Vypočítejte TPS modelu A10 PCIe na místních AI modelech

NVIDIA 24 GB GDDR6 600 GB/s April 2021

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

502 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Mixtral 8x7B

46.7B · Q3_K_M · 53.2 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

254 tok/s · 1B

Které AI modely mohou běžet na a A10 PCIe?

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

502 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
254 tok/s 216–305	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
254 tok/s 216–305	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
254 tok/s 153–407 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
254 tok/s 153–407 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
254 tok/s 153–407 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
254 tok/s 153–407 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
235 tok/s 141–377 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
231 tok/s 139–370 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
231 tok/s 139–370 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
231 tok/s 139–370 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
231 tok/s 139–370 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
212 tok/s 127–339 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
212 tok/s 127–339 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
212 tok/s 127–339 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
212 tok/s 127–339 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
207 tok/s 176–248	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
204 tok/s 122–326 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
196 tok/s 117–313 · 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

A10 PCIe 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: 24 GB
Šířka pásma VRAM: 600 GB/s
Typ paměti: GDDR6
Šířka sběrnice paměti: 384 bit
Frekvence paměti: 1.56 GHz

Čip

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

Grafický procesor: GA102
Architektura: Ampere
Generace: Server Ampere(Axx)
Foundry: Samsung
Velikost procesu: 8 nm
Tranzistory: 28.3 billion
Hustota tranzistorů: 45,100 K/mm²
Velikost čipu: 628 mm²
Balíček: BGA-3328
Uvolněno: 12 April 2021

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: 885 MHz
Zvýšená frekvence: 1.7 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: 9,216
Jednotky pro mapování textur: 288
Renderovací výstupní jednotky: 96
Streaming multiprocessory: 72
Tensor jádra: 288
Jádra ray tracing: 72
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): 31.2 TFLOPS
Jednoduchá přesnost (FP32): 31.2 TFLOPS
Dvojitá přesnost (FP64): 976.3 GFLOPS
Rychlost pixelů: 163 GPixel/s
Rychlost textury: 488 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): 150 W
Navrhovaný zdroj napájení: 450 W
Napájecí konektory: 1x 8-pin
Rozhraní sběrnice: PCIe 4.0 x16
Šířka slotu: Single-slot
Rozměry: 267 mm

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: 8.6
DirectX: 12.2
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Shader model: 6.8

Seznamy

Kde koupit GPU A10 PCIe

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

24 GB

Šířka pásma

600 GB/s

Největší model

Mixtral 8x7B

A10 PCIe nese 24 GB z GDDR6. Tohle pokrývá středně velké modely, které většina lidí skutečně používá. Jakmile runtime a ovladač rezervují svůj pracovní prostor, zhruba tolik zůstane: 21.6 GB.

Šířka pásma paměti dosahuje 600 GB/s napříč autobusu 384 bitů. To je číslo, které určuje rychlost generování — aritmetika na byte přečteném je dostatečně malá, takže čeká vše na sběrnici, nikoli na jádra.

Šířka pásma je frekvence krát šířka sběrnice, a tato karta taktí svou paměť na 1.56 GHz. Obě poloviny jsou důležité a ani jedna není viditelná v herním benchmarku.

Praktický strop je Mixtral 8x7B, 46.7B, komprimováno na Q3_K_M a generováním kolem 53.2 tokenů za sekundu

Čip a jak byl vyroben

A10 PCIe je postaven na grafickém procesoru GA102, používající architekturu Ampere z NVIDIA, jako součást generování Server Ampere(Axx).

Čip je vyráběn společností Samsung, na procesu 8 nm, s kostkou o rozměrech 628 mm², držení 28.3 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 April 2021, hrubě 5.3039540462259 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

31.2 TFLOPS

FP64

976.3 GFLOPS

Tensor jádra

288

Na papíře A10 PCIe dosahuje 31.2 TFLOPS při poloviční přesnosti, a 31.2 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 976.3 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.

Karta nese 288 Tensor jádra napříč 72 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 885 MHz k zvýšení 1.7 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

A10 PCIe 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 9,216 Stínovací jednotky, 288 Jednotky pro mapování textur, a 96 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

150 W

A10 PCIe je ohodnocen na 150 W, a navrhovaný systémový zdroj energie je 450 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 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 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 A10 PCIe

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

01 Qwen3-Omni-30B-A3B 35.3B · Q4_K_M · Sep 2025 92.4 tok/s
02 InternVL2_5-38B 38.4B · Q3_K_M · Dec 2024 17.9 tok/s
03 TeleChat2-35B 35B · IQ4_XS · Oct 2024 17.8 tok/s
04 InternVL2-40B 40.1B · Q3_K_M · Jul 2024 17.1 tok/s
05 JIUTIAN-139MoE 38.8B · Q3_K_M · Jun 2024 17.7 tok/s
06 VILA1.5-40B 40B · Q3_K_M · May 2024 17.2 tok/s
07 LLaVA-NeXT-34B (LLaVA-1.6) 34.8B · IQ4_XS · Jan 2024 18.0 tok/s
08 Mixtral 8x7B 46.7B · Q3_K_M · Dec 2023 53.2 tok/s
09 Falcon-40B 40B · Q3_K_M · Mar 2023 17.2 tok/s
10 gpt-sw3-40b 40B · Q3_K_M · Mar 2023 17.2 tok/s

Nejrychlejší AI modely na a A10 PCIe

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 254 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 254 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 254 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 254 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 254 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 254 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 235 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 231 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 231 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 231 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu A10 PCIe

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 502 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

Rozhodněte, jak dlouho vaše konverzace běží

Delší konverzace vyžadují paměť nad rámec váhy. 24 GB to je často rozdíl mezi modelem, který se vejde, a tím, který se nevejde.
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

Přečtěte si rychlost a rozsah

Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 254 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.

Sloupec vhodnosti odděluje modely, které se právě vejdou, od těch, které mají prostor navíc — stojí za to zkontrolovat před výběrem jednoho, proti dostupným 24 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 A10 PCIe.

Odpovědi

A10 PCIe — běžné otázky

A10 PCIe— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 88.3 tokenů za sekundu

A10 PCIe— může to běžet 30B modely?

Ano. Například běží Nemotron 3-Nano-30B-A3B na Q4_K_M, používající přibližně 18.1 GB paměti a generování kolem 103 tokenů za sekundu

A10 PCIe— kolik má paměti?

Tato karta má 24 GB z GDDR6. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 21.6 GB dostupný pro model a jeho konverzaci.

A10 PCIe— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 600 GB/s napříč autobusu 384 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

A10 PCIe— Jaký typ paměti používá?

Používá GDDR6 častěji než 1.56 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.

A10 PCIe— Kdo to vyrábí?

Toto je produkt z NVIDIA, s čipem vyrobeným od Samsung, na procesu 8 nm.

A10 PCIe— Kdy byl vydán?

Bylo to vydáno v April 2021.

A10 PCIe— kolik energie to spotřebovává?

Hodnocená výkonová karta je 150 W, a navrhovaný systémový zdroj energie je 450 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

A10 PCIe— 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.

A10 PCIe— jaké jsou její TFLOPS?

Je hodnocena na 31.2 TFLOPS při poloviční přesnosti a 31.2 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.

A10 PCIe— kolik má tensorových jader?

Má 288 Tensor jádra napříč 72 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

A10 PCIe— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 8.6. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

A10 PCIe— 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.

A10 PCIe— Je to dobré pro běh místních AI modelů?

Jeho paměť pohodlně pokrývá středně velké modely, které většina lidí běží lokálně, a jeho šířka pásma poskytuje použitelné, i když neohromující, rychlosti generování. Celkem běží 502 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

A10 PCIe— může spustit model, který se nevejde do jeho VRAM?

Offloading mimo karty 24 GB sedí v systémové paměti a běží zlomek rychlosti, takže většinou offloadovaný model se zřídka vyplatí používat. Každé číslo zde předpokládá, že je plně umístěno na kartě.

Byly by dvě A10 PCIe Karty budou dvakrát rychlejší?

Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 48 GB pracovat s spíše než dvojnásobek tokenů za sekundu — každá hodnota zde je pro jeden KARTU.

A10 PCIe— které AI modely může spustit?

502 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.

A10 PCIe— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Mixtral 8x7B na 46.7B parametry, komprimované na Q3_K_M. Generuje přibližně 53.2 tokens za sekundu a potřebuje asi 21.0 GB VRAM karty.

A10 PCIe— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 254 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.

A10 PCIe— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 37.9 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.

Všechny GPU