Berechne die TPS des Quadro K5000M auf lokalen KI-Modellen
Jedes Modell in unserem Katalog wurde anhand dieser Karte für das Kontextlängen und die Mindestqualität, die Sie wählen, bewertet. Die Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite dieser Karte und der Größe jedes Modells nach der Kompression..
Berechnet für diese Karte
679 Modelle in unserem Katalog insgesamt
Das größte Modell, das es hält
DeciLM 6B
5.7B · Q3_K_M · 16.4 tok/s
Schnellstes Modell
Gemma 3 QAT 1B
34.6 tok/s · 1B
Welche KI-Modelle können auf einem Quadro K5000M?
Setze die Eingaben, lies die Antwort
Mehr Kontext bedeutet mehr Speicher für den Gesprächs-Cache. Die Geschwindigkeit ist für ein frisches Gespräch und ändert sich nicht mit dieser Einstellung..
Blendet Modelle aus, die nur passen würden, wenn sie unter diesen Punkt komprimiert werden..
97 Modelle passen
Berechnung| Quantisierung | Passend | ||||||
|---|---|---|---|---|---|---|---|
|
34.6
tok/s
12–69 · niedrige Vertrauenswürdigkeit |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
34.6
tok/s
12–69 · niedrige Vertrauenswürdigkeit |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
34.6
tok/s
12–69 · niedrige Vertrauenswürdigkeit |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
34.6
tok/s
12–69 · niedrige Vertrauenswürdigkeit |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
34.6
tok/s
12–69 · niedrige Vertrauenswürdigkeit |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
34.6
tok/s
12–69 · niedrige Vertrauenswürdigkeit |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
32.0
tok/s
11–64 · niedrige Vertrauenswürdigkeit |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
31.4
tok/s
11–63 · niedrige Vertrauenswürdigkeit |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
31.4
tok/s
11–63 · niedrige Vertrauenswürdigkeit |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
31.4
tok/s
11–63 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
31.4
tok/s
11–63 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
28.8
tok/s
10–58 · niedrige Vertrauenswürdigkeit |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
28.8
tok/s
10–58 · niedrige Vertrauenswürdigkeit |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
28.8
tok/s
10–58 · niedrige Vertrauenswürdigkeit |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
28.8
tok/s
10–58 · niedrige Vertrauenswürdigkeit |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
28.1
tok/s
10–56 · niedrige Vertrauenswürdigkeit |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 54k Token | Q8_0 | Komfortabel |
|
27.7
tok/s
10–55 · niedrige Vertrauenswürdigkeit |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
26.6
tok/s
9–53 · niedrige Vertrauenswürdigkeit |
Phi-1 ≈ | 1.3B | Oct 2023 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..
Aufgezeichnet
Quadro K5000M Volle Spezifikation
Alles auf Datei für dieses Board, geordnet danach, wie sehr es das Ausführen eines Sprachmodells beeinflusst, anstatt wie es in einem Datenblatt aufgeführt wäre. MEMORY kommt zuerst, weil es das Ergebnis bestimmt; der Rest ist CONTEXT..
Speicher
Die beiden Spezifikationen, die entscheiden, was diese CARD ausführen kann und wie schnell. Die Kapazität legt fest, welche Modelle passen; die Bandbreite bestimmt, wie viele Tokens pro Sekunde sie produzieren, sobald sie passen.
- Speicherkapazität
- 4 GB
- Speicherbandbreite
- 96 GB/s
- Speichertype
- GDDR5
- Speicherdatenbreite
- 256 bit
- Speichertakt
- 750 MHz
Der Chip
Welcher Prozessor sich auf der Platine befindet und wie er hergestellt wurde. Eine kleinere Prozessgröße bedeutet allgemein mehr Leistung bei gleicher Energie.
- Grafikprozessor
- GK104
- Architektur
- Kepler
- Generierung
- Quadro Kepler-M(Kx000M)
- Gießerei
- TSMC
- Prozessgröße
- 28 nm
- Transistoren
- 3.5 billion
- Transistordichte
- 12,000 K/mm²
- Die Größe
- 294 mm²
- Paket
- BGA-1745
- Veröffentlicht
- 7 August 2012
Taktfrequenzen
Wie schnell der Prozessor läuft. Hier weit weniger wert als bei einem Gaming-Benchmark: Die Textgenerierung ist durch die Speicherbandbreite begrenzt, sodass eine höhere Taktfrequenz das Ergebnis kaum verbessert.
- Basis-Takt
- 601 MHz
- Boost-Takt
- 601 MHz
Verarbeitungseinheiten
Was der Chip enthält. Diese treiben die Grafikleistung und sind hauptsächlich für die Verarbeitung eines langen Prompts wichtig, statt für die Produktion der Antwort.
- Shader-Einheiten
- 1,344
- Texturzuordnungseinheiten
- 112
- Render-Ausgabeeinheiten
- 32
- L1-Cache
- 16 KB
- L2-Cache
- 0.5 MB
Theoretische Leistung
Die veröffentlichten Spitzenarithmetikraten für die Karte. Dies sind Obergrenzen, die keine echte Arbeitslast erreicht, und das Generieren von Text erreicht nur einen kleinen Bruchteil davon, da es durch den Speicher und nicht durch die Arithmetik limitiert ist.
- Einfache Genauigkeit (FP32)
- 1.6 TFLOPS
- Doppelte Genauigkeit (FP64)
- 67.3 GFLOPS
- Pixelrate
- 17 GPixel/s
- Texturrate
- 67 GTexel/s
Die Platine
Was erforderlich ist, um die KArte physisch zu installieren und mit Strom zu versorgen — die praktischen Einschränkungen, die entscheiden, ob sie in die Maschine passt, die Sie bereits besitzen.
- Leistungsaufnahme (TDP)
- 100 W
- Stromanschlüsse
- None
- Bus-Schnittstelle
- MXM-B (3.0)
- Slot-Breite
- MXM Module
Software-Unterstützung
Welche Grafik- und Rechen-Schnittstellen die Karte unterstützt. CUDA-Rechenfähigkeit betrifft die Inferenz: unter 7.0 gibt es keine Tensor-Kerne, und moderne Inferenz-Software greift auf langsamere Code-Pfade zurück.
- CUDA Berechnungsfähigkeit
- 3.0
- DirectX
- 11.0
- OpenGL
- 4.6
- Vulkan
- 1.2
- OpenCL
- 3.0
- Shader-Modell
- 5.1
Auflistungen
Wo man ein Quadro K5000M
Derzeit listet kein Anbieter diese Karte. Die Angebote stammen von Anbietern, die sie hier direkt veröffentlichen. — Durchsuche das Anbieter-Verzeichnis zu sehen, wer was verkauft.
Was die Zahlen bedeuten
Was das Speicher-Subsystem für KI bedeutet
Speicher
4 GB
Bandbreite
96 GB/s
Größtes Modell
DeciLM 6B
Quadro K5000M trägt nur 4 GB von GDDR5. Das begrenzt es auf das kleinere Ende des Katalogs, und ein Modell muss vollständig hineinpassen, bevor es überhaupt etwas generiert. Ein Laufzeit erhält tatsächlich etwa 3.6 GB.
Der Speicherbandbreite erreicht 96 GB/s über einen Bus von 256 Bits. Die Bandbreite ist die echte Einschränkung dieser Karte. Jedes Token erfordert das gesamte Modell aus dem Speicher zu lesen, daher wird sich ein großes Modell hier sogar langsam anfühlen, selbst wenn es passt.
Die Zahl ist die Busbreite multipliziert mit einer Speicher-Taktfrequenz von 750 MHz. Es ist der Grund, warum Kernanzahlen die Generationsgeschwindigkeit so schlecht vorhersagen.
Das größte, was es hält, ist DeciLM 6B, 5.7B, komprimiert auf Q3_K_M und generieren etwa 16.4 Token pro Sekunde
Der Chip und wie er gebaut wurde
Quadro K5000M ist auf dem Grafikprozessor aufgebaut GK104, die Architektur verwenden Kepler von NVIDIA, als Teil der Generierung Quadro Kepler-M(Kx000M).
Der Chip wird hergestellt von TSMC, einem Prozess von 28 nm, mit einem Maß von 294 mm², halten 3.5 billion Transistoren. Ein kleinerer Prozess bedeutet im Allgemeinen mehr Leistung für die gleiche Energie, obwohl es bei Sprachmodellen weit weniger von Bedeutung ist als das MEMORY-SUBSYSTEM.
Es wurde veröffentlicht in August 2012, grob 13.983234431036 vor Jahren. Die Unterstützung von Inference-Software folgt in der Regel ein oder zwei Jahre hinter der Hardware, sodass eine Karte dieses Alters normalerweise über ausgereifte, gut optimierte Codepfade verfügt.
Rechen-Durchsatz, und warum er weniger wichtig ist, als er aussieht
FP64
67.3 GFLOPS
Der Durchsatz für doppelpräzises Rechnen erreicht 67.3 GFLOPS. Es hat keinen Einfluss auf das Ausführen eines Sprachmodells — keine Inferenzlaufzeit verwendet es — aber es trennt die Teile des Rechenzentrums von den Verbraucherteilen, da letztere es absichtlich einschränken.
Die Taktraten laufen von einer Basis von 601 MHz zu einem Schub von 601 MHz. Hier weit weniger wert als bei einem Gaming-Benchmark: das Anheben der Taktgeschwindigkeiten steigert die Arithmetik, und die Arithmetik ist nicht das, worauf die Generation wartet.
Cache und Verarbeitungseinheiten
Quadro K5000M hat einen L1-Cache von 16 KB, unterstützt von einem L2-Cache von 0.5 MB. Cache absorbiert einen Teil des MEMORY-Traffics, der ansonsten den MAIN BUS treffen würde, was der einzige Ort auf dieser Seite ist, an dem eine Zahl außer BANDWIDTH leise die GENERATIONSGESCHWINDIGKEIT beeinflusst — ein großes L2 lässt mehr des WORKING SETS nah an den CORES bleiben.
Es gibt 1,344 Shader-Einheiten, 112 Texturzuordnungseinheiten, und 32 Render-Ausgabeeinheiten. Diese treiben Grafikarbeitslasten und tragen zur Verarbeitung von Eingabeaufforderungen bei, aber sie sitzen den größten Teil der Zeit, die ein Modell benötigt, um eine Antwort zu generieren, untätig.
Leistung, Größe und Installation
Stromverbrauch
100 W
Quadro K5000M ist bewertet mit 100 W. Das Ausführen eines Sprachmodells hält eine GPU-Karte in Intervallen beschäftigt, anstatt kontinuierlich — sie zieht stark während der Generierung und wartet zwischen den Anfragen — daher liegt der nachhaltige Verbrauch über einen Arbeitstag normalerweise deutlich unter dem angegebenen Wert.
Die Karte belegt mxm module. Es lohnt sich, bereits das Gehäuse und das Netzteil in der Maschine zu überprüfen, da die größten KARTEN erheblich mehr von beidem benötigen, als ein typischer Desktop bereitstellt.
Es verbindet sich über MXM-B (3.0). Die Schnittstelle regelt, wie schnell ein Modell von der Festplatte in die Karte geladen wird, nicht wie schnell es dort läuft, daher kostet ein engerer Link ein paar Sekunden beim Start und danach nichts mehr.
Die Extreme
Die größten AI-Modelle, die auf einem Quadro K5000M
Die größten OPEN WEIGHT Modelle, die auf dieser CARD passen, neueste zuerst. Jedes wird mit der besten Kompression angezeigt, die die CARD halten kann..
Die schnellsten AI-Modelle auf einer Quadro K5000M
Wo diese Karte die Token am schnellsten produziert. Kleinere Modelle dominieren hier, weil das Generieren jedes Tokens bedeutet, das gesamte Modell einmal aus dem VRAM zu lesen..
Schritt für Schritt
Wie man die Tokens pro Sekunde eines Quadro K5000M
Du musst nichts von Hand berechnen — der gputps.com Rechner auf dieser Seite hat es bereits für jedes Modell, das diese Karte halten kann, herausgefunden. Das Ablesen der Antwort erfordert sechs Schritte..
-
01
Modell: KI-Modell Lauf: KI-Modell ausführen Passt nicht: Passt nicht in GPU VRAM Eng: Kaum lauffähig Komfortabel: Läuft leicht Offenes Gewicht: Open-Source KI-Modell In der Datei: In unserer Datenbank Veröffentlichungen: Neu veröffentlichte GPUs Speicher/Speichergebunden: GPU VRAM/Bandbreite Karte: GPU-Karte Kontextlänge: KI-Kontextfenster
Die Tabelle listet 97 Modelle, die diese Karte ausführt. Die Suche verfeinert die Liste nach Namen oder nach Größe.
-
02
Passen Sie den Kontext an Ihre Arbeit an
Setzen Sie den Kontext auf Ihre tatsächliche Arbeitslänge. Kurze Fragen kosten fast nichts, aber ein langes Dokument kann einen großen Teil von 4 GB Also ist es wichtig, die Einstellung richtig zu wählen.
-
03
Setzen Sie eine Mindestqualität fest, wenn Sie eine benötigen.
Standardmäßig wählt die Tabelle die am wenigsten komprimierte Kopie, die passt. Das Festlegen eines Bodens entfernt Modelle, die nur durch starke Kompression qualifiziert sind.
-
04
Nehmen Sie den Bereich als die Antwort.
Jede Geschwindigkeit ist eine Schätzung für ein einzelnes Gespräch, mit einem Bereich darunter. Das obere Ende hier ist 34.6 tok/s auf Gemma 3 QAT 1B. Die gleiche Karte und das Modell variieren zwischen dreißig und fünfzig Prozent bei den Inferenzlaufzeiten.
-
05
Überprüfen Sie die VRAM-Spalte, bevor Sie committen.
Eine enge Passform läuft, lässt jedoch keinen Raum, um den Kontext später zu erhöhen; komfortabel hat Spielraum. Die Speicher-Spalte zeigt, was jedes Modell benötigt im Vergleich zu einem verfügbaren 4 GB.
-
06
Überprüfen Sie dasselbe Modell von der anderen Seite
Jede Modellseite wiederholt diese Berechnung für den gesamten Katalog. Ein Blick wert, bevor man entscheidet: es zeigt, was sonst das gleiche Modell ausführt, neben Quadro K5000M.
Antworten
Quadro K5000M — Häufige Fragen
Quadro K5000M— Ist es gut, um lokale AI-Modelle auszuführen?
Seine VRAM begrenzt es auf kleinere Modelle, obwohl seine Bandbreite bedeutet, dass die Generierung bei größeren Modellen langsam wirkt. Insgesamt läuft es 97 der Modelle, die wir verfolgen. Ob das genug ist, hängt ganz davon ab, welches Modell Sie möchten – die obige Tabelle beantwortet das direkt.
Quadro K5000M— kann es ein Modell ausführen, das nicht in seinen VRAM passt?
Nur teilweise. Schichten über die GPU-Karte. 4 GB zieht das Ganze nach unten, und keine der Zahlen auf dieser Seite geht davon aus.
Würden zwei Quadro K5000M Karten doppelt so schnell sein?
Nein. Eine zweite Karte verdoppelt den VRAM auf 8 GB die es Ihnen ermöglicht, Modelle zu halten, die keines davon allein halten konnte, aber die Generierung nicht auf diese Weise aufteilt. Diese Zahlen beschreiben eine Karte.
Quadro K5000M— Welche AI-Modelle kann es ausführen?
97 des 679 Open-Source-Sprachmodelle, die wir verfolgen, passen auf diese Karte und können lokal ausgeführt werden. Die Tabelle auf dieser Seite listet jedes einzelne auf, mit dem benötigten MEMORY, der QUANTISIERUNG, auf der es läuft, und einer geschätzten Generierungsgeschwindigkeit.
Quadro K5000M— Was ist das größte AI-MODEL, das es ausführen kann?
Das größte Modell in unserem Katalog, das passt, ist DeciLM 6B bei 5.7B Parameter, komprimiert auf Q3_K_M. Es generiert ungefähr 16.4 Tokens pro Sekunde und benötigt etwa 3.5 GB des Speichers der Karte.
Quadro K5000M— Wie viele Tokens pro Sekunde produziert es?
Es hängt vom Modell ab. Das schnellste Modell, das wir hier verfolgen, ist Gemma 3 QAT 1B ungefähr 34.6 Tokens pro Sekunde, während größere Modelle verhältnismäßig langsamer laufen, da jedes Token das vollständige Modell einmal aus dem Speicher lesen muss. Geschwindigkeiten sind Schätzungen für ein einzelnes Gespräch gleichzeitig.
Quadro K5000M— wie viel VRAM hat es?
Diese Karte hat 4 GB von GDDR5. Rund ein Zehntel wird von der Inferenzlaufzeit und dem Treiber reserviert, was ungefähr 3.6 GB verfügbar für ein Modell und dessen Konversation.
Quadro K5000M— Was ist seine Speicherbandbreite?
Der Speicherbandbreite erreicht 96 GB/s über einen Bus von 256 Bits. Dies ist der einzige beste Prädiktor dafür, wie schnell es Text generiert, da das Erzeugen jedes Tokens bedeutet, das gesamte Modell einmal aus dem Speicher zu lesen.
Quadro K5000M— Welche Art von MEMORY verwendet es?
Es verwendet GDDR5 getaktet bei 750 MHz. HBM-Typen sind auf Rechenzentrum-Beschleunigern zu finden und verfügen über weitaus mehr Bandbreite als das GDDR, das auf Desktop-Karten verwendet wird, weshalb sie bei gleicher Kapazität erheblich schneller Tokens erzeugen.
Quadro K5000M— Wer macht es?
Dies ist ein Produkt von NVIDIA, mit dem von ... hergestellten Chip TSMC, einem Prozess von 28 nm.
Quadro K5000M— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in August 2012.
Quadro K5000M— Wie viel Leistung verbraucht es?
Bewertete Boardleistung ist 100 W. Die Textgenerierung erfordert während der Spitzenzeiten viel Leistung und idle zwischen den Anfragen, sodass der durchschnittliche Verbrauch während einer Arbeitssitzung normalerweise weit unter der angegebenen Zahl liegt.
Quadro K5000M— Wie viel Cache hat es?
Der L1-Cache ist 16 KB, und der L2-Cache ist 0.5 MB. Der Cache absorbiert einen Teil des Speicherverkehrs, der sonst den Hauptbus erreichen würde, sodass ein größeres L2 eine bescheidene Steigerung der Generierungsgeschwindigkeit über das hinaus bietet, was die Bandbreite allein vorhersagt.
Quadro K5000M— Unterstützt es CUDA?
Ja. Es berichtet über die CUDA-Berechnungskompetenz 3.0, das vor Tensor Cores existiert. Die Fähigkeit 7.0 und höher verfügt über Tensor-Kerne, die von moderner Inferenzsoftware verwendet werden; darunter greift sie auf langsamere Code-Pfade für quantisierte Modelle zurück.
Quadro K5000M— Welche Bus-Schnittstelle verwendet es?
Es verwendet MXM-B (3.0). Dies bestimmt, wie schnell ein Modell auf die GPU-Karte geladen wird, anstatt wie schnell es läuft, nachdem es geladen wurde, sodass es beim Start ein paar Sekunden kostet und während der Generierung nichts.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit der Hardware. Wenn Sie bereits wissen, welches Modell Sie möchten und wissen müssen, was benötigt wird, um es auszuführen., Beginnen Sie mit dem Modell anstelle..