Vypočítejte TPS modelu Tesla V100 FHHL 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
Nemotron 3-Nano-30B-A3B
31.6B · Q3_K_M · 166 tok/s
Nejrychlejší model
Gemma 3 QAT 1B
350 tok/s · 1B
Které AI modely mohou běžet na a Tesla V100 FHHL?
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.
432 modely odpovídají
Vypočítávání| Kvantisace | Pohodlné | ||||||
|---|---|---|---|---|---|---|---|
|
350
tok/s
298–421 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
350
tok/s
298–421 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
350
tok/s
210–561 · nízká důvěra |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
350
tok/s
210–561 · nízká důvěra |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
350
tok/s
210–561 · nízká důvěra |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
350
tok/s
210–561 · nízká důvěra |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
324
tok/s
195–519 · nízká důvěra |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
319
tok/s
191–510 · nízká důvěra |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
319
tok/s
191–510 · nízká důvěra |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
319
tok/s
191–510 · nízká důvěra |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
319
tok/s
191–510 · nízká důvěra |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
292
tok/s
175–467 · nízká důvěra |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
292
tok/s
175–467 · nízká důvěra |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
292
tok/s
175–467 · nízká důvěra |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
292
tok/s
175–467 · nízká důvěra |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
285
tok/s
242–342 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Pohodlný |
|
281
tok/s
169–449 · nízká důvěra |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · nízká důvěra |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · nízká důvěra |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · nízká důvěra |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · nízká důvěra |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · nízká důvěra |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · nízká důvěra |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · nízká důvěra |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
270
tok/s
162–431 · 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
Tesla V100 FHHL 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
- 16 GB
- Šířka pásma VRAM
- 827 GB/s
- Typ paměti
- HBM2
- Šířka sběrnice paměti
- 4,096 bit
- Frekvence paměti
- 808 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
- Tesla Volta(Vxx)
- 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
- 937 MHz
- Zvýšená frekvence
- 1.29 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)
- 26.4 TFLOPS
- Jednoduchá přesnost (FP32)
- 13.2 TFLOPS
- Dvojitá přesnost (FP64)
- 6.6 TFLOPS
- Rychlost pixelů
- 165 GPixel/s
- Rychlost textury
- 413 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
- Single-slot
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 Tesla V100 FHHL
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
16 GB
Šířka pásma
827 GB/s
Největší model
Nemotron 3-Nano-30B-A3B
Tesla V100 FHHL nese 16 GB z HBM2. To dosahuje pohodlně do malých a středně velkých modelů, i když ty největší zůstávají mimo dosah bez jejich rozdělení. Přetížení ovladače zanechává přibližně 14.4 GB.
Šířka pásma paměti dosahuje 827 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 808 MHz. Obě poloviny jsou důležité a ani jedna není viditelná v herním benchmarku.
V praxi tato kombinace dosahuje maxima na Nemotron 3-Nano-30B-A3B, 31.6B, komprimováno na Q3_K_M a generováním kolem 166 tokenů za sekundu
Čip a jak byl vyroben
Tesla V100 FHHL je postaven na grafickém procesoru GV100, používající architekturu Volta z NVIDIA, jako součást generování Tesla Volta(Vxx).
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 8.3479818740556 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
26.4 TFLOPS
FP64
6.6 TFLOPS
Tensor jádra
640
Na papíře Tesla V100 FHHL dosahuje 26.4 TFLOPS při poloviční přesnosti, a 13.2 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 6.6 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 937 MHz k zvýšení 1.29 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
Tesla V100 FHHL 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
Tesla V100 FHHL 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 single-slot, 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 Tesla V100 FHHL
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 Tesla V100 FHHL
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 Tesla V100 FHHL
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 432 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.
-
02
Přizpůsobte kontext své práci
Delší konverzace vyžadují paměť nad rámec váhy. 16 GB to je často rozdíl mezi modelem, který se vejde, a tím, který se nevejde.
-
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.
-
04
Přečtěte si rychlost a rozsah
Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 350 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.
-
05
Zkontrolujte volný prostor, než se rozhodnete
Sloupec vhodnosti odděluje modely, které se právě vejdou, od těch, které mají prostor navíc — stojí za to zkontrolovat před výběrem jednoho, proti dostupným 16 GB.
-
06
Otevřete model pro porovnání karet
Každá stránka modelu opakuje tento výpočet pro celý katalog. Stojí za to se podívat před rozhodnutím: ukazuje, co dalšího běží na stejném modelu, vedle Tesla V100 FHHL.
Odpovědi
Tesla V100 FHHL — běžné otázky
Tesla V100 FHHL— 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.
Tesla V100 FHHL— jaké jsou její TFLOPS?
Je hodnocena na 26.4 TFLOPS při poloviční přesnosti a 13.2 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.
Tesla V100 FHHL— 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.
Tesla V100 FHHL— 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.
Tesla V100 FHHL— 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.
Tesla V100 FHHL— Je to dobré pro běh místních AI modelů?
Jeho paměť pokrývá malé a střední modely, přičemž největší jsou mimo dosah a jeho šířka pásma je dostatečně vysoká, aby generoval text rychleji, než většina lidí čte. Celkově běží 432 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.
Tesla V100 FHHL— může spustit model, který se nevejde do jeho VRAM?
Pouze částečně. Vrstvy nad kartou GPU 16 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.
Byly by dvě Tesla V100 FHHL Karty budou dvakrát rychlejší?
Ne. Druhá karta zdvojnásobí VRAM na 32 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.
Tesla V100 FHHL— které AI modely může spustit?
432 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.
Tesla V100 FHHL— jaký je největší AI model, který může spustit?
Největší model v našem katalogu, který se vejde, je Nemotron 3-Nano-30B-A3B na 31.6B parametry, komprimované na Q3_K_M. Generuje přibližně 166 tokens za sekundu a potřebuje asi 14.4 GB VRAM karty.
Tesla V100 FHHL— kolik tokenů za sekundu produkuje?
Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 350 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.
Tesla V100 FHHL— může to běžet 7B modely?
Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 52.3 tokenů za sekundu
Tesla V100 FHHL— může to běžet 13B modely?
Ano. Například běží DeepSeekMoE-16B na Q6_K, používající přibližně 13.7 GB paměti a generování kolem 177 tokenů za sekundu
Tesla V100 FHHL— může to běžet 30B modely?
Ano. Například běží ERNIE-4.5-VL-28B-A3B na Q3_K_M, používající přibližně 12.9 GB paměti a generování kolem 188 tokenů za sekundu
Tesla V100 FHHL— kolik má paměti?
Tato karta má 16 GB z HBM2. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 14.4 GB dostupný pro model a jeho konverzaci.
Tesla V100 FHHL— jaká je její šířka pásma VRAM?
Šířka pásma paměti dosahuje 827 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.
Tesla V100 FHHL— Jaký typ paměti používá?
Používá HBM2 častěji než 808 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.
Tesla V100 FHHL— Kdo to vyrábí?
Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 12 nm.
Tesla V100 FHHL— Kdy byl vydán?
Bylo to vydáno v March 2018.
Tesla V100 FHHL— 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.
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.