Vypočítejte TPS modelu RTX PRO 5000 72 GB Blackwell na místních AI modelech

NVIDIA 72 GB GDDR7 1,340 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

602 modely, které může spustit

679 modely v našem katalogu dohromady

Největší model, který podporuje

DBRX

132B · Q3_K_M · 42.5 tok/s

Nejrychlejší model

Gemma 3 QAT 1B

568 tok/s · 1B

Které AI modely mohou běžet na a RTX PRO 5000 72 GB Blackwell?

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

602 modely odpovídají

Vypočítávání

						Kvantisace	Pohodlné
568 tok/s 482–681	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
568 tok/s 482–681	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Pohodlný
568 tok/s 341–908 · nízká důvěra	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
568 tok/s 341–908 · nízká důvěra	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
568 tok/s 341–908 · nízká důvěra	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
568 tok/s 341–908 · nízká důvěra	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Pohodlný
525 tok/s 315–841 · nízká důvěra	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
516 tok/s 310–826 · nízká důvěra	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
516 tok/s 310–826 · nízká důvěra	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
516 tok/s 310–826 · nízká důvěra	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
516 tok/s 310–826 · nízká důvěra	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Pohodlný
473 tok/s 284–757 · nízká důvěra	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
473 tok/s 284–757 · nízká důvěra	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
473 tok/s 284–757 · nízká důvěra	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
473 tok/s 284–757 · nízká důvěra	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
461 tok/s 392–554	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Pohodlný
455 tok/s 273–728 · nízká důvěra	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · nízká důvěra	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · nízká důvěra	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · nízká důvěra	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · nízká důvěra	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · nízká důvěra	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · nízká důvěra	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · nízká důvěra	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Pohodlný
437 tok/s 262–699 · 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

RTX PRO 5000 72 GB Blackwell 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: 72 GB
Šířka pásma VRAM: 1,340 GB/s
Typ paměti: GDDR7
Šířka sběrnice paměti: 384 bit
Frekvence paměti: 1.75 GHz

Čip

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

Grafický procesor: GB202
Architektura: Blackwell 2.0
Generace: Blackwell PRO W(x000)
Foundry: TSMC
Velikost procesu: 5 nm
Tranzistory: 92.2 billion
Hustota tranzistorů: 122,900 K/mm²
Velikost čipu: 750 mm²
Uvolněno: 21 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: 1.74 GHz
Zvýšená frekvence: 2.38 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: 14,080
Jednotky pro mapování textur: 440
Renderovací výstupní jednotky: 176
Streaming multiprocessory: 110
Tensor jádra: 440
Jádra ray tracing: 110
L1 cache: 128 KB
L2 cache: 96 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): 66.9 TFLOPS
Jednoduchá přesnost (FP32): 66.9 TFLOPS
Dvojitá přesnost (FP64): 1 TFLOPS
Rychlost pixelů: 418 GPixel/s
Rychlost textury: 1,046 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): 300 W
Navrhovaný zdroj napájení: 700 W
Napájecí konektory: 1x 16-pin
Rozhraní sběrnice: PCIe 5.0 x16
Šířka slotu: Dual-slot
Rozměry: 267 mm × 40 mm
Zobrazit výstupy: 4x DisplayPort 2.1b

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: 12.0
DirectX: 12.2
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Shader model: 6.8

Seznamy

Kde koupit GPU RTX PRO 5000 72 GB Blackwell

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

72 GB

Šířka pásma

1,340 GB/s

Největší model

DBRX

RTX PRO 5000 72 GB Blackwell nese 72 GB z GDDR7. Tohle pokrývá středně velké modely, které většina lidí skutečně používá. Jakmile runtime a ovladač rezervují svůj pracovní prostor, zhruba tolik zůstane: 64.8 GB.

Šířka pásma paměti dosahuje 1,340 GB/s napříč autobusu 384 bitů. Generování tokenu znamená přečtení každé váhy jednou, takže tato hodnota určuje tempo více než jakékoli jiné číslo zde, a na této úrovni text přichází rychleji, než většina lidí čte.

Šířka pásma je frekvence krát šířka sběrnice, a tato karta taktí svou paměť na 1.75 GHz. Je to důvod, proč počty jader tak špatně předpovídají rychlost generace.

Největší věc, kterou drží, je DBRX, 132B, komprimováno na Q3_K_M a generováním kolem 42.5 tokenů za sekundu

Čip a jak byl vyroben

RTX PRO 5000 72 GB Blackwell je postaven na grafickém procesoru GB202, používající architekturu Blackwell 2.0 z NVIDIA, jako součást generování Blackwell PRO W(x000).

Čip je vyráběn společností TSMC, na procesu 5 nm, s kostkou o rozměrech 750 mm², držení 92.2 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 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

66.9 TFLOPS

FP64

1 TFLOPS

Tensor jádra

440

Na papíře RTX PRO 5000 72 GB Blackwell dosahuje 66.9 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 1 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 440 Tensor jádra napříč 110 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 1.74 GHz k zvýšení 2.38 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

RTX PRO 5000 72 GB Blackwell má L1 cache 128 KB, podporováno L2 cache 96 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 14,080 Stínovací jednotky, 440 Jednotky pro mapování textur, a 176 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

300 W

RTX PRO 5000 72 GB Blackwell je ohodnocen na 300 W, a navrhovaný systémový zdroj energie je 700 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 RTX PRO 5000 72 GB Blackwell

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

01 Mistral Medium 3.5 128B · Q3_K_M · Apr 2026 12.0 tok/s
02 Qwen3.5-122B-A10B 122B · IQ4_XS · Feb 2026 63.5 tok/s
03 Devstral 2 (123B) 123B · Q3_K_M · Dec 2025 12.5 tok/s
04 gpt-oss-120b 116.8B · IQ4_XS · Aug 2025 11.9 tok/s
05 Command A Vision 112B · IQ4_XS · Jul 2025 12.4 tok/s
06 Pixtral Large 124B · Q3_K_M · Nov 2024 12.4 tok/s
07 Mistral Large 2.1 123B · Q3_K_M · Nov 2024 12.5 tok/s
08 Telechat2-115B 115B · IQ4_XS · Sep 2024 12.1 tok/s
09 Mistral Large 2 123B · Q3_K_M · Jul 2024 12.5 tok/s
10 DBRX 132B · Q3_K_M · Mar 2024 42.5 tok/s

Nejrychlejší AI modely na a RTX PRO 5000 72 GB Blackwell

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 568 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 568 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 568 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 568 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 568 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 568 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 525 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 516 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 516 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 516 tok/s

Krok za krokem

Jak vypočítat tokeny za sekundu AI modelu RTX PRO 5000 72 GB Blackwell

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 602 modely, které tato karta spouští. Hledání zúží seznam podle názvu nebo podle velikosti.
02

Přizpůsobte kontext své práci

Delší konverzace vyžadují paměť nad rámec váhy. 72 GB často je to to, co dostane velký model na hranu.
03

Připněte porovnání na jednu úroveň kvality

Kompresce je to, co umožňuje větším modelům se vejít. Kontrola kvality vyřadí jakýkoli model, který vyžaduje více toho, než jste ochotni poskytnout.
04

Podívejte se na rozsah, nejen na číslo

Čísla jsou vypočítaná, ne měřená. Nejrychlejší výsledek na této kartě je 568 tok/s na Gemma 3 QAT 1B. Stejná karta a model se liší o třicet až padesát procent mezi inference runtimy.
05

Přečtěte si soud o fitu naposled.

Tight fit běží, ale nedává žádný prostor pro zvýšení kontextu později; comfortable má rezervu. Sloupec paměti ukazuje, co každý model potřebuje proti dostupnému 72 GB.
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 RTX PRO 5000 72 GB Blackwell.

Odpovědi

RTX PRO 5000 72 GB Blackwell — běžné otázky

RTX PRO 5000 72 GB Blackwell— může to běžet 70B modely?

Ano. Například běží Qwen3-Coder-Next na Q6_K, používající přibližně 62.0 GB paměti a generování kolem 57.3 tokenů za sekundu

RTX PRO 5000 72 GB Blackwell— kolik má paměti?

Tato karta má 72 GB z GDDR7. Třetina je rezervována pro inference runtime a ovladač, což zbývá přibližně 64.8 GB dostupný pro model a jeho konverzaci.

RTX PRO 5000 72 GB Blackwell— jaká je její šířka pásma VRAM?

Šířka pásma paměti dosahuje 1,340 GB/s napříč autobusu 384 bitů. Toto je jediný nejlepší prediktor toho, jak rychle generuje text, protože vyprodukování každého tokenu znamená přečíst celý model z VRAM jednou.

RTX PRO 5000 72 GB Blackwell— Jaký typ paměti používá?

Používá GDDR7 častěji než 1.75 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.

RTX PRO 5000 72 GB Blackwell— Kdo to vyrábí?

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

RTX PRO 5000 72 GB Blackwell— Kdy byl vydán?

Bylo to vydáno v October 2025.

RTX PRO 5000 72 GB Blackwell— kolik energie to spotřebovává?

Hodnocená výkonová karta je 300 W, a navrhovaný systémový zdroj energie je 700 W. Generování textu vyžaduje vysokou zátěž v intervalech a mezi požadavky nepracuje, takže průměrná spotřeba během pracovního sezení je obvykle výrazně pod hodnoceným číslem.

RTX PRO 5000 72 GB Blackwell— kolik má cache?

L1 cache je 128 KB, a L2 cache je 96 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.

RTX PRO 5000 72 GB Blackwell— jaké jsou její TFLOPS?

Je hodnocena na 66.9 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.

RTX PRO 5000 72 GB Blackwell— kolik má tensorových jader?

Má 440 Tensor jádra napříč 110 Streaming multiprocessory. Zrychlují maticovou aritmetiku, ze které je postavený TRANSFORMER, což hlavně urychluje zpracování dlouhého POŽADAVKU spíše než produkci odpovědi.

RTX PRO 5000 72 GB Blackwell— Podporuje to CUDA?

Ano. Hláší CUDA výpočetní schopnost 12.0. Schopnost 7.0 a výše má tensorové jádra, která moderní inference software používá; pod tímto se přechází na pomalejší kódové cesty pro kvantizované modely.

RTX PRO 5000 72 GB Blackwell— 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.

RTX PRO 5000 72 GB Blackwell— Je to dobré pro běh místních AI modelů?

Jeho VRAM je dostatečně velká pro modely, které většina desktopového hardwaru nemůže dosáhnout, a jeho šířka pásma je dostatečně vysoká, aby generovala text rychleji, než většina lidí čte. Celkově běží 602 modelů, které sledujeme. Zda je to dostatečné, závisí zcela na tom, který model chcete — tabulka výše na to přímo odpovídá.

RTX PRO 5000 72 GB Blackwell— může spustit model, který se nevejde do jeho VRAM?

Může být rozdělen, přičemž přetečení je uchováváno v systémové MEMORY za hranicemi karty. 72 GB táhne to celé dolů a žádná z postav na této stránce to nepředpokládá.

Byly by dvě RTX PRO 5000 72 GB Blackwell Karty budou dvakrát rychlejší?

Kapacita se přidává, propustnost nikoli. Dva z nich vám dají 144 GB pracovat s spíše než dvojnásobek tokenů za sekundu — každá hodnota zde je pro jeden KARTU.

RTX PRO 5000 72 GB Blackwell— které AI modely může spustit?

602 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.

RTX PRO 5000 72 GB Blackwell— jaký je největší AI model, který může spustit?

Největší model v našem katalogu, který se vejde, je DBRX na 132B parametry, komprimované na Q3_K_M. Generuje přibližně 42.5 tokens za sekundu a potřebuje asi 64.2 GB VRAM karty.

RTX PRO 5000 72 GB Blackwell— kolik tokenů za sekundu produkuje?

Závisí to na modelu. Nejrychlejší model, který zde sledujeme, je Gemma 3 QAT 1B přibližně 568 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.

RTX PRO 5000 72 GB Blackwell— může to běžet 7B modely?

Ano. Například běží Multi-Token Prediction 7B na Q8_0, používající přibližně 7.9 GB paměti a generování kolem 84.7 tokenů za sekundu

RTX PRO 5000 72 GB Blackwell— může to běžet 13B modely?

Ano. Například běží DeepSeekMoE-16B na Q8_0, používající přibližně 17.5 GB paměti a generování kolem 197 tokenů za sekundu

RTX PRO 5000 72 GB Blackwell— 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 113 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