Vypočítejte TPS modelu RTX 4000 SFF Ada Generation na místních AI modelech

NVIDIA 20 GB GDDR6 280 GB/s March 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

524 modely, které může spustit

721 modely v našem katalogu dohromady

Největší model, který podporuje

Qwen3-Omni-30B-A3B

35.3B · IQ4_XS · 45.8 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

119 tok/s · 1B

Které AI modely mohou běžet na a RTX 4000 SFF Ada Generation?

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

524 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
119 tok/s 101–142	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
119 tok/s 101–142	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
119 tok/s 71–190 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
119 tok/s 71–190 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
119 tok/s 71–190 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
119 tok/s 71–190 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
110 tok/s 66–176 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
108 tok/s 65–172 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
108 tok/s 65–172 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
108 tok/s 65–172 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
108 tok/s 65–172 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
98.8 tok/s 59–158 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
98.8 tok/s 59–158 · nízká důvěra	LFM2-1.2B ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
98.8 tok/s 59–158 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
98.8 tok/s 59–158 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
98.8 tok/s 59–158 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
96.4 tok/s 82–116	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
95.1 tok/s 57–152 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
91.2 tok/s 55–146 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
91.2 tok/s 55–146 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
91.2 tok/s 55–146 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
91.2 tok/s 55–146 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
91.2 tok/s 55–146 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
91.2 tok/s 55–146 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
91.2 tok/s 55–146 · 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 SFF 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: 20 GB
Šířka pásma VRAM: 280 GB/s
Typ paměti: GDDR6
Šířka sběrnice paměti: 160 bit
Frekvence paměti: 1.75 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: Workstation Ada(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: 720 MHz
Zvýšená frekvence: 1.56 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: 6,144
Jednotky pro mapování textur: 192
Renderovací výstupní jednotky: 64
Streaming multiprocessory: 48
Tensor jádra: 192
Jádra ray tracing: 48
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): 19.2 TFLOPS
Jednoduchá přesnost (FP32): 19.2 TFLOPS
Dvojitá přesnost (FP64): 299.5 GFLOPS
Rychlost pixelů: 100 GPixel/s
Rychlost textury: 300 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): 70 W
Navrhovaný zdroj napájení: 250 W
Napájecí konektory: None
Rozhraní sběrnice: PCIe 4.0 x16
Šířka slotu: Dual-slot
Rozměry: 168 mm
Zobrazit výstupy: 4x mini-DisplayPort 1.4a

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 SFF 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

Kapacita a šířka pásma

Paměť

20 GB

Šířka pásma

280 GB/s

Největší model

Qwen3-Omni-30B-A3B

RTX 4000 SFF Ada Generation nese 20 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 18 GB.

Šířka pásma paměti dosahuje 280 GB/s napříč autobusu 160 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 1.75 GHz. Obě poloviny jsou důležité a ani jedna není viditelná v herním benchmarku.

Sestaveno, největší model, který se vejde, je Qwen3-Omni-30B-A3B, 35.3B, komprimováno na IQ4_XS a generováním kolem 45.8 tokenů za sekundu

Čip a jak byl vyroben

RTX 4000 SFF Ada Generation je postaven na grafickém procesoru AD104, používající architekturu Ada Lovelace z NVIDIA, jako součást generování Workstation Ada(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 3.4845418110598 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

19.2 TFLOPS

FP64

299.5 GFLOPS

Tensor jádra

192

Na papíře RTX 4000 SFF Ada Generation dosahuje 19.2 TFLOPS při poloviční přesnosti, a 19.2 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 299.5 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 192 Tensor jádra napříč 48 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 720 MHz k zvýšení 1.56 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 SFF 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 6,144 Stínovací jednotky, 192 Jednotky pro mapování textur, a 64 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

70 W

RTX 4000 SFF Ada Generation je ohodnocen na 70 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 dual-slot, měření 168 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 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 SFF Ada Generation

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

01 Qwen3.6-35B-A3B 35B · IQ4_XS · Apr 2026 46.2 tok/s
02 Qwen3.5-35B-A3B 35B · IQ4_XS · Feb 2026 46.2 tok/s
03 Qwen3-Omni-30B-A3B 35.3B · IQ4_XS · Sep 2025 45.8 tok/s
04 Falcon-H1 34B · Q3_K_M · May 2025 9.4 tok/s
05 TeleChat2-35B 35B · Q3_K_M · Oct 2024 9.1 tok/s
06 Oryx 34B 34B · Q3_K_M · Sep 2024 9.4 tok/s
07 Smaug-34B 34B · Q3_K_M · Jul 2024 9.4 tok/s
08 CausalLM 34B β 34.4B · Q3_K_M · Feb 2024 9.3 tok/s
09 LLaVA-NeXT-34B (LLaVA-1.6) 34.8B · Q3_K_M · Jan 2024 9.2 tok/s
10 Poro 34B 34.2B · Q3_K_M · Dec 2023 9.4 tok/s

Nejrychlejší AI modely na a RTX 4000 SFF Ada Generation

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 119 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 119 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 119 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 119 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 119 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 119 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 110 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 108 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 108 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 108 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu RTX 4000 SFF 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

Hledejte model, který chcete

Tabulka uvádí 524 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.
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 20 GB takže nastavení stojí za to udělat správně.
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

Vezměte rozsah jako odpověď

Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 119 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.

Těsné znamená, že to dnes funguje; pohodlné znamená, že to stále funguje, když se konverzace rozrůstá. Porovnejte, co každý model potřebuje, s dostupným. 20 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 RTX 4000 SFF Ada Generation.

Odpovědi

RTX 4000 SFF Ada Generation — běžné otázky

RTX 4000 SFF Ada Generation— Jaký typ paměti používá?

Používá GDDR6 častěji než 1.75 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 SFF Ada Generation— Kdo to vyrábí?

Toto je produkt z NVIDIA, s čipem vyrobeným od TSMC, na procesu 5 nm.

RTX 4000 SFF Ada Generation— Kdy byl vydán?

Bylo to vydáno v March 2023.

RTX 4000 SFF Ada Generation— kolik energie to spotřebovává?

Hodnocená výkonová karta je 70 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.

RTX 4000 SFF 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 SFF Ada Generation— jaké jsou její TFLOPS?

Je hodnocena na 19.2 TFLOPS při poloviční přesnosti a 19.2 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.

RTX 4000 SFF Ada Generation— kolik má tensorových jader?

Má 192 Tensor jádra napříč 48 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

RTX 4000 SFF 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.

RTX 4000 SFF 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 SFF Ada Generation— 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 524 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

RTX 4000 SFF Ada Generation— může spustit model, který se nevejde do jeho VRAM?

Může být rozdělen, přičemž přetečení je uchováváno v systémové MEMORY za hranicemi karty. 20 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 RTX 4000 SFF Ada Generation Karty budou dvakrát rychlejší?

Spojení jich kupuje rezervu spíše než tempo: 40 GB které vám umožňují držet modely, které by samostatně neudržely, ale generace se takto nedělí. Tyto údaje popisují jednu kartu.

RTX 4000 SFF Ada Generation— které AI modely může spustit?

524 z 721 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 SFF Ada Generation— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Qwen3-Omni-30B-A3B na 35.3B parametry, komprimované na IQ4_XS. Generuje přibližně 45.8 tokens za sekundu a potřebuje asi 17.9 GB VRAM karty.

RTX 4000 SFF Ada Generation— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 119 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 SFF Ada Generation— může to běžet 7B modely?

Ano. Například běží Gemma 4 E4B na Q8_0, používající přibližně 9.8 GB paměti a generování kolem 26.4 tokenů za sekundu

RTX 4000 SFF Ada Generation— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 41.2 tokenů za sekundu

RTX 4000 SFF Ada Generation— může to běžet 30B modely?

Ano. Například běží ERNIE-4.5-VL-28B-A3B na Q4_K_M, používající přibližně 16.2 GB paměti a generování kolem 54.3 tokenů za sekundu

RTX 4000 SFF Ada Generation— kolik má paměti?

Tato karta má 20 GB z GDDR6. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 18 GB dostupný pro model a jeho konverzaci.

RTX 4000 SFF Ada Generation— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 280 GB/s napříč autobusu 160 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

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