Vypočítejte TPS modelu Radeon Instinct MI308X na místních AI modelech

AMD 192 GB HBM3 5,325 GB/s December 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

636 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Llama 4 Maverick

400B · Q3_K_M · 65.9 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

1,759 tok/s · 1B

Které AI modely mohou běžet na a Radeon Instinct MI308X?

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

636 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
1,759 tok/s 1,055–2,815 · nízká důvěra	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
1,759 tok/s 1,055–2,815 · nízká důvěra	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
1,759 tok/s 1,055–2,815 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
1,759 tok/s 1,055–2,815 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
1,759 tok/s 1,055–2,815 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
1,759 tok/s 1,055–2,815 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
1,629 tok/s 977–2,606 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
1,599 tok/s 960–2,559 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
1,599 tok/s 960–2,559 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
1,599 tok/s 960–2,559 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
1,599 tok/s 960–2,559 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
1,466 tok/s 880–2,346 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
1,466 tok/s 880–2,346 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
1,466 tok/s 880–2,346 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
1,466 tok/s 880–2,346 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
1,430 tok/s 858–2,288 · nízká důvěra	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
1,410 tok/s 846–2,256 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
1,353 tok/s 812–2,165 · 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 MI308X 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: 192 GB
Šířka pásma VRAM: 5,325 GB/s
Typ paměti: HBM3
Šířka sběrnice paměti: 8,192 bit
Frekvence paměti: 1.3 GHz

Čip

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

Grafický procesor: Aqua Vanjaram
Architektura: CDNA 3.0
Generace: Radeon Instinct(MIx)
Foundry: TSMC
Velikost procesu: 5 nm
Tranzistory: 153 billion
Hustota tranzistorů: 150,400 K/mm²
Velikost čipu: 1,017 mm²
Balíček: MCM
Uvolněno: 6 December 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 GHz
Zvýšená frekvence: 2.1 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: 19,456
Jednotky pro mapování textur: 1,216
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): 653.7 TFLOPS
Jednoduchá přesnost (FP32): 81.7 TFLOPS
Dvojitá přesnost (FP64): 81.7 TFLOPS
Rychlost textury: 2,554 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): 750 W
Navrhovaný zdroj napájení: 1,150 W
Napájecí konektory: None
Rozhraní sběrnice: PCIe 5.0 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 MI308X

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

192 GB

Šířka pásma

5,325 GB/s

Největší model

Llama 4 Maverick

Radeon Instinct MI308X drží 192 GB z HBM3. To dává do třídy hardwaru, který pojme největší OPEN WEIGHT modely, aniž by je rozděloval mezi stroje. Inference RUNTIME může dosáhnout přibližně 172.8 GB.

Šířka pásma paměti dosahuje 5,325 GB/s napříč autobusu 8,192 bitů. To je na vrcholu toho, co existuje. Vzhledem k tomu, že každý token znamená přečíst celý model z VRAM jednou, téměř přímo se to překládá do rychlosti generování — tato karta je dostatečně bohatá na šířku pásma, takže velikost modelu přestává být omezujícím faktorem dlouho předtím, než se na to dostane sběrnice.

Číslo je šířka sběrnice vynásobená hodinami paměti 1.3 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 Llama 4 Maverick, 400B, komprimováno na Q3_K_M a generováním kolem 65.9 tokenů za sekundu

Čip a jak byl vyroben

Radeon Instinct MI308X je postaven na grafickém procesoru Aqua Vanjaram, používající architekturu CDNA 3.0 z AMD, jako součást generování Radeon Instinct(MIx).

Čip je vyráběn společností TSMC, na procesu 5 nm, s kostkou o rozměrech 1,017 mm², držení 153 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 2023, hrubě 2.6517331054033 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

653.7 TFLOPS

FP64

81.7 TFLOPS

Na papíře Radeon Instinct MI308X dosahuje 653.7 TFLOPS při poloviční přesnosti, a 81.7 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 81.7 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 2.1 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 MI308X 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 19,456 Stínovací jednotky, 1,216 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

750 W

Radeon Instinct MI308X je ohodnocen na 750 W, a navrhovaný systémový zdroj energie je 1,150 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. 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 5.0 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 MI308X

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

01 DeepSeek-V4-Flash 284B · Q4_K_M · Apr 2026 79.4 tok/s
02 Tencent Hy3 preview 295B · Q4_K_M · Apr 2026 76.5 tok/s
03 Qwen3.5 397B-A17B 397B · Q3_K_M · Feb 2026 66.4 tok/s
04 GLM-4.7 358B · Q3_K_M · Dec 2025 73.7 tok/s
05 MiMo-V2-Flash 309B · IQ4_XS · Dec 2025 14.0 tok/s
06 ERNIE-4.5-300B-A47B 300B · Q4_K_M · Jun 2025 75.2 tok/s
07 Llama 4 Maverick 400B · Q3_K_M · Apr 2025 65.9 tok/s
08 Ling-Plus ("Bailing") 290B · IQ4_XS · Mar 2025 14.9 tok/s
09 Nemotron-4 340B 340B · Q3_K_M · Jun 2024 14.0 tok/s
10 Grok-1 314B · IQ4_XS · Nov 2023 13.8 tok/s

Nejrychlejší AI modely na a Radeon Instinct MI308X

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 1,759 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 1,759 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 1,759 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 1,759 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 1,759 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 1,759 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 1,629 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 1,599 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 1,599 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 1,599 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Radeon Instinct MI308X

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

Model: AI model. Spuštění AI modelu. Nevejde se do GPU VRAM. Těsný. Pohodlný. Open-source AI model. V naší databázi. Nově vydané GPU. GPU VRAM/bandwidth. GPU karta. Kontextová délka.

Tabulka uvádí 636 modely, které karta zvládá. Vyhledávací pole přijímá název nebo velikost, jako je 27b, která odpovídá počtu parametrů.
02

Nastavte délku kontextu, kterou skutečně použijete

Delší konverzace vyžadují paměť nad rámec váhy. 192 GB často je to to, co dostane velký model na hranu.
03

Připněte porovnání na jednu úroveň kvality

Kompresce je to, co umožňuje větším modelům se vejít. Kontrola kvality vyřadí jakýkoli model, který vyžaduje více toho, než jste ochotni poskytnout.
04

Vezměte rozsah jako odpověď

Každá rychlost je odhadem pro jedinou konverzaci, s rozsahem pod ní. Horní konec zde je 1,759 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 192 GB.
06

Otevřete model pro porovnání karet

Každé jméno modelu v tabulce odkazuje na svou vlastní stránku, která provádí stejné výpočty na každé kartě, kterou máme. Tam vidíte, zda je správný nákup Radeon Instinct MI308X.

Odpovědi

Radeon Instinct MI308X — běžné otázky

Radeon Instinct MI308X— jaké rozhraní sběrnice používá?

Používá PCIe 5.0 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 MI308X— Je to dobré pro běh místních AI modelů?

Jeho paměť je dostatečně velká pro modely, které většina desktopového hardwaru nedokáže dosáhnout, a její šířka pásma ji řadí mezi nejrychlejší hardware dostupný pro generaci. Celkově běží 636 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

Radeon Instinct MI308X— může spustit model, který se nevejde do jeho VRAM?

Pouze částečně. Vrstvy nad kartou GPU 192 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

Byly by dvě Radeon Instinct MI308X Karty budou dvakrát rychlejší?

Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 384 GB pracovat s spíše než dvojnásobek tokenů za sekundu — každá hodnota zde je pro jeden KARTU.

Radeon Instinct MI308X— které AI modely může spustit?

636 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 MI308X— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Llama 4 Maverick na 400B parametry, komprimované na Q3_K_M. Generuje přibližně 65.9 tokens za sekundu a potřebuje asi 168.2 GB VRAM karty.

Radeon Instinct MI308X— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 1,759 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 MI308X— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 263 tokenů za sekundu

Radeon Instinct MI308X— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 611 tokenů za sekundu

Radeon Instinct MI308X— 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 349 tokenů za sekundu

Radeon Instinct MI308X— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q8_0, používající přibližně 80.7 GB paměti a generování kolem 122 tokenů za sekundu

Radeon Instinct MI308X— kolik má paměti?

Tato karta má 192 GB z HBM3. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 172.8 GB dostupný pro model a jeho konverzaci.

Radeon Instinct MI308X— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 5,325 GB/s napříč autobusu 8,192 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

Radeon Instinct MI308X— Jaký typ paměti používá?

Používá HBM3 častěji než 1.3 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 MI308X— Kdo to vyrábí?

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

Radeon Instinct MI308X— Kdy byl vydán?

Bylo to vydáno v December 2023.

Radeon Instinct MI308X— kolik energie to spotřebovává?

Hodnocená výkonová karta je 750 W, a navrhovaný systémový zdroj energie je 1,150 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 MI308X— 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 MI308X— jaké jsou její TFLOPS?

Je hodnocena na 653.7 TFLOPS při poloviční přesnosti a 81.7 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.

Radeon Instinct MI308X— 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.

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