Vypočítejte TPS modelu Data Center GPU Flex 140 na místních AI modelech

Intel 6 GB GDDR6 186 GB/s August 2022

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

266 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Qwen-VL

9.6B · Q3_K_M · 14.4 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

51.2 tok/s · 1B

Které AI modely mohou běžet na a Data Center GPU Flex 140?

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.

266 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
51.2 tok/s

31–82 · nízká důvěra

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
51.2 tok/s

31–82 · nízká důvěra

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
51.2 tok/s

31–82 · nízká důvěra

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
51.2 tok/s

31–82 · nízká důvěra

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
51.2 tok/s

31–82 · nízká důvěra

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
51.2 tok/s

31–82 · nízká důvěra

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
47.4 tok/s

28–76 · nízká důvěra

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokeny ? Q8_0 Pohodlný
46.6 tok/s

28–74 · nízká důvěra

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
46.6 tok/s

28–74 · nízká důvěra

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
46.6 tok/s

28–74 · nízká důvěra

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
46.6 tok/s

28–74 · nízká důvěra

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
42.7 tok/s

26–68 · nízká důvěra

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
42.7 tok/s

26–68 · nízká důvěra

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
42.7 tok/s

26–68 · nízká důvěra

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
42.7 tok/s

26–68 · nízká důvěra

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
41.6 tok/s

25–67 · nízká důvěra

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 113k tokeny Q8_0 Pohodlný
41.1 tok/s

25–66 · nízká důvěra

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · nízká důvěra

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · nízká důvěra

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · nízká důvěra

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · nízká důvěra

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · nízká důvěra

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · nízká důvěra

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · nízká důvěra

Otter ≈ 1.3B May 2023 2.1 GB 131k tokeny ? Q8_0 Pohodlný
39.4 tok/s

24–63 · 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

Data Center GPU Flex 140 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
6 GB
Šířka pásma VRAM
186 GB/s
Typ paměti
GDDR6
Šířka sběrnice paměti
96 bit
Frekvence paměti
1.94 GHz

Čip

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

Grafický procesor
DG2-128
Architektura
Xe-HPG
Generace
Data Center GPU(Arctic Sound)
Foundry
TSMC
Velikost procesu
6 nm
Tranzistory
7.2 billion
Hustota tranzistorů
45,900 K/mm²
Velikost čipu
157 mm²
Uvolněno
24 August 2022

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
1.6 GHz
Zvýšená frekvence
1.95 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
1,024
Jednotky pro mapování textur
64
Renderovací výstupní jednotky
32
Jádra ray tracing
8
L2 cache
4 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)
8 TFLOPS
Jednoduchá přesnost (FP32)
4 TFLOPS
Rychlost pixelů
62 GPixel/s
Rychlost textury
125 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
1x 8-pin
Rozhraní sběrnice
PCIe 4.0 x8
Šířka slotu
Single-slot
Rozměry
170 mm × 29 mm
Zobrazit výstupy
1x HDMI 2.1, 3x DisplayPort 2.0

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.

DirectX
12.2
OpenGL
4.6
Vulkan
1.4
OpenCL
3.0
Shader model
6.6

Seznamy

Kde koupit GPU Data Center GPU Flex 140

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

6 GB

Šířka pásma

186 GB/s

Největší model

Qwen-VL

Data Center GPU Flex 140 nese pouze 6 GB z GDDR6. To omezuje na menší konec katalogu, a model musí být zcela uvnitř, než něco vygeneruje. Runtime ve skutečnosti získá přibližně 5.4 GB.

Šířka pásma paměti dosahuje 186 GB/s napříč autobusu 96 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.

To pramení z paměťového taktu 1.94 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 Qwen-VL, 9.6B, komprimováno na Q3_K_M a generováním kolem 14.4 tokenů za sekundu

Čip a jak byl vyroben

Data Center GPU Flex 140 je postaven na grafickém procesoru DG2-128, používající architekturu Xe-HPG z Intel, jako součást generování Data Center GPU(Arctic Sound).

Čip je vyráběn společností TSMC, na procesu 6 nm, s kostkou o rozměrech 157 mm², držení 7.2 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 August 2022, hrubě 3.9385750992538 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

8 TFLOPS

Na papíře Data Center GPU Flex 140 dosahuje 8 TFLOPS při poloviční přesnosti, a 4 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.

Hodiny běží od základu 1.6 GHz k zvýšení 1.95 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

podporováno L2 cache 4 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 1,024 Stínovací jednotky, 64 Jednotky pro mapování textur, a 32 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

Data Center GPU Flex 140 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 170 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 x8. 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 Data Center GPU Flex 140

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

  1. 01 Qwen3.5-9B 9B · Q3_K_M · Feb 2026 15.4 tok/s
  2. 02 NVIDIA-Nemotron-Nano-9B-v2 9B · Q3_K_M · Aug 2025 15.4 tok/s
  3. 03 Ovis2.5 9B 9B · Q3_K_M · Aug 2025 15.4 tok/s
  4. 04 GLM-4.1V-Thinking 9B · Q3_K_M · Aug 2025 15.4 tok/s
  5. 05 MamayLM 9B · Q3_K_M · Apr 2025 15.4 tok/s
  6. 06 GLM-4-9B-0414 9B · Q3_K_M · Apr 2025 15.4 tok/s
  7. 07 SimPO 9B · Q3_K_M · Nov 2024 15.4 tok/s
  8. 08 GLM-4V-9B 9B · Q3_K_M · Jun 2024 15.4 tok/s
  9. 09 Persimmon-8B 9.3B · Q3_K_M · Sep 2023 14.9 tok/s
  10. 10 Qwen-VL 9.6B · Q3_K_M · Aug 2023 14.4 tok/s

Nejrychlejší AI modely na a Data Center GPU Flex 140

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

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 51.2 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 51.2 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 51.2 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 51.2 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 51.2 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 51.2 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 47.4 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 46.6 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 46.6 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 46.6 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Data Center GPU Flex 140

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.

  1. 01

    Hledejte model, který chcete

    Tabulka uvádí 266 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.

  2. 02

    Rozhodněte, jak dlouho vaše konverzace běží

    Přetáhněte posuvník na délku konverzace, na které plánujete pracovat. Cache se zvětšuje s konverzací, a proti kartě, která drží 6 GB to je často rozdíl mezi modelem, který se vejde, a tím, který se nevejde.

  3. 03

    Vyberte, jak daleko chcete komprimovat.

    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.

  4. 04

    Podívejte se na rozsah, nejen na číslo

    Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 51.2 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.

  5. 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 6 GB.

  6. 06

    Zkontrolujte stejný model z druhé strany

    Každá stránka modelu opakuje tento výpočet pro celý katalog. Stojí za to se podívat před rozhodnutím: ukazuje, co dalšího běží na stejném modelu, vedle Data Center GPU Flex 140.

Odpovědi

Data Center GPU Flex 140 — běžné otázky

01

Data Center GPU Flex 140— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 6 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.

02

Byly by dvě Data Center GPU Flex 140 Karty budou dvakrát rychlejší?

Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 12 GB pracovat s spíše než dvojnásobek tokenů za sekundu — každá hodnota zde je pro jeden KARTU.

03

Data Center GPU Flex 140— které AI modely může spustit?

266 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.

04

Data Center GPU Flex 140— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Qwen-VL na 9.6B parametry, komprimované na Q3_K_M. Generuje přibližně 14.4 tokens za sekundu a potřebuje asi 5.4 GB VRAM karty.

05

Data Center GPU Flex 140— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 51.2 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.

06

Data Center GPU Flex 140— může to běžet 7B modely?

Ano. Například běží MetaMath 7B (Mistral finetune) na IQ4_XS, používající přibližně 5.1 GB paměti a generování kolem 18.0 tokenů za sekundu

07

Data Center GPU Flex 140— kolik má paměti?

Tato karta má 6 GB z GDDR6. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 5.4 GB dostupný pro model a jeho konverzaci.

08

Data Center GPU Flex 140— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 186 GB/s napříč autobusu 96 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

09

Data Center GPU Flex 140— Jaký typ paměti používá?

Používá GDDR6 častěji než 1.94 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.

10

Data Center GPU Flex 140— Kdo to vyrábí?

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

11

Data Center GPU Flex 140— Kdy byl vydán?

Bylo to vydáno v August 2022.

12

Data Center GPU Flex 140— 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.

13

Data Center GPU Flex 140— kolik má cache?

a L2 cache je 4 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.

14

Data Center GPU Flex 140— jaké jsou její TFLOPS?

Je hodnocena na 8 TFLOPS při poloviční přesnosti a 4 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.

15

Data Center GPU Flex 140— Podporuje to CUDA?

Ne. CUDA je pouze od NVIDIA, a tohle je karta od Intel. 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.

16

Data Center GPU Flex 140— jaké rozhraní sběrnice používá?

Používá PCIe 4.0 x8. 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.

17

Data Center GPU Flex 140— 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 266 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

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