Vypočítejte TPS modelu GRID A100A 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
721 modely v našem katalogu dohromady
Největší model, který podporuje
Phi-3.5-MoE
60.8B · Q3_K_M · 195 tok/s
Nejrychlejší model
Gemma 3 QAT 1B
792 tok/s · 1B
Které AI modely mohou běžet na a GRID A100A?
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.
543 modely odpovídají
Vypočítávání| Kvantisace | Pohodlné | ||||||
|---|---|---|---|---|---|---|---|
|
792
tok/s
673–950 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
792
tok/s
673–950 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
792
tok/s
475–1,267 · nízká důvěra |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
792
tok/s
475–1,267 · nízká důvěra |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
792
tok/s
475–1,267 · nízká důvěra |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
792
tok/s
475–1,267 · nízká důvěra |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
733
tok/s
440–1,173 · nízká důvěra |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
720
tok/s
432–1,152 · nízká důvěra |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
720
tok/s
432–1,152 · nízká důvěra |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
720
tok/s
432–1,152 · nízká důvěra |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
720
tok/s
432–1,152 · nízká důvěra |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
660
tok/s
396–1,056 · nízká důvěra |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
660
tok/s
396–1,056 · nízká důvěra |
LFM2-1.2B ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
660
tok/s
396–1,056 · nízká důvěra |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
660
tok/s
396–1,056 · nízká důvěra |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
660
tok/s
396–1,056 · nízká důvěra |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
644
tok/s
547–773 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Pohodlný |
|
635
tok/s
381–1,016 · nízká důvěra |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
609
tok/s
366–975 · nízká důvěra |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
609
tok/s
366–975 · nízká důvěra |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
609
tok/s
366–975 · nízká důvěra |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
609
tok/s
366–975 · nízká důvěra |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
609
tok/s
366–975 · nízká důvěra |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
609
tok/s
366–975 · nízká důvěra |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
609
tok/s
366–975 · 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
GRID A100A 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
- 1,870 GB/s
- Typ paměti
- HBM2e
- Šířka sběrnice paměti
- 6,144 bit
- Frekvence paměti
- 1.22 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
- GRID(Ax)
- Foundry
- TSMC
- Velikost procesu
- 7 nm
- Tranzistory
- 54.2 billion
- Hustota tranzistorů
- 65,600 K/mm²
- Velikost čipu
- 826 mm²
- Balíček
- BGA-2743
- Uvolněno
- 14 May 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
- 1.1 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
- 192
- Streaming multiprocessory
- 108
- Tensor jádra
- 432
- L1 cache
- 192 KB
- L2 cache
- 32 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
- 271 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
- IGP
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 GRID A100A
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
Co znamená paměťový subsystém pro AI
Paměť
32 GB
Šířka pásma
1,870 GB/s
Největší model
Phi-3.5-MoE
GRID A100A nese 32 GB z HBM2e. 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 1,870 GB/s napříč autobusu 6,144 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 1.22 GHz. Obě poloviny jsou důležité a ani jedna není viditelná v herním benchmarku.
Sestaveno, největší model, který se vejde, je Phi-3.5-MoE, 60.8B, komprimováno na Q3_K_M a generováním kolem 195 tokenů za sekundu
Čip a jak byl vyroben
GRID A100A je postaven na grafickém procesoru GA100, používající architekturu Ampere z NVIDIA, jako součást generování GRID(Ax).
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 May 2020, hrubě 6.3391835763195 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 GRID A100A 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 1.1 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
GRID A100A má L1 cache 192 KB, podporováno L2 cache 32 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 192 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
GRID A100A 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 igp. 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 GRID A100A
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 GRID A100A
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 GRID A100A
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 543 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.
-
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. 32 GB takže nastavení stojí za to udělat správně.
-
03
Nastavte minimální kvalitu, pokud ji potřebujete.
Kompresce je to, co umožňuje větším modelům se vejít. Kontrola kvality vyřadí jakýkoli model, který vyžaduje více toho, než jste ochotni poskytnout.
-
04
Vezměte rozsah jako odpověď
Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 792 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
Těsné znamená, že to dnes funguje; pohodlné znamená, že to stále funguje, když se konverzace rozrůstá. Porovnejte, co každý model potřebuje, s dostupným. 32 GB.
-
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 GRID A100A.
Odpovědi
GRID A100A — běžné otázky
GRID A100A— 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 228 tokenů za sekundu
GRID A100A— kolik má paměti?
Tato karta má 32 GB z HBM2e. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 28.8 GB dostupný pro model a jeho konverzaci.
GRID A100A— jaká je její šířka pásma VRAM?
Šířka pásma paměti dosahuje 1,870 GB/s napříč autobusu 6,144 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.
GRID A100A— Jaký typ paměti používá?
Používá HBM2e častěji než 1.22 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.
GRID A100A— Kdo to vyrábí?
Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 7 nm.
GRID A100A— Kdy byl vydán?
Bylo to vydáno v May 2020.
GRID A100A— 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.
GRID A100A— kolik má cache?
L1 cache je 192 KB, a L2 cache je 32 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.
GRID A100A— 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.
GRID A100A— 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.
GRID A100A— 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.
GRID A100A— 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.
GRID A100A— 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 543 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.
GRID A100A— může spustit model, který se nevejde do jeho VRAM?
Offloading mimo karty 32 GB táhne to celé dolů a žádná z postav na této stránce to nepředpokládá.
Byly by dvě GRID A100A Karty budou dvakrát rychlejší?
Spojení jich kupuje rezervu spíše než tempo: 64 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.
GRID A100A— které AI modely může spustit?
543 z 721 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.
GRID A100A— 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 195 tokens za sekundu a potřebuje asi 27.2 GB VRAM karty.
GRID A100A— kolik tokenů za sekundu produkuje?
Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 792 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.
GRID A100A— může to běžet 7B modely?
Ano. Například běží Gemma 4 E4B na Q8_0, používající přibližně 9.8 GB paměti a generování kolem 176 tokenů za sekundu
GRID A100A— může to běžet 13B modely?
Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 275 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.