Vypočítejte TPS modelu Jetson Orin NX 16 GB na místních AI modelech

NVIDIA 16 GB LPDDR5 102 GB/s February 2023

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

432 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Nemotron 3-Nano-30B-A3B

31.6B · Q3_K_M · 20.6 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

43.4 tok/s · 1B

Které AI modely mohou běžet na a Jetson Orin NX 16 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

432 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
43.4 tok/s 37–52	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
43.4 tok/s 37–52	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
43.4 tok/s 26–69 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
43.4 tok/s 26–69 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
43.4 tok/s 26–69 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
43.4 tok/s 26–69 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
40.2 tok/s 24–64 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
39.4 tok/s 24–63 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
39.4 tok/s 24–63 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
39.4 tok/s 24–63 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
39.4 tok/s 24–63 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
36.1 tok/s 22–58 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
36.1 tok/s 22–58 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
36.1 tok/s 22–58 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
36.1 tok/s 22–58 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
35.3 tok/s 30–42	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
34.8 tok/s 21–56 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
33.4 tok/s 20–53 · 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

Jetson Orin NX 16 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: 16 GB
Šířka pásma VRAM: 102 GB/s
Typ paměti: LPDDR5
Šířka sběrnice paměti: 128 bit
Frekvence paměti: 800 MHz

Čip

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

Grafický procesor: GA10B
Architektura: Ampere
Generace: Tegra(Ampere)
Foundry: Samsung
Velikost procesu: 8 nm
Velikost čipu: 200 mm²
Uvolněno: 1 February 2023

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: 918 MHz
Zvýšená frekvence: 918 MHz

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: 32
Renderovací výstupní jednotky: 16
Streaming multiprocessory: 8
Tensor jádra: 32
L1 cache: 128 KB
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): 3.8 TFLOPS
Jednoduchá přesnost (FP32): 1.9 TFLOPS
Rychlost pixelů: 15 GPixel/s
Rychlost textury: 29 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): 25 W
Rozhraní sběrnice: PCIe 4.0 x4
Šířka slotu: IGP
Rozměry: 70 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: 8.7
DirectX: 12.2
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Shader model: 6.8

Seznamy

Kde koupit GPU Jetson Orin NX 16 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

Co znamená paměťový subsystém pro AI

Paměť

16 GB

Šířka pásma

102 GB/s

Největší model

Nemotron 3-Nano-30B-A3B

Jetson Orin NX 16 GB nese 16 GB z LPDDR5. To dosahuje pohodlně do malých a středně velkých modelů, i když ty největší zůstávají mimo dosah bez jejich rozdělení. Přetížení ovladače zanechává přibližně 14.4 GB.

Šířka pásma paměti dosahuje 102 GB/s napříč autobusu 128 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.

Číslo je šířka sběrnice vynásobená hodinami paměti 800 MHz. Šíření sběrnice a zvyšování frekvence jsou dvě páky, které výrobce má, a proto může karta s nevýznamnými jádry stále generovat rychle.

Praktický strop je Nemotron 3-Nano-30B-A3B, 31.6B, komprimováno na Q3_K_M a generováním kolem 20.6 tokenů za sekundu

Čip a jak byl vyroben

Jetson Orin NX 16 GB je postaven na grafickém procesoru GA10B, používající architekturu Ampere z NVIDIA, jako součást generování Tegra(Ampere).

Čip je vyráběn společností Samsung, na procesu 8 nm, s kostkou o rozměrech 200 mm². 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 February 2023, hrubě 3.4959392749718 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

3.8 TFLOPS

Tensor jádra

Na papíře Jetson Orin NX 16 GB dosahuje 3.8 TFLOPS při poloviční přesnosti, a 1.9 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.

Karta nese 32 Tensor jádra napříč 8 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 918 MHz k zvýšení 918 MHz. Zde má mnohem nižší hodnotu než na herním benchmarku: zvyšování taktovacích frekvencí zrychluje aritmetiku, a na aritmetiku není generace čekající.

Cache a zpracovatelské jednotky

Jetson Orin NX 16 GB má L1 cache 128 KB, 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, 32 Jednotky pro mapování textur, a 16 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

25 W

Jetson Orin NX 16 GB je ohodnocen na 25 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, měření 70 mm dlouhý. 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 x4. 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 Jetson Orin NX 16 GB

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

01 North Mini Code 30B · Q3_K_M · Jun 2026 21.7 tok/s
02 Qwen 3.6-27B 27B · Q3_K_M · Apr 2026 4.3 tok/s
03 Qwen3.5-27B 27B · Q3_K_M · Feb 2026 4.3 tok/s
04 Nemotron 3-Nano-30B-A3B 31.6B · Q3_K_M · Dec 2025 20.6 tok/s
05 Nomos 1 30B · Q3_K_M · Dec 2025 21.7 tok/s
06 C2S-Scale 27B · Q3_K_M · Oct 2025 4.3 tok/s
07 Gemma-SEA-LION-v4-27B-IT 27B · Q3_K_M · Aug 2025 4.3 tok/s
08 ERNIE-4.5-VL-28B-A3B 28B · Q3_K_M · Jun 2025 23.2 tok/s
09 Qwen3-30B-A3B 30B · Q3_K_M · Apr 2025 21.7 tok/s
10 Gemma 3 QAT 27B 27B · Q3_K_M · Apr 2025 4.3 tok/s

Nejrychlejší AI modely na a Jetson Orin NX 16 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 43.4 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 43.4 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 43.4 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 43.4 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 43.4 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 43.4 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 40.2 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 39.4 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 39.4 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 39.4 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Jetson Orin NX 16 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

Najděte model v tabulce

Tabulka uvádí 432 modely, které karta zvládá. Vyhledávací pole přijímá název nebo velikost, jako je 27b, která odpovídá počtu parametrů.
02

Nastavte délku kontextu, kterou skutečně použijete

Přetáhněte posuvník na délku konverzace, na které plánujete pracovat. Cache se zvětšuje s konverzací, a proti kartě, která drží 16 GB takže nastavení stojí za to udělat správně.
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

Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 43.4 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.

Tight fit běží, ale nedává žádný prostor pro zvýšení kontextu později; comfortable má rezervu. Sloupec paměti ukazuje, co každý model potřebuje proti dostupnému 16 GB.
06

Otevřete model pro porovnání karet

Následující model na jeho vlastní stránce zobrazuje veškerý hardware, který ho může spustit, takže můžete vidět, jak se porovnává proti Jetson Orin NX 16 GB.

Odpovědi

Jetson Orin NX 16 GB — běžné otázky

Jetson Orin NX 16 GB— může to běžet 30B modely?

Ano. Například běží ERNIE-4.5-VL-28B-A3B na Q3_K_M, používající přibližně 12.9 GB paměti a generování kolem 23.2 tokenů za sekundu

Jetson Orin NX 16 GB— kolik má paměti?

Tato karta má 16 GB z LPDDR5. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 14.4 GB dostupný pro model a jeho konverzaci.

Jetson Orin NX 16 GB— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 102 GB/s napříč autobusu 128 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

Jetson Orin NX 16 GB— Jaký typ paměti používá?

Používá LPDDR5 častěji než 800 MHz. 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.

Jetson Orin NX 16 GB— Kdo to vyrábí?

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

Jetson Orin NX 16 GB— Kdy byl vydán?

Bylo to vydáno v February 2023.

Jetson Orin NX 16 GB— kolik energie to spotřebovává?

Hodnocená výkonová karta je 25 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

Jetson Orin NX 16 GB— kolik má cache?

L1 cache je 128 KB, 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.

Jetson Orin NX 16 GB— jaké jsou její TFLOPS?

Je hodnocena na 3.8 TFLOPS při poloviční přesnosti a 1.9 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.

Jetson Orin NX 16 GB— kolik má tensorových jader?

Má 32 Tensor jádra napříč 8 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

Jetson Orin NX 16 GB— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 8.7. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

Jetson Orin NX 16 GB— jaké rozhraní sběrnice používá?

Používá PCIe 4.0 x4. 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.

Jetson Orin NX 16 GB— Je to dobré pro běh místních AI modelů?

Jeho paměť pokrývá malé a středně velké modely, přičemž největší jsou mimo dosah, avšak jeho šířka pásma znamená, že generace bude na větších modelech působit pomalu. Celkově běží 432 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

Jetson Orin NX 16 GB— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 16 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

Byly by dvě Jetson Orin NX 16 GB Karty budou dvakrát rychlejší?

Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 32 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.

Jetson Orin NX 16 GB— které AI modely může spustit?

432 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.

Jetson Orin NX 16 GB— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Nemotron 3-Nano-30B-A3B na 31.6B parametry, komprimované na Q3_K_M. Generuje přibližně 20.6 tokens za sekundu a potřebuje asi 14.4 GB VRAM karty.

Jetson Orin NX 16 GB— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 43.4 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.

Jetson Orin NX 16 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 6.5 tokenů za sekundu

Jetson Orin NX 16 GB— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q6_K, používající přibližně 13.7 GB paměti a generování kolem 21.9 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