Vypočítejte TPS modelu RTX 4000 Mobile Ada Generation 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
679 modely v našem katalogu dohromady
Největší model, který podporuje
ERNIE-4.5-21B-A3B
21B · Q3_K_M · 131 tok/s
Nejrychlejší model
Gemma 3 QAT 1B
183 tok/s · 1B
Které AI modely mohou běžet na a RTX 4000 Mobile Ada Generation?
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.
396 modely odpovídají
Vypočítávání| Kvantisace | Pohodlné | ||||||
|---|---|---|---|---|---|---|---|
|
183
tok/s
156–220 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
183
tok/s
156–220 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Pohodlný |
|
183
tok/s
110–293 · nízká důvěra |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
183
tok/s
110–293 · nízká důvěra |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
183
tok/s
110–293 · nízká důvěra |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
183
tok/s
110–293 · nízká důvěra |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
169
tok/s
102–271 · nízká důvěra |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
166
tok/s
100–266 · nízká důvěra |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
166
tok/s
100–266 · nízká důvěra |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
166
tok/s
100–266 · nízká důvěra |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
166
tok/s
100–266 · nízká důvěra |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
152
tok/s
91–244 · nízká důvěra |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
152
tok/s
91–244 · nízká důvěra |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
152
tok/s
91–244 · nízká důvěra |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
152
tok/s
91–244 · nízká důvěra |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
149
tok/s
126–179 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Pohodlný |
|
147
tok/s
88–235 · nízká důvěra |
DeepSeekMoE-16B | 16B | Jan 2024 | 10.0 GB | 4k tokeny | Q4_K_M | Těsný |
|
147
tok/s
88–235 · nízká důvěra |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
141
tok/s
84–225 · nízká důvěra |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
141
tok/s
84–225 · nízká důvěra |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
141
tok/s
84–225 · nízká důvěra |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
141
tok/s
84–225 · nízká důvěra |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
141
tok/s
84–225 · nízká důvěra |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
141
tok/s
84–225 · nízká důvěra |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Pohodlný |
|
141
tok/s
84–225 · 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
RTX 4000 Mobile Ada Generation 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
- 12 GB
- Šířka pásma VRAM
- 432 GB/s
- Typ paměti
- GDDR6
- Šířka sběrnice paměti
- 192 bit
- Frekvence paměti
- 2.25 GHz
Čip
Který procesor je na desce a jak byl vyroben. Menší výrobní technologie obvykle znamená vyšší výkon při stejné spotřebě energie.
- Grafický procesor
- AD104
- Architektura
- Ada Lovelace
- Generace
- Ada-MW(x000A)
- Foundry
- TSMC
- Velikost procesu
- 5 nm
- Tranzistory
- 35.8 billion
- Hustota tranzistorů
- 121,800 K/mm²
- Velikost čipu
- 294 mm²
- Uvolněno
- 21 March 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
- 1.29 GHz
- Zvýšená frekvence
- 1.67 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
- 7,424
- Jednotky pro mapování textur
- 232
- Renderovací výstupní jednotky
- 80
- Streaming multiprocessory
- 58
- Tensor jádra
- 232
- Jádra ray tracing
- 58
- L1 cache
- 128 KB
- L2 cache
- 48 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)
- 24.7 TFLOPS
- Jednoduchá přesnost (FP32)
- 24.7 TFLOPS
- Dvojitá přesnost (FP64)
- 386.3 GFLOPS
- Rychlost pixelů
- 133 GPixel/s
- Rychlost textury
- 386 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)
- 110 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
- 8.9
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader model
- 6.8
Seznamy
Kde koupit GPU RTX 4000 Mobile Ada Generation
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
12 GB
Šířka pásma
432 GB/s
Největší model
ERNIE-4.5-21B-A3B
RTX 4000 Mobile Ada Generation nese 12 GB z GDDR6. To dosahuje pohodlně do malých a středně velkých modelů, i když ty největší zůstávají mimo dosah bez jejich rozdělení. Přetížení ovladače zanechává přibližně 10.8 GB.
Šířka pásma paměti dosahuje 432 GB/s napříč autobusu 192 bitů. To je číslo, které určuje rychlost generování — aritmetika na byte přečteném je dostatečně malá, takže čeká vše na sběrnici, nikoli na jádra.
Číslo je šířka sběrnice vynásobená hodinami paměti 2.25 GHz. Je to důvod, proč počty jader tak špatně předpovídají rychlost generace.
V praxi tato kombinace dosahuje maxima na ERNIE-4.5-21B-A3B, 21B, komprimováno na Q3_K_M a generováním kolem 131 tokenů za sekundu
Čip a jak byl vyroben
RTX 4000 Mobile Ada Generation je postaven na grafickém procesoru AD104, používající architekturu Ada Lovelace z NVIDIA, jako součást generování Ada-MW(x000A).
Čip je vyráběn společností TSMC, na procesu 5 nm, s kostkou o rozměrech 294 mm², držení 35.8 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 March 2023, hrubě 3.36422891197 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
24.7 TFLOPS
FP64
386.3 GFLOPS
Tensor jádra
232
Na papíře RTX 4000 Mobile Ada Generation dosahuje 24.7 TFLOPS při poloviční přesnosti, a 24.7 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 386.3 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 232 Tensor jádra napříč 58 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 1.29 GHz k zvýšení 1.67 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
RTX 4000 Mobile Ada Generation má L1 cache 128 KB, podporováno L2 cache 48 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 7,424 Stínovací jednotky, 232 Jednotky pro mapování textur, a 80 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
110 W
RTX 4000 Mobile Ada Generation je ohodnocen na 110 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 RTX 4000 Mobile Ada Generation
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 RTX 4000 Mobile Ada Generation
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 RTX 4000 Mobile Ada Generation
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 396 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. 12 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
Čísla jsou vypočítaná, ne měřená. Nejrychlejší výsledek na této kartě je 183 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 12 GB.
-
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 RTX 4000 Mobile Ada Generation.
Odpovědi
RTX 4000 Mobile Ada Generation — běžné otázky
RTX 4000 Mobile Ada Generation— 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.
RTX 4000 Mobile Ada Generation— Je to dobré pro běh místních AI modelů?
Jeho paměť pokrývá malé a středně velké modely, přesto jsou největší mimo dosah a jeho šířka pásma poskytuje použitelné, i když nespektakulární, rychlosti generování. Celkově běží 396 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.
RTX 4000 Mobile Ada Generation— může spustit model, který se nevejde do jeho VRAM?
Pouze částečně. Vrstvy nad kartou GPU 12 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.
Byly by dvě RTX 4000 Mobile Ada Generation Karty budou dvakrát rychlejší?
Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 24 GB které vám umožňují držet modely, které by samostatně neudržely, ale generace se takto nedělí. Tyto údaje popisují jednu kartu.
RTX 4000 Mobile Ada Generation— které AI modely může spustit?
396 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.
RTX 4000 Mobile Ada Generation— jaký je největší AI model, který může spustit?
Největší model v našem katalogu, který se vejde, je ERNIE-4.5-21B-A3B na 21B parametry, komprimované na Q3_K_M. Generuje přibližně 131 tokens za sekundu a potřebuje asi 10.1 GB VRAM karty.
RTX 4000 Mobile Ada Generation— kolik tokenů za sekundu produkuje?
Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 183 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.
RTX 4000 Mobile Ada Generation— může to běžet 7B modely?
Ano. Například běží DeepSeek Coder 6.7B na Q6_K, používající přibližně 9.9 GB paměti a generování kolem 39.7 tokenů za sekundu
RTX 4000 Mobile Ada Generation— může to běžet 13B modely?
Ano. Například běží DeepSeekMoE-16B na Q4_K_M, používající přibližně 10.0 GB paměti a generování kolem 147 tokenů za sekundu
RTX 4000 Mobile Ada Generation— kolik má paměti?
Tato karta má 12 GB z GDDR6. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 10.8 GB dostupný pro model a jeho konverzaci.
RTX 4000 Mobile Ada Generation— jaká je její šířka pásma VRAM?
Šířka pásma paměti dosahuje 432 GB/s napříč autobusu 192 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.
RTX 4000 Mobile Ada Generation— Jaký typ paměti používá?
Používá GDDR6 častěji než 2.25 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.
RTX 4000 Mobile Ada Generation— Kdo to vyrábí?
Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 5 nm.
RTX 4000 Mobile Ada Generation— Kdy byl vydán?
Bylo to vydáno v March 2023.
RTX 4000 Mobile Ada Generation— kolik energie to spotřebovává?
Hodnocená výkonová karta je 110 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.
RTX 4000 Mobile Ada Generation— kolik má cache?
L1 cache je 128 KB, a L2 cache je 48 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.
RTX 4000 Mobile Ada Generation— jaké jsou její TFLOPS?
Je hodnocena na 24.7 TFLOPS při poloviční přesnosti a 24.7 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.
RTX 4000 Mobile Ada Generation— kolik má tensorových jader?
Má 232 Tensor jádra napříč 58 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.
RTX 4000 Mobile Ada Generation— Podporuje to CUDA?
Ano. Hláší CUDA výpočetní schopnost 8.9. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.
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.