Vypočítejte TPS modelu GeForce RTX 4010 na místních AI modelech

NVIDIA 4 GB GDDR6 96 GB/s April 2024

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

97 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

DeciLM 6B

5.7B · Q3_K_M · 19.3 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

40.7 tok/s · 1B

Které AI modely mohou běžet na a GeForce RTX 4010?

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.

97 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
40.7 tok/s

35–49

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

35–49

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

24–65 · nízká důvěra

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

24–65 · nízká důvěra

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

24–65 · nízká důvěra

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

24–65 · nízká důvěra

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

23–60 · nízká důvěra

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

22–59 · nízká důvěra

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

22–59 · nízká důvěra

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

22–59 · nízká důvěra

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

22–59 · nízká důvěra

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

20–54 · nízká důvěra

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

20–54 · nízká důvěra

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

20–54 · nízká důvěra

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

20–54 · nízká důvěra

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

28–40

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokeny Q8_0 Pohodlný
32.6 tok/s

20–52 · nízká důvěra

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

19–50 · nízká důvěra

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

19–50 · nízká důvěra

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

19–50 · nízká důvěra

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

19–50 · nízká důvěra

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

19–50 · nízká důvěra

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

19–50 · nízká důvěra

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

19–50 · nízká důvěra

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

19–50 · 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

GeForce RTX 4010 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
4 GB
Šířka pásma VRAM
96 GB/s
Typ paměti
GDDR6
Šířka sběrnice paměti
64 bit
Frekvence paměti
1.5 GHz

Čip

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

Grafický procesor
GA107
Architektura
Ampere
Generace
GeForce 40
Foundry
Samsung
Velikost procesu
8 nm
Tranzistory
8.7 billion
Hustota tranzistorů
43,500 K/mm²
Velikost čipu
200 mm²
Balíček
FCBGA-1358
Uvolněno
16 April 2024

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
1.42 GHz
Zvýšená frekvence
1.76 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
768
Jednotky pro mapování textur
24
Renderovací výstupní jednotky
16
Streaming multiprocessory
6
Tensor jádra
24
Jádra ray tracing
6
L1 cache
128 KB
L2 cache
2 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)
2.7 TFLOPS
Jednoduchá přesnost (FP32)
2.7 TFLOPS
Dvojitá přesnost (FP64)
42.3 GFLOPS
Rychlost pixelů
28 GPixel/s
Rychlost textury
42 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)
50 W
Navrhovaný zdroj napájení
250 W
Napájecí konektory
None
Rozhraní sběrnice
PCIe 4.0 x8
Šířka slotu
Single-slot
Rozměry
163 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
8.6
DirectX
12.2
OpenGL
4.6
Vulkan
1.4
OpenCL
3.0
Shader model
6.8

Seznamy

Kde koupit GPU GeForce RTX 4010

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

Proč je paměť číslo, které zde záleží

Paměť

4 GB

Šířka pásma

96 GB/s

Největší model

DeciLM 6B

GeForce RTX 4010 nese pouze 4 GB z GDDR6. To omezuje na menší konec katalogu, a model musí být zcela uvnitř, než něco vygeneruje. Runtime ve skutečnosti získá přibližně 3.6 GB.

Šířka pásma paměti dosahuje 96 GB/s napříč autobusu 64 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.

Číslo je šířka sběrnice vynásobená hodinami paměti 1.5 GHz. Je to důvod, proč počty jader tak špatně předpovídají rychlost generace.

Sestaveno, největší model, který se vejde, je DeciLM 6B, 5.7B, komprimováno na Q3_K_M a generováním kolem 19.3 tokenů za sekundu

Čip a jak byl vyroben

GeForce RTX 4010 je postaven na grafickém procesoru GA107, používající architekturu Ampere z NVIDIA, jako součást generování GeForce 40.

Čip je vyráběn společností Samsung, na procesu 8 nm, s kostkou o rozměrech 200 mm², držení 8.7 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 April 2024, hrubě 2.2928259044267 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

2.7 TFLOPS

FP64

42.3 GFLOPS

Tensor jádra

24

Na papíře GeForce RTX 4010 dosahuje 2.7 TFLOPS při poloviční přesnosti, a 2.7 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 42.3 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 24 Tensor jádra napříč 6 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 1.42 GHz k zvýšení 1.76 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

GeForce RTX 4010 má L1 cache 128 KB, podporováno L2 cache 2 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 768 Stínovací jednotky, 24 Jednotky pro mapování textur, a 16 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

50 W

GeForce RTX 4010 je ohodnocen na 50 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 single-slot, měření 163 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 x8. 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 GeForce RTX 4010

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

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 18.2 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 20.0 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 23.5 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 27.4 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 23.5 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 23.5 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 19.6 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 22.4 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 22.4 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 19.3 tok/s

Nejrychlejší AI modely na a GeForce RTX 4010

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 40.7 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 40.7 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 40.7 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 40.7 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 40.7 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 40.7 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 37.7 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 37.0 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 37.0 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 37.0 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu GeForce RTX 4010

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 97 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.

  2. 02

    Nastavte délku kontextu, kterou skutečně použijete

    Delší konverzace vyžadují paměť nad rámec váhy. 4 GB často je to to, co dostane velký model na hranu.

  3. 03

    Připněte porovnání na jednu úroveň kvality

    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

    Podívejte se na rozsah, nejen na číslo

    Čísla jsou vypočítaná, ne měřená. Nejrychlejší výsledek na této kartě je 40.7 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

    Těsné znamená, že to dnes funguje; pohodlné znamená, že to stále funguje, když se konverzace rozrůstá. Porovnejte, co každý model potřebuje, s dostupným. 4 GB.

  6. 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 GeForce RTX 4010.

Odpovědi

GeForce RTX 4010 — běžné otázky

01

GeForce RTX 4010— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 96 GB/s napříč autobusu 64 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

02

GeForce RTX 4010— Jaký typ paměti používá?

Používá GDDR6 častěji než 1.5 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.

03

GeForce RTX 4010— Kdo to vyrábí?

Toto je produkt z NVIDIA, s čipem vyrobeným od Samsung, na procesu 8 nm.

04

GeForce RTX 4010— Kdy byl vydán?

Bylo to vydáno v April 2024.

05

GeForce RTX 4010— kolik energie to spotřebovává?

Hodnocená výkonová karta je 50 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.

06

GeForce RTX 4010— kolik má cache?

L1 cache je 128 KB, a L2 cache je 2 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.

07

GeForce RTX 4010— jaké jsou její TFLOPS?

Je hodnocena na 2.7 TFLOPS při poloviční přesnosti a 2.7 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.

08

GeForce RTX 4010— kolik má tensorových jader?

Má 24 Tensor jádra napříč 6 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

09

GeForce RTX 4010— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 8.6. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

10

GeForce RTX 4010— jaké rozhraní sběrnice používá?

Používá PCIe 4.0 x8. 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.

11

GeForce RTX 4010— Je to dobré pro běh místních AI modelů?

Jeho paměť ho omezuje na menší modely, přesto jeho šířka pásma znamená, že generace bude na větších modelech působit pomalu. Celkem běží 97 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

12

GeForce RTX 4010— může spustit model, který se nevejde do jeho VRAM?

Může být rozdělen, přičemž přetečení je uchováváno v systémové MEMORY za hranicemi karty. 4 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.

13

Byly by dvě GeForce RTX 4010 Karty budou dvakrát rychlejší?

Ne. Druhá karta zdvojnásobí VRAM na 8 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.

14

GeForce RTX 4010— které AI modely může spustit?

97 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.

15

GeForce RTX 4010— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je DeciLM 6B na 5.7B parametry, komprimované na Q3_K_M. Generuje přibližně 19.3 tokens za sekundu a potřebuje asi 3.5 GB VRAM karty.

16

GeForce RTX 4010— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 40.7 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.

17

GeForce RTX 4010— kolik má paměti?

Tato karta má 4 GB z GDDR6. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 3.6 GB dostupný pro model a jeho konverzaci.

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