Vypočítejte TPS modelu Radeon Instinct MI200 na místních AI modelech

AMD 64 GB HBM2e 1,640 GB/s December 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

595 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Qwen3.5-122B-A10B

122B · Q3_K_M · 66.6 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

542 tok/s · 1B

Které AI modely mohou běžet na a Radeon Instinct MI200?

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

595 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
542 tok/s 325–867 · nízká důvěra	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
542 tok/s 325–867 · nízká důvěra	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
542 tok/s 325–867 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
542 tok/s 325–867 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
542 tok/s 325–867 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
542 tok/s 325–867 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
502 tok/s 301–803 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
493 tok/s 296–788 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
493 tok/s 296–788 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
493 tok/s 296–788 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
493 tok/s 296–788 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
451 tok/s 271–722 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
451 tok/s 271–722 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
451 tok/s 271–722 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
451 tok/s 271–722 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
440 tok/s 264–705 · nízká důvěra	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
434 tok/s 261–695 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
417 tok/s 250–667 · 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

Radeon Instinct MI200 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: 64 GB
Šířka pásma VRAM: 1,640 GB/s
Typ paměti: HBM2e
Šířka sběrnice paměti: 4,096 bit
Frekvence paměti: 1.6 GHz

Čip

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

Grafický procesor: Aldebaran
Architektura: CDNA 2.0
Generace: Radeon Instinct(MIx)
Foundry: TSMC
Velikost procesu: 6 nm
Tranzistory: 58.2 billion
Hustota tranzistorů: 80,400 K/mm²
Velikost čipu: 724 mm²
Uvolněno: 1 December 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: 1 GHz
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: 6,656
Jednotky pro mapování textur: 416
L1 cache: 16 KB
L2 cache: 16 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): 181 TFLOPS
Jednoduchá přesnost (FP32): 22.6 TFLOPS
Dvojitá přesnost (FP64): 22.6 TFLOPS
Rychlost textury: 707 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): 300 W
Navrhovaný zdroj napájení: 700 W
Napájecí konektory: 1x 8-pin
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.

OpenCL: 3.0

Seznamy

Kde koupit GPU Radeon Instinct MI200

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

Proč je paměť číslo, které zde záleží

Paměť

64 GB

Šířka pásma

1,640 GB/s

Největší model

Qwen3.5-122B-A10B

Radeon Instinct MI200 nese 64 GB z HBM2e. Tohle pokrývá středně velké modely, které většina lidí skutečně používá. Jakmile runtime a ovladač rezervují svůj pracovní prostor, zhruba tolik zůstane: 57.6 GB.

Šířka pásma paměti dosahuje 1,640 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.

Číslo je šířka sběrnice vynásobená hodinami paměti 1.6 GHz. Šíření sběrnice a zvyšování frekvence jsou dvě páky, které výrobce má, a proto může karta s nevýznamnými jádry stále generovat rychle.

V praxi tato kombinace dosahuje maxima na Qwen3.5-122B-A10B, 122B, komprimováno na Q3_K_M a generováním kolem 66.6 tokenů za sekundu

Čip a jak byl vyroben

Radeon Instinct MI200 je postaven na grafickém procesoru Aldebaran, používající architekturu CDNA 2.0 z AMD, jako součást generování Radeon Instinct(MIx).

Čip je vyráběn společností TSMC, na procesu 6 nm, s kostkou o rozměrech 724 mm², držení 58.2 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 December 2021, hrubě 4.6654321411211 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

181 TFLOPS

FP64

22.6 TFLOPS

Na papíře Radeon Instinct MI200 dosahuje 181 TFLOPS při poloviční přesnosti, a 22.6 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 22.6 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.

Hodiny běží od základu 1 GHz 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

Radeon Instinct MI200 má L1 cache 16 KB, podporováno L2 cache 16 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 6,656 Stínovací jednotky, 416 Jednotky pro mapování textur. 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

300 W

Radeon Instinct MI200 je ohodnocen na 300 W, a navrhovaný systémový zdroj energie je 700 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, 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 Radeon Instinct MI200

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

01 Qwen3.5-122B-A10B 122B · Q3_K_M · Feb 2026 66.6 tok/s
02 INTELLECT-3 106B · IQ4_XS · Nov 2025 69.7 tok/s
03 Cohere Command A Reasoning 111B · Q3_K_M · Aug 2025 13.2 tok/s
04 GLM-4.5V 108B · IQ4_XS · Aug 2025 68.4 tok/s
05 GLM-4.5-Air 106B · IQ4_XS · Aug 2025 69.7 tok/s
06 Command A Vision 112B · Q3_K_M · Jul 2025 13.1 tok/s
07 Llama 4 Scout 109B · Q3_K_M · Apr 2025 13.4 tok/s
08 Cohere Command A 111B · Q3_K_M · Mar 2025 13.2 tok/s
09 Telechat2-115B 115B · Q3_K_M · Sep 2024 12.7 tok/s
10 Qwen1.5-110B 110B · Q3_K_M · Apr 2024 13.3 tok/s

Nejrychlejší AI modely na a Radeon Instinct MI200

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 542 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 542 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 542 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 542 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 542 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 542 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 502 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 493 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 493 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 493 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Radeon Instinct MI200

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 595 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

Přizpůsobte kontext své práci

Delší konverzace vyžadují paměť nad rámec váhy. 64 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

Vezměte rozsah jako odpověď

Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 542 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

Tight fit běží, ale nedává žádný prostor pro zvýšení kontextu později; comfortable má rezervu. Sloupec paměti ukazuje, co každý model potřebuje proti dostupnému 64 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 Radeon Instinct MI200.

Odpovědi

Radeon Instinct MI200 — běžné otázky

Radeon Instinct MI200— Kdy byl vydán?

Bylo to vydáno v December 2021.

Radeon Instinct MI200— kolik energie to spotřebovává?

Hodnocená výkonová karta je 300 W, a navrhovaný systémový zdroj energie je 700 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

Radeon Instinct MI200— kolik má cache?

L1 cache je 16 KB, a L2 cache je 16 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.

Radeon Instinct MI200— jaké jsou její TFLOPS?

Je hodnocena na 181 TFLOPS při poloviční přesnosti a 22.6 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.

Radeon Instinct MI200— Podporuje to CUDA?

Ne. CUDA je pouze od NVIDIA, a tohle je karta od AMD. Spouští jazykové modely prostřednictvím ROCm, Vulkan nebo Metal v závislosti na softwaru, které jsou méně zralé než cesta CUDA — naše odhady na to uplatňují penalizaci.

Radeon Instinct MI200— 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.

Radeon Instinct MI200— Je to dobré pro běh místních AI modelů?

Jeho VRAM je dostatečně velká pro modely, které většina desktopového hardwaru nemůže dosáhnout, a jeho šířka pásma je dostatečně vysoká, aby generovala text rychleji, než většina lidí čte. Celkově běží 595 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

Radeon Instinct MI200— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 64 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

Byly by dvě Radeon Instinct MI200 Karty budou dvakrát rychlejší?

Ne. Druhá karta zdvojnásobí VRAM na 128 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.

Radeon Instinct MI200— které AI modely může spustit?

595 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.

Radeon Instinct MI200— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Qwen3.5-122B-A10B na 122B parametry, komprimované na Q3_K_M. Generuje přibližně 66.6 tokens za sekundu a potřebuje asi 53.1 GB VRAM karty.

Radeon Instinct MI200— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 542 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.

Radeon Instinct MI200— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 80.9 tokenů za sekundu

Radeon Instinct MI200— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 188 tokenů za sekundu

Radeon Instinct MI200— 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 108 tokenů za sekundu

Radeon Instinct MI200— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q5_K_M, používající přibližně 52.7 GB paměti a generování kolem 67.2 tokenů za sekundu

Radeon Instinct MI200— kolik má paměti?

Tato karta má 64 GB z HBM2e. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 57.6 GB dostupný pro model a jeho konverzaci.

Radeon Instinct MI200— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 1,640 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.

Radeon Instinct MI200— Jaký typ paměti používá?

Používá HBM2e častěji než 1.6 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.

Radeon Instinct MI200— Kdo to vyrábí?

Toto je produkt z AMD, s čipem vyrobeným od TSMC, na procesu 6 nm.

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