka slotu
- Dual-slot
- Rozměry
- 267 mm
- Zobrazit výstupy
- 4x DisplayPort 1.4a
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
- 7.0
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader model
- 6.8
Seznamy
Kde koupit GPU Quadro GV100
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
32 GB
Šířka pásma
868 GB/s
Největší model
Phi-3.5-MoE
Quadro GV100 nese 32 GB z HBM2. Tohle pokrývá středně velké modely, které většina lidí skutečně používá. Jakmile runtime a ovladač rezervují svůj pracovní prostor, zhruba tolik zůstane: 28.8 GB.
Šířka pásma paměti dosahuje 868 GB/s napříč autobusu 4,096 bitů. Generování tokenu znamená přečtení každé váhy jednou, takže tato hodnota určuje tempo více než jakékoli jiné číslo zde, a na této úrovni text přichází rychleji, než většina lidí čte.
To pramení z paměťového taktu 848 MHz. Obě poloviny jsou důležité a ani jedna není viditelná v herním benchmarku.
Praktický strop je Phi-3.5-MoE, 60.8B, komprimováno na Q3_K_M a generováním kolem 90.7 tokenů za sekundu
Čip a jak byl vyroben
Quadro GV100 je postaven na grafickém procesoru GV100, používající architekturu Volta z NVIDIA, jako součást generování Quadro Volta(Vx000).
Čip je vyráběn společností TSMC, na procesu 12 nm, s kostkou o rozměrech 815 mm², držení 21.1 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 March 2018, hrubě 8.3477889726629 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
33.3 TFLOPS
FP64
8.3 TFLOPS
Tensor jádra
640
Na papíře Quadro GV100 dosahuje 33.3 TFLOPS při poloviční přesnosti, a 16.7 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 8.3 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.
Karta nese 640 Tensor jádra napříč 80 Streaming multiprocessory. Tyto zrychlují maticovou aritmetiku, která je základem transformátoru, a jsou tím, co činí zpracování příkazů — čtení dlouhého dokumentu před odpovědí — dramaticky rychlejší, než by tomu jinak bylo.
Hodiny běží od základu 1.13 GHz k zvýšení 1.63 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 GV100 má L1 cache 128 KB, podporováno L2 cache 6 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 5,120 Stínovací jednotky, 320 Jednotky pro mapování textur, a 128 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
Quadro GV100 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 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 Quadro GV100
Největší open-weight modely, které se vejdou na tuto kartu, nejnovější první. Každý je zobrazen při nejlepší kompresi, kterou karta může zvládnout..
Nejrychlejší AI modely na a Quadro GV100
Kde tato KARTA produkuje TOKENY nejrychleji. Menší modely zde dominují, protože generování každého TOKENU znamená přečtení celého modelu z MEMORY jednou..
Krok za krokem
Jak vypočítat tokeny za sekundu AI modelu Quadro GV100
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
Najděte model v tabulce
Tabulka uvádí 513 modely, které karta zvládá. Vyhledávací pole přijímá název nebo velikost, jako je 27b, která odpovídá počtu parametrů.
-
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. 32 GB to je často rozdíl mezi modelem, který se vejde, a tím, který se nevejde.
-
03
Nastavte minimální kvalitu, pokud ji potřebujete.
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 368 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.
-
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 32 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 Quadro GV100.
Odpovědi
Quadro GV100 — běžné otázky
Quadro GV100— kolik má paměti?
Tato karta má 32 GB z HBM2. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 28.8 GB dostupný pro model a jeho konverzaci.
Quadro GV100— jaká je její šířka pásma VRAM?
Šířka pásma paměti dosahuje 868 GB/s napříč autobusu 4,096 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.
Quadro GV100— Jaký typ paměti používá?
Používá HBM2 častěji než 848 MHz. 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.
Quadro GV100— Kdo to vyrábí?
Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 12 nm.
Quadro GV100— Kdy byl vydán?
Bylo to vydáno v March 2018.
Quadro GV100— 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.
Quadro GV100— kolik má cache?
L1 cache je 128 KB, a L2 cache je 6 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.
Quadro GV100— jaké jsou její TFLOPS?
Je hodnocena na 33.3 TFLOPS při poloviční přesnosti a 16.7 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.
Quadro GV100— kolik má tensorových jader?
Má 640 Tensor jádra napříč 80 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.
Quadro GV100— Podporuje to CUDA?
Ano. Hláší CUDA výpočetní schopnost 7.0. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.
Quadro GV100— 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.
Quadro GV100— Je to dobré pro běh místních AI modelů?
Jeho paměť pohodlně pokrývá středně velké modely, které většina lidí spouští místně, a jeho šířka pásma je dostatečně vysoká, aby generovala text rychleji, než většina lidí čte. Celkem běží 513 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.
Quadro GV100— může spustit model, který se nevejde do jeho VRAM?
Pouze částečně. Vrstvy nad kartou GPU 32 GB táhne to celé dolů a žádná z postav na této stránce to nepředpokládá.
Byly by dvě Quadro GV100 Karty budou dvakrát rychlejší?
Spojení jich kupuje rezervu spíše než tempo: 64 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.
Quadro GV100— které AI modely může spustit?
513 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.
Quadro GV100— jaký je největší AI model, který může spustit?
Největší model v našem katalogu, který se vejde, je Phi-3.5-MoE na 60.8B parametry, komprimované na Q3_K_M. Generuje přibližně 90.7 tokens za sekundu a potřebuje asi 27.2 GB VRAM karty.
Quadro GV100— kolik tokenů za sekundu produkuje?
Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 368 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.
Quadro GV100— může to běžet 7B modely?
Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 54.9 tokenů za sekundu
Quadro GV100— může to běžet 13B modely?
Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 128 tokenů za sekundu
Quadro GV100— může to běžet 30B modely?
Ano. Například běží ERNIE-4.5-VL-28B-A3B na Q6_K, používající přibližně 22.7 GB paměti a generování kolem 106 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.