Vypočítejte TPS modelu B300 na místních AI modelech

NVIDIA 288 GB HBM3e 8,000 GB/s September 2025

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

689 modely, které může spustit

721 modely v našem katalogu dohromady

Největší model, který podporuje

Nemotron 3 Ultra

550B · Q3_K_M · 92.4 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

3,388 tok/s · 1B

Které AI modely mohou běžet na a B300?

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.

689 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
3,388 tok/s

2,880–4,066

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
3,388 tok/s

2,880–4,066

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokeny Q8_0 Pohodlný
3,388 tok/s

2,033–5,421 · nízká důvěra

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
3,388 tok/s

2,033–5,421 · nízká důvěra

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
3,388 tok/s

2,033–5,421 · nízká důvěra

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokeny ? Q8_0 Pohodlný
3,388 tok/s

2,033–5,421 · nízká důvěra

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokeny ? Q8_0 Pohodlný
3,137 tok/s

1,882–5,020 · nízká důvěra

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokeny ? Q8_0 Pohodlný
3,080 tok/s

1,848–4,928 · nízká důvěra

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
3,080 tok/s

1,848–4,928 · nízká důvěra

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
3,080 tok/s

1,848–4,928 · nízká důvěra

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
3,080 tok/s

1,848–4,928 · nízká důvěra

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Pohodlný
2,824 tok/s

1,694–4,518 · nízká důvěra

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
2,824 tok/s

1,694–4,518 · nízká důvěra

LFM2-1.2B ≈ 1.2B Jul 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
2,824 tok/s

1,694–4,518 · nízká důvěra

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
2,824 tok/s

1,694–4,518 · nízká důvěra

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
2,824 tok/s

1,694–4,518 · nízká důvěra

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokeny ? Q8_0 Pohodlný
2,755 tok/s

2,341–3,306

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokeny Q8_0 Pohodlný
2,716 tok/s

1,630–4,346 · nízká důvěra

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokeny ? Q8_0 Pohodlný
2,606 tok/s

1,564–4,170 · nízká důvěra

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
2,606 tok/s

1,564–4,170 · nízká důvěra

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
2,606 tok/s

1,564–4,170 · nízká důvěra

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
2,606 tok/s

1,564–4,170 · nízká důvěra

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
2,606 tok/s

1,564–4,170 · nízká důvěra

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
2,606 tok/s

1,564–4,170 · nízká důvěra

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Pohodlný
2,606 tok/s

1,564–4,170 · nízká důvěra

Otter ≈ 1.3B May 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

B300 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
288 GB
Šířka pásma VRAM
8,000 GB/s
Typ paměti
HBM3e
Šířka sběrnice paměti
8,192 bit
Frekvence paměti
1.95 GHz

Čip

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

Grafický procesor
GB110
Architektura
Blackwell Ultra
Generace
Server Blackwell(Bxx)
Foundry
TSMC
Velikost procesu
5 nm
Tranzistory
104 billion
Uvolněno
11 September 2025

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
1.67 GHz
Zvýšená frekvence
2.03 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
18,944
Jednotky pro mapování textur
592
Renderovací výstupní jednotky
24
Streaming multiprocessory
148
Tensor jádra
592
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)
1,231.8 TFLOPS
Jednoduchá přesnost (FP32)
77 TFLOPS
Dvojitá přesnost (FP64)
1.2 TFLOPS
Rychlost pixelů
49 GPixel/s
Rychlost textury
1,203 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)
1,400 W
Navrhovaný zdroj napájení
1,800 W
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
10.3
OpenCL
3.0

Seznamy

Kde koupit GPU B300

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

Co znamená paměťový subsystém pro AI

Paměť

288 GB

Šířka pásma

8,000 GB/s

Největší model

Nemotron 3 Ultra

B300 drží 288 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 259.2 GB.

Šířka pásma paměti dosahuje 8,000 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 1.95 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 Nemotron 3 Ultra, 550B, komprimováno na Q3_K_M a generováním kolem 92.4 tokenů za sekundu

Čip a jak byl vyroben

B300 je postaven na grafickém procesoru GB110, používající architekturu Blackwell Ultra z NVIDIA, jako součást generování Server Blackwell(Bxx).

Čip je vyráběn společností TSMC, na procesu 5 nm, držení 104 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 September 2025, hrubě 1.0101876306928 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

1,231.8 TFLOPS

FP64

1.2 TFLOPS

Tensor jádra

592

Na papíře B300 dosahuje 1,231.8 TFLOPS při poloviční přesnosti, a 77 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.

Karta nese 592 Tensor jádra napříč 148 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 1.67 GHz k zvýšení 2.03 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

B300 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 18,944 Stínovací jednotky, 592 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

1,400 W

B300 je ohodnocen na 1,400 W, a navrhovaný systémový zdroj energie je 1,800 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 sxm 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 B300

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

  1. 01 Nemotron 3 Ultra 550B · Q3_K_M · Jun 2026 92.4 tok/s
  2. 02 Qwen3-Coder-480B-A35B 480B · IQ4_XS · Jul 2025 96.3 tok/s
  3. 03 MiniMax-M1-80k 456B · IQ4_XS · Jun 2025 18.3 tok/s
  4. 04 MiniMax-M1-40k 456B · IQ4_XS · Jun 2025 18.3 tok/s
  5. 05 ERNIE-4.5-VL-424B-A47B (文心大模型4.5) 424B · Q4_K_M · Mar 2025 102 tok/s
  6. 06 Tulu 3 405B 405B · Q4_K_M · Jan 2025 19.3 tok/s
  7. 07 MiniMax-VL-01 456.3B · Q4_K_M · Jan 2025 95.2 tok/s
  8. 08 MiniMax-Text-01 456B · IQ4_XS · Jan 2025 18.3 tok/s
  9. 09 Hermes 3 405B 405B · Q4_K_M · Aug 2024 19.3 tok/s
  10. 10 Arctic 480B · Q3_K_M · Apr 2024 19.1 tok/s

Nejrychlejší AI modely na a B300

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 3,388 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 3,388 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 3,388 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 3,388 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 3,388 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 3,388 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 3,137 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 3,080 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 3,080 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 3,080 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu B300

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

  2. 02

    Přizpůsobte kontext své práci

    Přetáhněte posuvník na délku konverzace, na které plánujete pracovat. Cache se zvětšuje s konverzací, a proti kartě, která drží 288 GB takže nastavení stojí za to udělat správně.

  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

    Rychlosti přicházejí s chybovými pruhy z nějakého důvodu. Nejlepší případ zde je 3,388 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. 288 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 B300.

Odpovědi

B300 — běžné otázky

01

B300— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 8,000 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.

02

B300— Jaký typ paměti používá?

Používá HBM3e častěji než 1.95 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

B300— Kdo to vyrábí?

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

04

B300— Kdy byl vydán?

Bylo to vydáno v September 2025.

05

B300— kolik energie to spotřebovává?

Hodnocená výkonová karta je 1,400 W, a navrhovaný systémový zdroj energie je 1,800 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

06

B300— 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.

07

B300— jaké jsou její TFLOPS?

Je hodnocena na 1,231.8 TFLOPS při poloviční přesnosti a 77 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

B300— kolik má tensorových jader?

Má 592 Tensor jádra napříč 148 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

09

B300— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 10.3. 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

B300— 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.

11

B300— 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 689 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

12

B300— může spustit model, který se nevejde do jeho VRAM?

Offloading mimo karty 288 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 B300 Karty budou dvakrát rychlejší?

Ne. Druhá karta zdvojnásobí VRAM na 576 GB kombinované paměti, přibližně ve stejné generační rychlosti jako jeden.

14

B300— které AI modely může spustit?

689 z 721 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

B300— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je Nemotron 3 Ultra na 550B parametry, komprimované na Q3_K_M. Generuje přibližně 92.4 tokens za sekundu a potřebuje asi 239.6 GB VRAM karty.

16

B300— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 3,388 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

B300— může to běžet 7B modely?

Ano. Například běží Gemma 4 E4B na Q8_0, používající přibližně 9.8 GB paměti a generování kolem 753 tokenů za sekundu

18

B300— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 1,176 tokenů za sekundu

19

B300— 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 672 tokenů za sekundu

20

B300— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q8_0, používající přibližně 80.7 GB paměti a generování kolem 235 tokenů za sekundu

21

B300— kolik má paměti?

Tato karta má 288 GB z HBM3e. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 259.2 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