Vypočítejte TPS modelu H200 SXM 141 GB na místních AI modelech

NVIDIA 141 GB HBM3e 4,890 GB/s November 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

628 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Tencent Hy3 preview

295B · Q3_K_M · 105 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

2,071 tok/s · 1B

Které AI modely mohou běžet na a H200 SXM 141 GB?

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.

628 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
2,071 tok/s

1,760–2,485

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
2,071 tok/s

1,760–2,485

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
2,071 tok/s

1,243–3,314 · nízká důvěra

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
2,071 tok/s

1,243–3,314 · nízká důvěra

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
2,071 tok/s

1,243–3,314 · nízká důvěra

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
2,071 tok/s

1,243–3,314 · nízká důvěra

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
1,918 tok/s

1,151–3,068 · nízká důvěra

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokeny ? Q8_0 Pohodlný
1,883 tok/s

1,130–3,012 · nízká důvěra

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
1,883 tok/s

1,130–3,012 · nízká důvěra

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
1,883 tok/s

1,130–3,012 · nízká důvěra

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
1,883 tok/s

1,130–3,012 · nízká důvěra

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
1,726 tok/s

1,036–2,761 · nízká důvěra

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
1,726 tok/s

1,036–2,761 · nízká důvěra

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
1,726 tok/s

1,036–2,761 · nízká důvěra

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
1,726 tok/s

1,036–2,761 · nízká důvěra

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
1,684 tok/s

1,431–2,021

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokeny Q8_0 Pohodlný
1,660 tok/s

996–2,656 · nízká důvěra

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · nízká důvěra

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · nízká důvěra

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · nízká důvěra

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · nízká důvěra

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · nízká důvěra

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · nízká důvěra

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · nízká důvěra

Otter ≈ 1.3B May 2023 2.1 GB 131k tokeny ? Q8_0 Pohodlný
1,593 tok/s

956–2,549 · 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

H200 SXM 141 GB 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
141 GB
Šířka pásma VRAM
4,890 GB/s
Typ paměti
HBM3e
Šířka sběrnice paměti
6,144 bit
Frekvence paměti
1.59 GHz

Čip

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

Grafický procesor
GH100
Architektura
Hopper
Generace
Server Hopper(Hxx)
Foundry
TSMC
Velikost procesu
5 nm
Tranzistory
80 billion
Hustota tranzistorů
98,300 K/mm²
Velikost čipu
814 mm²
Uvolněno
18 November 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
1.5 GHz
Zvýšená frekvence
1.98 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
16,896
Jednotky pro mapování textur
528
Renderovací výstupní jednotky
24
Streaming multiprocessory
132
Tensor jádra
528
L1 cache
250 KB
L2 cache
50 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)
267.6 TFLOPS
Jednoduchá přesnost (FP32)
66.9 TFLOPS
Dvojitá přesnost (FP64)
33.5 TFLOPS
Rychlost pixelů
48 GPixel/s
Rychlost textury
1,045 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)
700 W
Navrhovaný zdroj napájení
1,100 W
Napájecí konektory
8-pin EPS
Rozhraní sběrnice
PCIe 5.0 x16
Šířka slotu
SXM 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.

schopnost výpočtu CUDA
9.0
OpenCL
3.0

Seznamy

Kde koupit GPU H200 SXM 141 GB

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

141 GB

Šířka pásma

4,890 GB/s

Největší model

Tencent Hy3 preview

H200 SXM 141 GB drží 141 GB z HBM3e. To dává do třídy hardwaru, který pojme největší OPEN WEIGHT modely, aniž by je rozděloval mezi stroje. Inference RUNTIME může dosáhnout přibližně 126.9 GB.

Šířka pásma paměti dosahuje 4,890 GB/s napříč autobusu 6,144 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 1.59 GHz. Je to důvod, proč počty jader tak špatně předpovídají rychlost generace.

Praktický strop je Tencent Hy3 preview, 295B, komprimováno na Q3_K_M a generováním kolem 105 tokenů za sekundu

Čip a jak byl vyroben

H200 SXM 141 GB je postaven na grafickém procesoru GH100, používající architekturu Hopper z NVIDIA, jako součást generování Server Hopper(Hxx).

Čip je vyráběn společností TSMC, na procesu 5 nm, s kostkou o rozměrech 814 mm², držení 80 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 November 2024, hrubě 1.7012242398365 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

267.6 TFLOPS

FP64

33.5 TFLOPS

Tensor jádra

528

Na papíře H200 SXM 141 GB dosahuje 267.6 TFLOPS při poloviční přesnosti, a 66.9 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 33.5 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.

Karta nese 528 Tensor jádra napříč 132 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 1.5 GHz k zvýšení 1.98 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

H200 SXM 141 GB má L1 cache 250 KB, podporováno L2 cache 50 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 16,896 Stínovací jednotky, 528 Jednotky pro mapování textur, a 24 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

700 W

H200 SXM 141 GB je ohodnocen na 700 W, a navrhovaný systémový zdroj energie je 1,100 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 sxm module, a potřebuje 8-pin EPS. 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 H200 SXM 141 GB

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

  1. 01 Solar Open2 250B 250.3B · IQ4_XS · Jun 2026 113 tok/s
  2. 02 DeepSeek-V4-Flash 284B · Q3_K_M · Apr 2026 109 tok/s
  3. 03 Tencent Hy3 preview 295B · Q3_K_M · Apr 2026 105 tok/s
  4. 04 P1-235B-A22B 235B · IQ4_XS · Nov 2025 120 tok/s
  5. 05 Qwen3-235B-A22B-Thinking (Jul 2025) 235B · IQ4_XS · Jul 2025 120 tok/s
  6. 06 Qwen3-235B-A22B (Jul 2025) 235B · IQ4_XS · Jul 2025 120 tok/s
  7. 07 Llama Nemotron Ultra 253B 253B · Q3_K_M · Mar 2025 22.1 tok/s
  8. 08 DeepSeek-V2.5 236B · IQ4_XS · Sep 2024 120 tok/s
  9. 09 DeepSeek-Coder-V2 236B 236B · Q3_K_M · Jun 2024 23.7 tok/s
  10. 10 DeepSeek-V2 (MoE-236B) 236B · IQ4_XS · May 2024 120 tok/s

Nejrychlejší AI modely na a H200 SXM 141 GB

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 2,071 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 2,071 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 2,071 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 2,071 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 2,071 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 2,071 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 1,918 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 1,883 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 1,883 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 1,883 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu H200 SXM 141 GB

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

  2. 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 141 GB to je často rozdíl mezi modelem, který se vejde, a tím, který se nevejde.

  3. 03

    Připněte porovnání na jednu úroveň kvality

    Ve výchozím nastavení tabulka vybírá nejméně komprimovanou verzi, která se vejde. Nastavení podlahy odstraňuje modely, které splňují kritéria pouze díky silné kompresi.

  4. 04

    Přečtěte si rychlost a rozsah

    Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 2,071 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. 141 GB.

  6. 06

    Otevřete model pro porovnání karet

    Následující model na jeho vlastní stránce zobrazuje veškerý hardware, který ho může spustit, takže můžete vidět, jak se porovnává proti H200 SXM 141 GB.

Odpovědi

H200 SXM 141 GB — běžné otázky

01

H200 SXM 141 GB— kolik má cache?

L1 cache je 250 KB, a L2 cache je 50 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.

02

H200 SXM 141 GB— jaké jsou její TFLOPS?

Je hodnocena na 267.6 TFLOPS při poloviční přesnosti a 66.9 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.

03

H200 SXM 141 GB— kolik má tensorových jader?

Má 528 Tensor jádra napříč 132 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

04

H200 SXM 141 GB— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 9.0. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

05

H200 SXM 141 GB— 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.

06

H200 SXM 141 GB— 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 628 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

07

H200 SXM 141 GB— může spustit model, který se nevejde do jeho VRAM?

Offloading mimo karty 141 GB táhne to celé dolů a žádná z postav na této stránce to nepředpokládá.

08

Byly by dvě H200 SXM 141 GB Karty budou dvakrát rychlejší?

Spojení jich kupuje rezervu spíše než tempo: 282 GB které vám umožňují držet modely, které by samostatně neudržely, ale generace se takto nedělí. Tyto údaje popisují jednu kartu.

09

H200 SXM 141 GB— které AI modely může spustit?

628 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.

10

H200 SXM 141 GB— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Tencent Hy3 preview na 295B parametry, komprimované na Q3_K_M. Generuje přibližně 105 tokens za sekundu a potřebuje asi 126.5 GB VRAM karty.

11

H200 SXM 141 GB— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 2,071 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.

12

H200 SXM 141 GB— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 309 tokenů za sekundu

13

H200 SXM 141 GB— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 719 tokenů za sekundu

14

H200 SXM 141 GB— 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 411 tokenů za sekundu

15

H200 SXM 141 GB— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q8_0, používající přibližně 80.7 GB paměti a generování kolem 144 tokenů za sekundu

16

H200 SXM 141 GB— kolik má paměti?

Tato karta má 141 GB z HBM3e. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 126.9 GB dostupný pro model a jeho konverzaci.

17

H200 SXM 141 GB— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 4,890 GB/s napříč autobusu 6,144 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

18

H200 SXM 141 GB— Jaký typ paměti používá?

Používá HBM3e častěji než 1.59 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.

19

H200 SXM 141 GB— Kdo to vyrábí?

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

20

H200 SXM 141 GB— Kdy byl vydán?

Bylo to vydáno v November 2024.

21

H200 SXM 141 GB— kolik energie to spotřebovává?

Hodnocená výkonová karta je 700 W, a navrhovaný systémový zdroj energie je 1,100 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

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