Vypočítejte TPS modelu Quadro P2200 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
Sailor-7B-Chat
7.7B · Q3_K_M · 25.2 tok/s
Nejrychlejší model
Gemma 3 QAT 1B
72.1 tok/s · 1B
Které AI modely mohou běžet na a Quadro P2200?
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.
203 modely odpovídají
Vypočítávání| Kvantisace | Pohodlné | ||||||
|---|---|---|---|---|---|---|---|
|
72.1
tok/s
25–144 · nízká důvěra |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
72.1
tok/s
25–144 · nízká důvěra |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
72.1
tok/s
25–144 · nízká důvěra |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
72.1
tok/s
25–144 · nízká důvěra |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
72.1
tok/s
25–144 · nízká důvěra |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
72.1
tok/s
25–144 · nízká důvěra |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
66.7
tok/s
23–133 · nízká důvěra |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
65.5
tok/s
23–131 · nízká důvěra |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
65.5
tok/s
23–131 · nízká důvěra |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
65.5
tok/s
23–131 · nízká důvěra |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
65.5
tok/s
23–131 · nízká důvěra |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
60.1
tok/s
21–120 · nízká důvěra |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
60.1
tok/s
21–120 · nízká důvěra |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
60.1
tok/s
21–120 · nízká důvěra |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
60.1
tok/s
21–120 · nízká důvěra |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
58.6
tok/s
21–117 · nízká důvěra |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 84k tokeny | Q8_0 | Pohodlný |
|
57.8
tok/s
20–116 · nízká důvěra |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · nízká důvěra |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · nízká důvěra |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · nízká důvěra |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · nízká důvěra |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · nízká důvěra |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · nízká důvěra |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · nízká důvěra |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
55.4
tok/s
19–111 · 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 P2200 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
- 5 GB
- Šířka pásma VRAM
- 200 GB/s
- Typ paměti
- GDDR5X
- Šířka sběrnice paměti
- 160 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
- GP106
- Architektura
- Pascal
- Generace
- Quadro Pascal(Px200)
- Foundry
- TSMC
- Velikost procesu
- 16 nm
- Tranzistory
- 4.4 billion
- Hustota tranzistorů
- 22,000 K/mm²
- Velikost čipu
- 200 mm²
- Balíček
- BGA-2173
- Uvolněno
- 10 June 2019
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 GHz
- Zvýšená frekvence
- 1.49 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
- 1,280
- Jednotky pro mapování textur
- 80
- Renderovací výstupní jednotky
- 40
- Streaming multiprocessory
- 10
- L1 cache
- 48 KB
- L2 cache
- 1.25 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)
- 59.7 GFLOPS
- Jednoduchá přesnost (FP32)
- 3.8 TFLOPS
- Dvojitá přesnost (FP64)
- 119.4 GFLOPS
- Rychlost pixelů
- 60 GPixel/s
- Rychlost textury
- 119 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)
- 75 W
- Navrhovaný zdroj napájení
- 250 W
- Napájecí konektory
- None
- Rozhraní sběrnice
- PCIe 3.0 x16
- Šířka slotu
- Single-slot
- Rozměry
- 201 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
- 6.1
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader model
- 6.8
Seznamy
Kde koupit GPU Quadro P2200
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
5 GB
Šířka pásma
200 GB/s
Největší model
Sailor-7B-Chat
Quadro P2200 nese pouze 5 GB z GDDR5X. To omezuje na menší konec katalogu, a model musí být zcela uvnitř, než něco vygeneruje. Runtime ve skutečnosti získá přibližně 4.5 GB.
Šířka pásma paměti dosahuje 200 GB/s napříč autobusu 160 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.
Sestaveno, největší model, který se vejde, je Sailor-7B-Chat, 7.7B, komprimováno na Q3_K_M a generováním kolem 25.2 tokenů za sekundu
Čip a jak byl vyroben
Quadro P2200 je postaven na grafickém procesoru GP106, používající architekturu Pascal z NVIDIA, jako součást generování Quadro Pascal(Px200).
Čip je vyráběn společností TSMC, na procesu 16 nm, s kostkou o rozměrech 200 mm², držení 4.4 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 2019, hrubě 7.142155411993 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
59.7 GFLOPS
FP64
119.4 GFLOPS
Na papíře Quadro P2200 dosahuje 59.7 GFLOPS při poloviční přesnosti, a 3.8 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 119.4 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 GHz k zvýšení 1.49 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 P2200 má L1 cache 48 KB, podporováno L2 cache 1.25 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 1,280 Stínovací jednotky, 80 Jednotky pro mapování textur, a 40 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
75 W
Quadro P2200 je ohodnocen na 75 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 201 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 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 P2200
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 P2200
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 P2200
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 203 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.
-
02
Přizpůsobte kontext své práci
Přetáhněte posuvník na délku konverzace, na které plánujete pracovat. Cache se zvětšuje s konverzací, a proti kartě, která drží 5 GB takže nastavení stojí za to udělat správně.
-
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.
-
04
Podívejte se na rozsah, nejen na číslo
Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 72.1 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.
Těsné znamená, že to dnes funguje; pohodlné znamená, že to stále funguje, když se konverzace rozrůstá. Porovnejte, co každý model potřebuje, s dostupným. 5 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 Quadro P2200.
Odpovědi
Quadro P2200 — běžné otázky
Quadro P2200— kolik má paměti?
Tato karta má 5 GB z GDDR5X. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 4.5 GB dostupný pro model a jeho konverzaci.
Quadro P2200— jaká je její šířka pásma VRAM?
Šířka pásma paměti dosahuje 200 GB/s napříč autobusu 160 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.
Quadro P2200— Jaký typ paměti používá?
Používá GDDR5X 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.
Quadro P2200— Kdo to vyrábí?
Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 16 nm.
Quadro P2200— Kdy byl vydán?
Bylo to vydáno v June 2019.
Quadro P2200— kolik energie to spotřebovává?
Hodnocená výkonová karta je 75 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.
Quadro P2200— kolik má cache?
L1 cache je 48 KB, a L2 cache je 1.25 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 P2200— jaké jsou její TFLOPS?
Je hodnocena na 59.7 GFLOPS při poloviční přesnosti a 3.8 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 P2200— 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.
Quadro P2200— 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 P2200— 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 203 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.
Quadro P2200— může spustit model, který se nevejde do jeho VRAM?
Offloading mimo karty 5 GB táhne to celé dolů a žádná z postav na této stránce to nepředpokládá.
Byly by dvě Quadro P2200 Karty budou dvakrát rychlejší?
Ne. Druhá karta zdvojnásobí VRAM na 10 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.
Quadro P2200— které AI modely může spustit?
203 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 P2200— jaký je největší AI model, který může spustit?
Největší model v našem katalogu, který se vejde, je Sailor-7B-Chat na 7.7B parametry, komprimované na Q3_K_M. Generuje přibližně 25.2 tokens za sekundu a potřebuje asi 4.5 GB VRAM karty.
Quadro P2200— kolik tokenů za sekundu produkuje?
Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 72.1 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.
Quadro P2200— může to běžet 7B modely?
Ano. Například běží Olmo 3 7B Think na Q3_K_M, používající přibližně 4.1 GB paměti a generování kolem 27.8 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.