Vypočítejte TPS modelu GB10 na místních AI modelech

NVIDIA 128 GB LPDDR5X 273 GB/s October 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

624 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

Solar Open2 250B

250.3B · Q3_K_M · 6.9 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

116 tok/s · 1B

Které AI modely mohou běžet na a GB10?

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.

624 modely odpovídají

Vypočítávání
Kvantisace Pohodlné
116 tok/s

98–139

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

98–139

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

69–185 · nízká důvěra

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

69–185 · nízká důvěra

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

69–185 · nízká důvěra

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

69–185 · nízká důvěra

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

64–171 · nízká důvěra

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

63–168 · nízká důvěra

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

63–168 · nízká důvěra

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

63–168 · nízká důvěra

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

63–168 · nízká důvěra

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

58–154 · nízká důvěra

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

58–154 · nízká důvěra

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

58–154 · nízká důvěra

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

58–154 · nízká důvěra

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

80–113

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

56–148 · nízká důvěra

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

53–142 · nízká důvěra

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

53–142 · nízká důvěra

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

53–142 · nízká důvěra

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

53–142 · nízká důvěra

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

53–142 · nízká důvěra

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

53–142 · nízká důvěra

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

53–142 · nízká důvěra

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

53–142 · 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

GB10 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
273 GB/s
Typ paměti
LPDDR5X
Šířka sběrnice paměti
256 bit
Frekvence paměti
1.07 GHz

Čip

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

Grafický procesor
GB20B
Architektura
Blackwell 2.0
Generace
Server Blackwell(Bxx)
Foundry
TSMC
Velikost procesu
5 nm
Uvolněno
15 October 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
2.42 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
6,144
Jednotky pro mapování textur
384
Renderovací výstupní jednotky
48
Streaming multiprocessory
48
Tensor jádra
384
Jádra ray tracing
48
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)
29.7 TFLOPS
Jednoduchá přesnost (FP32)
29.7 TFLOPS
Dvojitá přesnost (FP64)
464.3 GFLOPS
Rychlost pixelů
116 GPixel/s
Rychlost textury
929 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)
140 W
Navrhovaný zdroj napájení
300 W
Napájecí konektory
None
Rozhraní sběrnice
PCIe 5.0 x16
Šířka slotu
IGP
Rozměry
150 mm × 150 mm
Zobrazit výstupy
1x HDMI

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
12.1
OpenCL
3.0

Seznamy

Kde koupit GPU GB10

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

128 GB

Šířka pásma

273 GB/s

Největší model

Solar Open2 250B

GB10 drží 128 GB z LPDDR5X. 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 273 GB/s napříč autobusu 256 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.

To pramení z paměťového taktu 1.07 GHz. Je to důvod, proč počty jader tak špatně předpovídají rychlost generace.

Největší věc, kterou drží, je Solar Open2 250B, 250.3B, komprimováno na Q3_K_M a generováním kolem 6.9 tokenů za sekundu

Čip a jak byl vyroben

GB10 je postaven na grafickém procesoru GB20B, používající architekturu Blackwell 2.0 z NVIDIA, jako součást generování Server Blackwell(Bxx).

Čip je vyráběn společností TSMC, na procesu 5 nm. 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 2025. 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

29.7 TFLOPS

FP64

464.3 GFLOPS

Tensor jádra

384

Na papíře GB10 dosahuje 29.7 TFLOPS při poloviční přesnosti, a 29.7 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 464.3 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 384 Tensor jádra napříč 48 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 2.42 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

GB10 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 6,144 Stínovací jednotky, 384 Jednotky pro mapování textur, a 48 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

140 W

GB10 je ohodnocen na 140 W, a navrhovaný systémový zdroj energie je 300 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, měření 150 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 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 GB10

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 · Q3_K_M · Jun 2026 6.9 tok/s
  2. 02 MiniMax-M2.7 229B · Q3_K_M · Mar 2026 1.4 tok/s
  3. 03 MiniMax-M2.5 229B · Q3_K_M · Feb 2026 1.4 tok/s
  4. 04 MiniMax-M2.1 229B · Q3_K_M · Dec 2025 1.4 tok/s
  5. 05 P1-235B-A22B 235B · Q3_K_M · Nov 2025 7.4 tok/s
  6. 06 Qwen3-235B-A22B-Thinking (Jul 2025) 235B · Q3_K_M · Jul 2025 7.4 tok/s
  7. 07 Qwen3-235B-A22B (Jul 2025) 235B · Q3_K_M · Jul 2025 7.4 tok/s
  8. 08 Qwen3-235B-A22B 235B · IQ4_XS · Apr 2025 6.7 tok/s
  9. 09 DeepSeek-V2.5 236B · Q3_K_M · Sep 2024 7.4 tok/s
  10. 10 DeepSeek-V2 (MoE-236B) 236B · Q3_K_M · May 2024 7.4 tok/s

Nejrychlejší AI modely na a GB10

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 116 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 116 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 116 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 116 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 116 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 116 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 107 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 105 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 105 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 105 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu GB10

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

  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 128 GB takže nastavení stojí za to udělat správně.

  3. 03

    Vyberte, jak daleko chcete komprimovat.

    Kompresce je to, co umožňuje větším modelům se vejít. Kontrola kvality vyřadí jakýkoli model, který vyžaduje více toho, než jste ochotni poskytnout.

  4. 04

    Podívejte se na rozsah, nejen na číslo

    Čísla jsou vypočítaná, ne měřená. Nejrychlejší výsledek na této kartě je 116 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

    Sloupec vhodnosti odděluje modely, které se právě vejdou, od těch, které mají prostor navíc — stojí za to zkontrolovat před výběrem jednoho, proti dostupným 128 GB.

  6. 06

    Otevřete model pro porovnání karet

    Každé jméno modelu v tabulce odkazuje na svou vlastní stránku, která provádí stejné výpočty na každé kartě, kterou máme. Tam vidíte, zda je správný nákup GB10.

Odpovědi

GB10 — běžné otázky

01

GB10— kolik má paměti?

Tato karta má 128 GB z LPDDR5X. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 115.2 GB dostupný pro model a jeho konverzaci.

02

GB10— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 273 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.

03

GB10— Jaký typ paměti používá?

Používá LPDDR5X častěji než 1.07 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.

04

GB10— Kdo to vyrábí?

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

05

GB10— Kdy byl vydán?

Bylo to vydáno v October 2025.

06

GB10— kolik energie to spotřebovává?

Hodnocená výkonová karta je 140 W, a navrhovaný systémový zdroj energie je 300 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

07

GB10— 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.

08

GB10— jaké jsou její TFLOPS?

Je hodnocena na 29.7 TFLOPS při poloviční přesnosti a 29.7 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.

09

GB10— kolik má tensorových jader?

Má 384 Tensor jádra napříč 48 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

10

GB10— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 12.1. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

11

GB10— 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.

12

GB10— Je to dobré pro běh místních AI modelů?

Jeho VRAM je dostatečně velký pro modely, na které většina desktopového hardwaru nedosáhne, i když jeho šířka pásma znamená, že generování se bude na větších modelech cítit pomalu. Celkově běží 624 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

13

GB10— 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.

14

Byly by dvě GB10 Karty budou dvakrát rychlejší?

Spojení jich kupuje rezervu spíše než tempo: 256 GB pracovat s spíše než dvojnásobek tokenů za sekundu — každá hodnota zde je pro jeden KARTU.

15

GB10— 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.

16

GB10— 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 6.9 tokens za sekundu a potřebuje asi 106.6 GB VRAM karty.

17

GB10— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 116 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.

18

GB10— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 17.3 tokenů za sekundu

19

GB10— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 40.2 tokenů za sekundu

20

GB10— 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 23.0 tokenů za sekundu

21

GB10— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q8_0, používající přibližně 80.7 GB paměti a generování kolem 8.0 tokenů za sekundu

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