Vypočítejte TPS modelu Data Center GPU Max Subsystem na místních AI modelech

Intel 128 GB HBM2e 3,210 GB/s January 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

624 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Solar Open2 250B

250.3B · Q3_K_M · 52.9 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

884 tok/s · 1B

Které AI modely mohou běžet na a Data Center GPU Max Subsystem?

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

624 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
884 tok/s 530–1,414 · nízká důvěra	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
884 tok/s 530–1,414 · nízká důvěra	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
884 tok/s 530–1,414 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
884 tok/s 530–1,414 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
884 tok/s 530–1,414 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
884 tok/s 530–1,414 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
818 tok/s 491–1,309 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
803 tok/s 482–1,285 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
803 tok/s 482–1,285 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
803 tok/s 482–1,285 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
803 tok/s 482–1,285 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
736 tok/s 442–1,178 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
736 tok/s 442–1,178 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
736 tok/s 442–1,178 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
736 tok/s 442–1,178 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
718 tok/s 431–1,150 · nízká důvěra	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
708 tok/s 425–1,133 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
680 tok/s 408–1,088 · 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

Data Center GPU Max Subsystem 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: 128 GB
Šířka pásma VRAM: 3,210 GB/s
Typ paměti: HBM2e
Šířka sběrnice paměti: 8,192 bit
Frekvence paměti: 1.57 GHz

Čip

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

Grafický procesor: Ponte Vecchio
Architektura: Generation 12.5
Generace: Data Center GPU(Ponte Vecchio)
Foundry: Intel
Velikost procesu: 10 nm
Tranzistory: 100 billion
Hustota tranzistorů: 78,100 K/mm²
Velikost čipu: 1,280 mm²
Uvolněno: 10 January 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: 900 MHz
Zvýšená frekvence: 1.6 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: 16,384
Jednotky pro mapování textur: 1,024
Jádra ray tracing: 128
L1 cache: 64 KB
L2 cache: 408 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): 52.4 TFLOPS
Jednoduchá přesnost (FP32): 52.4 TFLOPS
Dvojitá přesnost (FP64): 52.4 TFLOPS
Rychlost textury: 1,638 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): 2,400 W
Navrhovaný zdroj napájení: 2,800 W
Napájecí konektory: 1x 16-pin
Rozhraní sběrnice: PCIe 5.0 x16
Šířka slotu: Dual-slot
Rozměry: 267 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.

DirectX: 12.1
OpenGL: 4.6
OpenCL: 3.0
Shader model: 6.6

Seznamy

Kde koupit GPU Data Center GPU Max Subsystem

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

Paměť: specifikace, která rozhoduje o všem

Paměť

128 GB

Šířka pásma

3,210 GB/s

Největší model

Solar Open2 250B

Data Center GPU Max Subsystem drží 128 GB z HBM2e. To dává do třídy hardwaru, který pojme největší OPEN WEIGHT modely, aniž by je rozděloval mezi stroje. Inference RUNTIME může dosáhnout přibližně 115.2 GB.

Šířka pásma paměti dosahuje 3,210 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.

To pramení z paměťového taktu 1.57 GHz. Šíření sběrnice a zvyšování frekvence jsou dvě páky, které výrobce má, a proto může karta s nevýznamnými jádry stále generovat rychle.

Praktický strop je Solar Open2 250B, 250.3B, komprimováno na Q3_K_M a generováním kolem 52.9 tokenů za sekundu

Čip a jak byl vyroben

Data Center GPU Max Subsystem je postaven na grafickém procesoru Ponte Vecchio, používající architekturu Generation 12.5 z Intel, jako součást generování Data Center GPU(Ponte Vecchio).

Čip je vyráběn společností Intel, na procesu 10 nm, s kostkou o rozměrech 1,280 mm², držení 100 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 January 2023, hrubě 3.5558861779452 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

52.4 TFLOPS

FP64

52.4 TFLOPS

Na papíře Data Center GPU Max Subsystem dosahuje 52.4 TFLOPS při poloviční přesnosti, a 52.4 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 52.4 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 900 MHz k zvýšení 1.6 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

Data Center GPU Max Subsystem má L1 cache 64 KB, podporováno L2 cache 408 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 16,384 Stínovací jednotky, 1,024 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

2,400 W

Data Center GPU Max Subsystem je ohodnocen na 2,400 W, a navrhovaný systémový zdroj energie je 2,800 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 267 mm dlouhý, a potřebuje 1x 16-pin. 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 Data Center GPU Max Subsystem

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

01 Solar Open2 250B 250.3B · Q3_K_M · Jun 2026 52.9 tok/s
02 MiniMax-M2.7 229B · Q3_K_M · Mar 2026 10.4 tok/s
03 MiniMax-M2.5 229B · Q3_K_M · Feb 2026 10.4 tok/s
04 MiniMax-M2.1 229B · Q3_K_M · Dec 2025 10.4 tok/s
05 P1-235B-A22B 235B · Q3_K_M · Nov 2025 56.4 tok/s
06 Qwen3-235B-A22B-Thinking (Jul 2025) 235B · Q3_K_M · Jul 2025 56.4 tok/s
07 Qwen3-235B-A22B (Jul 2025) 235B · Q3_K_M · Jul 2025 56.4 tok/s
08 Qwen3-235B-A22B 235B · IQ4_XS · Apr 2025 51.3 tok/s
09 DeepSeek-V2.5 236B · Q3_K_M · Sep 2024 56.1 tok/s
10 DeepSeek-V2 (MoE-236B) 236B · Q3_K_M · May 2024 56.1 tok/s

Nejrychlejší AI modely na a Data Center GPU Max Subsystem

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 884 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 884 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 884 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 884 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 884 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 884 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 818 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 803 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 803 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 803 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu Data Center GPU Max Subsystem

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 624 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

Přizpůsobte kontext své práci

Delší konverzace vyžadují paměť nad rámec váhy. 128 GB často je to to, co dostane velký model na hranu.
03

Vyberte, jak daleko chcete komprimovat.

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 884 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.
05

Zkontrolujte volný prostor, než se rozhodnete

Těsné znamená, že to dnes funguje; pohodlné znamená, že to stále funguje, když se konverzace rozrůstá. Porovnejte, co každý model potřebuje, s dostupným. 128 GB.
06

Zkontrolujte stejný model z druhé strany

Následující model na jeho vlastní stránce zobrazuje veškerý hardware, který ho může spustit, takže můžete vidět, jak se porovnává proti Data Center GPU Max Subsystem.

Odpovědi

Data Center GPU Max Subsystem — běžné otázky

Data Center GPU Max Subsystem— jaké jsou její TFLOPS?

Je hodnocena na 52.4 TFLOPS při poloviční přesnosti a 52.4 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.

Data Center GPU Max Subsystem— Podporuje to CUDA?

Ne. CUDA je pouze od NVIDIA, a tohle je karta od Intel. 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.

Data Center GPU Max Subsystem— 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.

Data Center GPU Max Subsystem— 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 624 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

Data Center GPU Max Subsystem— může spustit model, který se nevejde do jeho VRAM?

Offloading mimo karty 128 GB je možné a obvykle falešná úspora: část systémové paměti je dostatečně pomalá, aby dominovala výsledku.

Byly by dvě Data Center GPU Max Subsystem Karty budou dvakrát rychlejší?

Spojení jich kupuje rezervu spíše než tempo: 256 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.

Data Center GPU Max Subsystem— které AI modely může spustit?

624 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.

Data Center GPU Max Subsystem— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Solar Open2 250B na 250.3B parametry, komprimované na Q3_K_M. Generuje přibližně 52.9 tokens za sekundu a potřebuje asi 106.6 GB VRAM karty.

Data Center GPU Max Subsystem— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 884 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.

Data Center GPU Max Subsystem— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 132 tokenů za sekundu

Data Center GPU Max Subsystem— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 307 tokenů za sekundu

Data Center GPU Max Subsystem— 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 175 tokenů za sekundu

Data Center GPU Max Subsystem— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q8_0, používající přibližně 80.7 GB paměti a generování kolem 61.4 tokenů za sekundu

Data Center GPU Max Subsystem— kolik má paměti?

Tato karta má 128 GB z HBM2e. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 115.2 GB dostupný pro model a jeho konverzaci.

Data Center GPU Max Subsystem— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 3,210 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.

Data Center GPU Max Subsystem— Jaký typ paměti používá?

Používá HBM2e častěji než 1.57 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.

Data Center GPU Max Subsystem— Kdo to vyrábí?

Toto je produkt z Intel, s čipem vyrobeným od Intel, na procesu 10 nm.

Data Center GPU Max Subsystem— Kdy byl vydán?

Bylo to vydáno v January 2023.

Data Center GPU Max Subsystem— kolik energie to spotřebovává?

Hodnocená výkonová karta je 2,400 W, a navrhovaný systémový zdroj energie je 2,800 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

Data Center GPU Max Subsystem— kolik má cache?

L1 cache je 64 KB, a L2 cache je 408 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.

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