Vypočítejte TPS modelu A100 SXM4 80 GB na místních AI modelech

NVIDIA 80 GB HBM2e 2,040 GB/s November 2020

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

609 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

dots.llm1

142B · Q3_K_M · 16.4 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

864 tok/s · 1B

Které AI modely mohou běžet na a A100 SXM4 80 GB?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Více kontextu znamená více paměti pro cache konverzace. Rychlost je pro novou konverzaci a nemění se s tímto nastavením..

Minimální kvalita

Skrývá modely, které by se vešly pouze tím, že by byly komprimovány pod tuto úroveň.

Hledat modely

Velikost modelu

Uvolněno

Také zobrazit modely, které nemůže spustit

609 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
864 tok/s 734–1,037	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
864 tok/s 734–1,037	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
864 tok/s 518–1,382 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
864 tok/s 518–1,382 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
864 tok/s 518–1,382 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
864 tok/s 518–1,382 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
800 tok/s 480–1,280 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
785 tok/s 471–1,257 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
785 tok/s 471–1,257 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
785 tok/s 471–1,257 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
785 tok/s 471–1,257 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
720 tok/s 432–1,152 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
720 tok/s 432–1,152 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
720 tok/s 432–1,152 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
720 tok/s 432–1,152 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
702 tok/s 597–843	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
693 tok/s 416–1,108 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
665 tok/s 399–1,063 · 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

A100 SXM4 80 GB 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: 80 GB
Šířka pásma VRAM: 2,040 GB/s
Typ paměti: HBM2e
Šířka sběrnice paměti: 5,120 bit
Frekvence paměti: 1.59 GHz

Čip

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

Grafický procesor: GA100
Architektura: Ampere
Generace: Server Ampere(Axx)
Foundry: TSMC
Velikost procesu: 7 nm
Tranzistory: 54.2 billion
Hustota tranzistorů: 65,600 K/mm²
Velikost čipu: 826 mm²
Balíček: BGA-2743
Uvolněno: 16 November 2020

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: 1.28 GHz
Zvýšená frekvence: 1.41 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: 6,912
Jednotky pro mapování textur: 432
Renderovací výstupní jednotky: 160
Streaming multiprocessory: 108
Tensor jádra: 432
L1 cache: 192 KB
L2 cache: 40 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): 78 TFLOPS
Jednoduchá přesnost (FP32): 19.5 TFLOPS
Dvojitá přesnost (FP64): 9.7 TFLOPS
Rychlost pixelů: 226 GPixel/s
Rychlost textury: 609 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): 400 W
Navrhovaný zdroj napájení: 800 W
Napájecí konektory: None
Rozhraní sběrnice: PCIe 4.0 x16
Šířka slotu: OAM Module

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: 8.0
OpenCL: 3.0

Seznamy

Kde koupit GPU A100 SXM4 80 GB

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

80 GB

Šířka pásma

2,040 GB/s

Největší model

dots.llm1

A100 SXM4 80 GB drží 80 GB z HBM2e. To dává do třídy hardwaru, který pojme největší OPEN WEIGHT modely, aniž by je rozděloval mezi stroje. Inference RUNTIME může dosáhnout přibližně 72 GB.

Šířka pásma paměti dosahuje 2,040 GB/s napříč autobusu 5,120 bitů. To je na vrcholu toho, co existuje. Vzhledem k tomu, že každý token znamená přečíst celý model z VRAM jednou, téměř přímo se to překládá do rychlosti generování — tato karta je dostatečně bohatá na šířku pásma, takže velikost modelu přestává být omezujícím faktorem dlouho předtím, než se na to dostane sběrnice.

Číslo je šířka sběrnice vynásobená hodinami paměti 1.59 GHz. Je to důvod, proč počty jader tak špatně předpovídají rychlost generace.

Praktický strop je dots.llm1, 142B, komprimováno na Q3_K_M a generováním kolem 16.4 tokenů za sekundu

Čip a jak byl vyroben

A100 SXM4 80 GB je postaven na grafickém procesoru GA100, používající architekturu Ampere z NVIDIA, jako součást generování Server Ampere(Axx).

Čip je vyráběn společností TSMC, na procesu 7 nm, s kostkou o rozměrech 826 mm², držení 54.2 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 November 2020, hrubě 5.7065265715769 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

78 TFLOPS

FP64

9.7 TFLOPS

Tensor jádra

432

Na papíře A100 SXM4 80 GB dosahuje 78 TFLOPS při poloviční přesnosti, a 19.5 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 9.7 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 432 Tensor jádra napříč 108 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 1.28 GHz k zvýšení 1.41 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

A100 SXM4 80 GB má L1 cache 192 KB, podporováno L2 cache 40 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 6,912 Stínovací jednotky, 432 Jednotky pro mapování textur, a 160 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

400 W

A100 SXM4 80 GB je ohodnocen na 400 W, a navrhovaný systémový zdroj energie je 800 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 oam module. 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 4.0 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 A100 SXM4 80 GB

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

01 Mistral Medium 3.5 128B · IQ4_XS · Apr 2026 16.6 tok/s
02 dots.llm1 142B · Q3_K_M · Jul 2025 16.4 tok/s
03 Pixtral Large 124B · IQ4_XS · Nov 2024 17.1 tok/s
04 xLAM-8x22B 141B · Q3_K_M · Sep 2024 16.5 tok/s
05 SaulLM-large 141B · Q3_K_M · Jul 2024 16.5 tok/s
06 Mixtral 8x22B 141B · Q3_K_M · Apr 2024 59.8 tok/s
07 WizardLM-2 8x22B 141B · Q3_K_M · Apr 2024 16.5 tok/s
08 Zephyr 141B-A39B 141B · Q3_K_M · Apr 2024 59.8 tok/s
09 APUS-xDAN-4.0(MoE) 136B · Q3_K_M · Apr 2024 17.1 tok/s
10 DBRX 132B · IQ4_XS · Mar 2024 58.9 tok/s

Nejrychlejší AI modely na a A100 SXM4 80 GB

Kde tato KARTA produkuje TOKENY nejrychleji. Menší modely zde dominují, protože generování každého TOKENU znamená přečtení celého modelu z MEMORY jednou..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 864 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 864 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 864 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 864 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 864 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 864 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 800 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 785 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 785 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 785 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu A100 SXM4 80 GB

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 609 modely, které tato karta může spustit. Hledejte podle názvu nebo podle velikosti — zadání 27b odpovídá počtu parametrů, i když se v názvu nikdy neuvádí.
02

Nastavte délku kontextu, kterou skutečně použijete

Delší konverzace vyžadují paměť nad rámec váhy. 80 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

Přečtěte si rychlost a rozsah

Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 864 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.
05

Zkontrolujte sloupec paměti před potvrzením

Tight fit běží, ale nedává žádný prostor pro zvýšení kontextu později; comfortable má rezervu. Sloupec paměti ukazuje, co každý model potřebuje proti dostupnému 80 GB.
06

Ověření proti jinému hardwaru

Následující model na jeho vlastní stránce zobrazuje veškerý hardware, který ho může spustit, takže můžete vidět, jak se porovnává proti A100 SXM4 80 GB.

Odpovědi

A100 SXM4 80 GB — běžné otázky

A100 SXM4 80 GB— kolik energie to spotřebovává?

Hodnocená výkonová karta je 400 W, a navrhovaný systémový zdroj energie je 800 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

A100 SXM4 80 GB— kolik má cache?

L1 cache je 192 KB, a L2 cache je 40 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.

A100 SXM4 80 GB— jaké jsou její TFLOPS?

Je hodnocena na 78 TFLOPS při poloviční přesnosti a 19.5 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.

A100 SXM4 80 GB— kolik má tensorových jader?

Má 432 Tensor jádra napříč 108 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

A100 SXM4 80 GB— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 8.0. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

A100 SXM4 80 GB— jaké rozhraní sběrnice používá?

Používá PCIe 4.0 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.

A100 SXM4 80 GB— Je to dobré pro běh místních AI modelů?

Jeho paměť je dostatečně velká pro modely, které většina desktopového hardwaru nedokáže dosáhnout, a její šířka pásma ji řadí mezi nejrychlejší hardware dostupný pro generaci. Celkově běží 609 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

A100 SXM4 80 GB— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 80 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

Byly by dvě A100 SXM4 80 GB Karty budou dvakrát rychlejší?

Ne. Druhá karta zdvojnásobí VRAM na 160 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.

A100 SXM4 80 GB— které AI modely může spustit?

609 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.

A100 SXM4 80 GB— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je dots.llm1 na 142B parametry, komprimované na Q3_K_M. Generuje přibližně 16.4 tokens za sekundu a potřebuje asi 70.1 GB VRAM karty.

A100 SXM4 80 GB— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 864 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.

A100 SXM4 80 GB— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 129 tokenů za sekundu

A100 SXM4 80 GB— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 300 tokenů za sekundu

A100 SXM4 80 GB— může to běžet 30B modely?

Ano. Například běží ERNIE-4.5-VL-28B-A3B na Q8_0, používající přibližně 29.2 GB paměti a generování kolem 171 tokenů za sekundu

A100 SXM4 80 GB— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q6_K, používající přibližně 62.0 GB paměti a generování kolem 87.2 tokenů za sekundu

A100 SXM4 80 GB— kolik má paměti?

Tato karta má 80 GB z HBM2e. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 72 GB dostupný pro model a jeho konverzaci.

A100 SXM4 80 GB— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 2,040 GB/s napříč autobusu 5,120 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

A100 SXM4 80 GB— Jaký typ paměti používá?

Používá HBM2e častěji než 1.59 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.

A100 SXM4 80 GB— Kdo to vyrábí?

Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 7 nm.

A100 SXM4 80 GB— Kdy byl vydán?

Bylo to vydáno v November 2020.

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