Vypočítejte TPS modelu Radeon RX 7900M na místních AI modelech

AMD 16 GB GDDR6 576 GB/s October 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 · 90.3 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

190 tok/s · 1B

Které AI modely mohou běžet na a Radeon RX 7900M?

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.

432 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
190 tok/s

114–304 · nízká důvěra

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

114–304 · nízká důvěra

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

114–304 · nízká důvěra

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

114–304 · nízká důvěra

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

114–304 · nízká důvěra

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

114–304 · nízká důvěra

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

106–282 · nízká důvěra

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

104–277 · nízká důvěra

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

104–277 · nízká důvěra

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

104–277 · nízká důvěra

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

104–277 · nízká důvěra

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

95–254 · nízká důvěra

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

95–254 · nízká důvěra

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

95–254 · nízká důvěra

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

95–254 · nízká důvěra

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

93–248 · nízká důvěra

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokeny Q8_0 Pohodlný
153 tok/s

92–244 · nízká důvěra

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

88–234 · nízká důvěra

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

88–234 · nízká důvěra

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

88–234 · nízká důvěra

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

88–234 · nízká důvěra

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

88–234 · nízká důvěra

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

88–234 · nízká důvěra

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

88–234 · nízká důvěra

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

88–234 · 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 RX 7900M 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
576 GB/s
Typ paměti
GDDR6
Šířka sběrnice paměti
256 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
Navi 31
Architektura
RDNA 3.0
Generace
Navi Mobile(RX 7000M)
Foundry
TSMC
Velikost procesu
5 nm
Tranzistory
57.7 billion
Hustota tranzistorů
109,100 K/mm²
Velikost čipu
529 mm²
Balíček
MCM
Uvolněno
19 October 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
1.83 GHz
Zvýšená frekvence
2.09 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
4,608
Jednotky pro mapování textur
288
Renderovací výstupní jednotky
192
Jádra ray tracing
72
L1 cache
250 KB
L2 cache
6 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)
77.1 TFLOPS
Jednoduchá přesnost (FP32)
38.5 TFLOPS
Dvojitá přesnost (FP64)
1.2 TFLOPS
Rychlost pixelů
401 GPixel/s
Rychlost textury
602 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)
180 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.

DirectX
12.2
OpenGL
4.6
Vulkan
1.4
OpenCL
2.2
Shader model
6.8

Seznamy

Kde koupit GPU Radeon RX 7900M

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

16 GB

Šířka pásma

576 GB/s

Největší model

Nemotron 3-Nano-30B-A3B

Radeon RX 7900M nese 16 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 14.4 GB.

Šířka pásma paměti dosahuje 576 GB/s napříč autobusu 256 bitů. To je číslo, které určuje rychlost generování — aritmetika na byte přečteném je dostatečně malá, takže čeká vše na sběrnici, nikoli na jádra.

To pramení z paměťového taktu 2.25 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 Nemotron 3-Nano-30B-A3B, 31.6B, komprimováno na Q3_K_M a generováním kolem 90.3 tokenů za sekundu

Čip a jak byl vyroben

Radeon RX 7900M je postaven na grafickém procesoru Navi 31, používající architekturu RDNA 3.0 z AMD, jako součást generování Navi Mobile(RX 7000M).

Čip je vyráběn společností TSMC, na procesu 5 nm, s kostkou o rozměrech 529 mm², držení 57.7 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 October 2023, hrubě 2.7832568509175 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

77.1 TFLOPS

FP64

1.2 TFLOPS

Na papíře Radeon RX 7900M dosahuje 77.1 TFLOPS při poloviční přesnosti, a 38.5 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 1.2 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 1.83 GHz k zvýšení 2.09 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 RX 7900M má L1 cache 250 KB, podporováno L2 cache 6 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 4,608 Stínovací jednotky, 288 Jednotky pro mapování textur, a 192 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

180 W

Radeon RX 7900M je ohodnocen na 180 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 Radeon RX 7900M

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

  1. 01 North Mini Code 30B · Q3_K_M · Jun 2026 95.1 tok/s
  2. 02 Qwen 3.6-27B 27B · Q3_K_M · Apr 2026 19.0 tok/s
  3. 03 Qwen3.5-27B 27B · Q3_K_M · Feb 2026 19.0 tok/s
  4. 04 Nemotron 3-Nano-30B-A3B 31.6B · Q3_K_M · Dec 2025 90.3 tok/s
  5. 05 Nomos 1 30B · Q3_K_M · Dec 2025 95.1 tok/s
  6. 06 C2S-Scale 27B · Q3_K_M · Oct 2025 19.0 tok/s
  7. 07 Gemma-SEA-LION-v4-27B-IT 27B · Q3_K_M · Aug 2025 19.0 tok/s
  8. 08 ERNIE-4.5-VL-28B-A3B 28B · Q3_K_M · Jun 2025 102 tok/s
  9. 09 Qwen3-30B-A3B 30B · Q3_K_M · Apr 2025 95.1 tok/s
  10. 10 Gemma 3 QAT 27B 27B · Q3_K_M · Apr 2025 19.0 tok/s

Nejrychlejší AI modely na a Radeon RX 7900M

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 190 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 190 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 190 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 190 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 190 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 190 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 176 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 173 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 173 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 173 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Radeon RX 7900M

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

    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 432 modely, které tato karta může spustit. Hledejte podle názvu nebo podle velikosti — zadání 27b odpovídá počtu parametrů, i když se v názvu nikdy neuvádí.

  2. 02

    Rozhodněte, jak dlouho vaše konverzace běží

    Delší konverzace vyžadují paměť nad rámec váhy. 16 GB takže nastavení stojí za to udělat správně.

  3. 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.

  4. 04

    Přečtěte si rychlost a rozsah

    Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 190 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.

  5. 05

    Zkontrolujte volný prostor, než se rozhodnete

    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.

  6. 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 Radeon RX 7900M.

Odpovědi

Radeon RX 7900M — běžné otázky

01

Radeon RX 7900M— 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 90.3 tokens za sekundu a potřebuje asi 14.4 GB VRAM karty.

02

Radeon RX 7900M— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 190 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.

03

Radeon RX 7900M— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 28.4 tokenů za sekundu

04

Radeon RX 7900M— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q6_K, používající přibližně 13.7 GB paměti a generování kolem 96.0 tokenů za sekundu

05

Radeon RX 7900M— 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 102 tokenů za sekundu

06

Radeon RX 7900M— kolik má paměti?

Tato karta má 16 GB z GDDR6. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 14.4 GB dostupný pro model a jeho konverzaci.

07

Radeon RX 7900M— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 576 GB/s napříč autobusu 256 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

08

Radeon RX 7900M— 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.

09

Radeon RX 7900M— Kdo to vyrábí?

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

10

Radeon RX 7900M— Kdy byl vydán?

Bylo to vydáno v October 2023.

11

Radeon RX 7900M— kolik energie to spotřebovává?

Hodnocená výkonová karta je 180 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

12

Radeon RX 7900M— kolik má cache?

L1 cache je 250 KB, a L2 cache je 6 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.

13

Radeon RX 7900M— jaké jsou její TFLOPS?

Je hodnocena na 77.1 TFLOPS při poloviční přesnosti a 38.5 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.

14

Radeon RX 7900M— 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.

15

Radeon RX 7900M— 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.

16

Radeon RX 7900M— 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 432 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

17

Radeon RX 7900M— může spustit model, který se nevejde do jeho VRAM?

Offloading mimo karty 16 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

18

Byly by dvě Radeon RX 7900M Karty budou dvakrát rychlejší?

Spojení jich kupuje rezervu spíše než tempo: 32 GB které vám umožňují držet modely, které by samostatně neudržely, ale generace se takto nedělí. Tyto údaje popisují jednu kartu.

19

Radeon RX 7900M— 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.

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