Berechne die TPS des Tesla P100 SXM2 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
Nemotron 3-Nano-30B-A3B
31.6B · Q3_K_M · 125 tok/s
Schnellstes Modell
Gemma 3 QAT 1B
264 tok/s · 1B
Welche KI-Modelle können auf einem Tesla P100 SXM2?
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..
432 Modelle passen
Berechnung| Quantisierung | Passend | ||||||
|---|---|---|---|---|---|---|---|
|
264
tok/s
92–527 · niedrige Vertrauenswürdigkeit |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
264
tok/s
92–527 · niedrige Vertrauenswürdigkeit |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
264
tok/s
92–527 · niedrige Vertrauenswürdigkeit |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
264
tok/s
92–527 · niedrige Vertrauenswürdigkeit |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
264
tok/s
92–527 · niedrige Vertrauenswürdigkeit |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
264
tok/s
92–527 · niedrige Vertrauenswürdigkeit |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
244
tok/s
85–488 · niedrige Vertrauenswürdigkeit |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
240
tok/s
84–479 · niedrige Vertrauenswürdigkeit |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
240
tok/s
84–479 · niedrige Vertrauenswürdigkeit |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
240
tok/s
84–479 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
240
tok/s
84–479 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
220
tok/s
77–439 · niedrige Vertrauenswürdigkeit |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
220
tok/s
77–439 · niedrige Vertrauenswürdigkeit |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
220
tok/s
77–439 · niedrige Vertrauenswürdigkeit |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
220
tok/s
77–439 · niedrige Vertrauenswürdigkeit |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
214
tok/s
75–429 · niedrige Vertrauenswürdigkeit |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k Token | Q8_0 | Komfortabel |
|
211
tok/s
74–423 · niedrige Vertrauenswürdigkeit |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · niedrige Vertrauenswürdigkeit |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · niedrige Vertrauenswürdigkeit |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · niedrige Vertrauenswürdigkeit |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · niedrige Vertrauenswürdigkeit |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · niedrige Vertrauenswürdigkeit |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · niedrige Vertrauenswürdigkeit |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · niedrige Vertrauenswürdigkeit |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
203
tok/s
71–406 · 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
Tesla P100 SXM2 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
- 16 GB
- Speicherbandbreite
- 732 GB/s
- Speichertype
- HBM2
- Speicherdatenbreite
- 4,096 bit
- Speichertakt
- 715 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
- GP100
- Architektur
- Pascal
- Generierung
- Tesla Pascal(Pxx)
- Gießerei
- TSMC
- Prozessgröße
- 16 nm
- Transistoren
- 15.3 billion
- Transistordichte
- 25,100 K/mm²
- Die Größe
- 610 mm²
- Paket
- BGA-2621
- Veröffentlicht
- 5 April 2016
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
- 1.33 GHz
- Boost-Takt
- 1.48 GHz
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
- 3,584
- Texturzuordnungseinheiten
- 224
- Render-Ausgabeeinheiten
- 96
- Streaming-Multiprozessoren
- 56
- L1-Cache
- 24 KB
- L2-Cache
- 4 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.
- Halbpräzision (FP16)
- 21.2 TFLOPS
- Einfache Genauigkeit (FP32)
- 10.6 TFLOPS
- Doppelte Genauigkeit (FP64)
- 5.3 TFLOPS
- Pixelrate
- 142 GPixel/s
- Texturrate
- 332 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)
- 300 W
- Vorgeschlagene Stromversorgung
- 700 W
- Stromanschlüsse
- None
- Bus-Schnittstelle
- PCIe 3.0 x16
- Slot-Breite
- SXM 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
- 6.0
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.3
- OpenCL
- 3.0
- Shader-Modell
- 6.0
Auflistungen
Wo man ein Tesla P100 SXM2
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
Speicher: die Spezifikation, die alles entscheidet
Speicher
16 GB
Bandbreite
732 GB/s
Größtes Modell
Nemotron 3-Nano-30B-A3B
Tesla P100 SXM2 trägt 16 GB von HBM2. Das erreicht komfortabel kleine und mittelgroße Modelle, obwohl die größten außerhalb der Reichweite bleiben, ohne sie zu splitten. Der Treiber-Overhead lässt ungefähr 14.4 GB.
Der Speicherbandbreite erreicht 732 GB/s über einen Bus von 4,096 Bits. Das ist die Zahl, die die Generierungsgeschwindigkeit bestimmt — die arithmetischen Operationen pro gelesenem Byte sind klein genug, dass der Bus, nicht die Kerne, das ist, worauf alles wartet.
Die Zahl ist die Busbreite multipliziert mit einer Speicher-Taktfrequenz von 715 MHz. Beide Hälften sind wichtig, und keine ist in einem Gaming-Benchmark sichtbar.
Das größte, was es hält, ist Nemotron 3-Nano-30B-A3B, 31.6B, komprimiert auf Q3_K_M und generieren etwa 125 Token pro Sekunde
Der Chip und wie er gebaut wurde
Tesla P100 SXM2 ist auf dem Grafikprozessor aufgebaut GP100, die Architektur verwenden Pascal von NVIDIA, als Teil der Generierung Tesla Pascal(Pxx).
Der Chip wird hergestellt von TSMC, einem Prozess von 16 nm, mit einem Maß von 610 mm², halten 15.3 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 April 2016, grob 10.322980320916 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
FP16
21.2 TFLOPS
FP64
5.3 TFLOPS
Auf Papier Tesla P100 SXM2 erreicht 21.2 TFLOPS bei halber Genauigkeit, und 10.6 TFLOPS bei einfacher Genauigkeit. Dies sind Spitzenwerte, keine echten Workloads, die diese erreichen, und die Generierung von Text erreicht nur einen kleinen Bruchteil davon – das Decodieren ist durch die MEMORY und nicht durch die Arithmetik begrenzt, weshalb eine CARD hier enorm leistungsfähig erscheinen kann und trotzdem Tokens in einem gewöhnlichen Tempo produziert.
Der Durchsatz für doppelpräzises Rechnen erreicht 5.3 TFLOPS. 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 1.33 GHz zu einem Schub von 1.48 GHz. 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
Tesla P100 SXM2 hat einen L1-Cache von 24 KB, unterstützt von einem L2-Cache von 4 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 3,584 Shader-Einheiten, 224 Texturzuordnungseinheiten, und 96 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
300 W
Tesla P100 SXM2 ist bewertet mit 300 W, und das empfohlene Systemnetzteil ist 700 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 sxm 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 PCIe 3.0 x16. 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 Tesla P100 SXM2
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 Tesla P100 SXM2
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 Tesla P100 SXM2
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 432 Modelle, die diese Karte ausführt. Die Suche verfeinert die Liste nach Namen oder nach Größe.
-
02
Entscheide, wie lange deine Gespräche laufen
Setzen Sie den Kontext auf Ihre tatsächliche Arbeitslänge. Kurze Fragen kosten fast nichts, aber ein langes Dokument kann einen großen Teil von 16 GB Es ist oft das, was ein großes Modell über die Kante drängt.
-
03
Vergleiche an ein Qualitätsniveau anheften
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.
Die Zahlen sind berechnet, nicht gemessen. Das schnellste Ergebnis auf dieser Karte ist 264 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 16 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 Tesla P100 SXM2.
Antworten
Tesla P100 SXM2 — Häufige Fragen
Tesla P100 SXM2— Kann es laufen 30B Modelle?
Ja. Es läuft. ERNIE-4.5-VL-28B-A3B bei Q3_K_M, verwenden von etwa 12.9 GB VRAM und generieren etwa 141 Token pro Sekunde
Tesla P100 SXM2— wie viel VRAM hat es?
Diese Karte hat 16 GB von HBM2. Rund ein Zehntel wird von der Inferenzlaufzeit und dem Treiber reserviert, was ungefähr 14.4 GB verfügbar für ein Modell und dessen Konversation.
Tesla P100 SXM2— Was ist seine Speicherbandbreite?
Der Speicherbandbreite erreicht 732 GB/s über einen Bus von 4,096 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.
Tesla P100 SXM2— Welche Art von MEMORY verwendet es?
Es verwendet HBM2 getaktet bei 715 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.
Tesla P100 SXM2— Wer macht es?
Dies ist ein Produkt von NVIDIA, mit dem von ... hergestellten Chip TSMC, einem Prozess von 16 nm.
Tesla P100 SXM2— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in April 2016.
Tesla P100 SXM2— Wie viel Leistung verbraucht es?
Bewertete Boardleistung ist 300 W, und das empfohlene Systemnetzteil ist 700 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.
Tesla P100 SXM2— Wie viel Cache hat es?
Der L1-Cache ist 24 KB, und der L2-Cache ist 4 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.
Tesla P100 SXM2— Was sind seine TFLOPS?
Es ist bewertet mit 21.2 TFLOPS bei halber Genauigkeit und 10.6 TFLOPS bei einfacher Präzision. Dies sind Spitzenarithmetik-Obergrenzen anstelle von erreichbaren Raten, und die Textgenerierung erreicht nur einen kleinen Bruchteil davon, da sie stattdessen durch die Speicherm_bandbreite begrenzt ist.
Tesla P100 SXM2— Unterstützt es CUDA?
Ja. Es berichtet über die CUDA-Berechnungskompetenz 6.0, 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.
Tesla P100 SXM2— Welche Bus-Schnittstelle verwendet es?
Es verwendet PCIe 3.0 x16. 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.
Tesla P100 SXM2— Ist es gut, um lokale AI-Modelle auszuführen?
Sein VRAM deckt kleine und mittelgroße Modelle ab, obwohl die größten außerhalb der Reichweite liegen und seine Bandbreite brauchbare, wenn auch unspektakuläre, Generierungsgeschwindigkeiten bietet. Insgesamt läuft es 432 der Modelle, die wir verfolgen. Ob das genug ist, hängt ganz davon ab, welches Modell Sie möchten – die obige Tabelle beantwortet das direkt.
Tesla P100 SXM2— kann es ein Modell ausführen, das nicht in seinen VRAM passt?
Das Auslagern über die Karte hinaus 16 GB zieht das Ganze nach unten, und keine der Zahlen auf dieser Seite geht davon aus.
Würden zwei Tesla P100 SXM2 Karten doppelt so schnell sein?
Das Pairing bietet mehr Spielraum als Tempo: 32 GB um mit zu arbeiten, anstatt zweimal die Tokens pro Sekunde - jede Zahl hier bezieht sich auf eine einzelne Karte.
Tesla P100 SXM2— Welche AI-Modelle kann es ausführen?
432 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.
Tesla P100 SXM2— Was ist das größte AI-MODEL, das es ausführen kann?
Das größte Modell in unserem Katalog, das passt, ist Nemotron 3-Nano-30B-A3B bei 31.6B Parameter, komprimiert auf Q3_K_M. Es generiert ungefähr 125 Tokens pro Sekunde und benötigt etwa 14.4 GB des Speichers der Karte.
Tesla P100 SXM2— 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 264 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.
Tesla P100 SXM2— Kann es laufen 7B Modelle?
Ja. Es läuft. Multi-Token Prediction 7B bei Q8_0, verwenden von etwa 7.9 GB VRAM und generieren etwa 39.3 Token pro Sekunde
Tesla P100 SXM2— Kann es laufen 13B Modelle?
Ja. Es läuft. DeepSeekMoE-16B bei Q6_K, verwenden von etwa 13.7 GB VRAM und generieren etwa 133 Token pro Sekunde
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..