Berechne die TPS des Quadro GV100 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
Phi-3.5-MoE
60.8B · Q3_K_M · 90.7 tok/s
Schnellstes Modell
Gemma 3 QAT 1B
368 tok/s · 1B
Welche KI-Modelle können auf einem Quadro GV100?
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..
513 Modelle passen
Berechnung| Quantisierung | Passend | ||||||
|---|---|---|---|---|---|---|---|
|
368
tok/s
313–441 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
368
tok/s
313–441 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
368
tok/s
221–588 · niedrige Vertrauenswürdigkeit |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
368
tok/s
221–588 · niedrige Vertrauenswürdigkeit |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
368
tok/s
221–588 · niedrige Vertrauenswürdigkeit |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
368
tok/s
221–588 · niedrige Vertrauenswürdigkeit |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
341
tok/s
204–545 · niedrige Vertrauenswürdigkeit |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
334
tok/s
201–535 · niedrige Vertrauenswürdigkeit |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
334
tok/s
201–535 · niedrige Vertrauenswürdigkeit |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
334
tok/s
201–535 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
334
tok/s
201–535 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
306
tok/s
184–490 · niedrige Vertrauenswürdigkeit |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
306
tok/s
184–490 · niedrige Vertrauenswürdigkeit |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
306
tok/s
184–490 · niedrige Vertrauenswürdigkeit |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
306
tok/s
184–490 · niedrige Vertrauenswürdigkeit |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
299
tok/s
254–359 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k Token | Q8_0 | Komfortabel |
|
295
tok/s
177–472 · niedrige Vertrauenswürdigkeit |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · niedrige Vertrauenswürdigkeit |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · niedrige Vertrauenswürdigkeit |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · niedrige Vertrauenswürdigkeit |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · niedrige Vertrauenswürdigkeit |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · niedrige Vertrauenswürdigkeit |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · niedrige Vertrauenswürdigkeit |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · niedrige Vertrauenswürdigkeit |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
283
tok/s
170–453 · 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 GV100 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
- 32 GB
- Speicherbandbreite
- 868 GB/s
- Speichertype
- HBM2
- Speicherdatenbreite
- 4,096 bit
- Speichertakt
- 848 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
- GV100
- Architektur
- Volta
- Generierung
- Quadro Volta(Vx000)
- Gießerei
- TSMC
- Prozessgröße
- 12 nm
- Transistoren
- 21.1 billion
- Transistordichte
- 25,900 K/mm²
- Die Größe
- 815 mm²
- Veröffentlicht
- 27 March 2018
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
- 1.13 GHz
- Boost-Takt
- 1.63 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
- 5,120
- Texturzuordnungseinheiten
- 320
- Render-Ausgabeeinheiten
- 128
- Streaming-Multiprozessoren
- 80
- Tensor-Kerne
- 640
- L1-Cache
- 128 KB
- L2-Cache
- 6 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)
- 33.3 TFLOPS
- Einfache Genauigkeit (FP32)
- 16.7 TFLOPS
- Doppelte Genauigkeit (FP64)
- 8.3 TFLOPS
- Pixelrate
- 208 GPixel/s
- Texturrate
- 521 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)
- 250 W
- Vorgeschlagene Stromversorgung
- 600 W
- Stromanschlüsse
- 1x 8-pin
- Bus-Schnittstelle
- PCIe 3.0 x16
- Slot-Breite
- Dual-slot
- Dimensionen
- 267 mm
- Anzeigeausgaben
- 4x DisplayPort 1.4a
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
- 7.0
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader-Modell
- 6.8
Auflistungen
Wo man ein Quadro GV100
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
32 GB
Bandbreite
868 GB/s
Größtes Modell
Phi-3.5-MoE
Quadro GV100 trägt 32 GB von HBM2. Das deckt die mittelgroßen Modelle ab, die die meisten Leute tatsächlich ausführen. Sobald die Laufzeit und der Treiber ihren Arbeitsbereich reservieren, bleibt ungefähr so viel übrig: 28.8 GB.
Der Speicherbandbreite erreicht 868 GB/s über einen Bus von 4,096 Bits. Das Generieren eines Tokens bedeutet, jedes Gewicht einmal zu lesen, sodass diese Zahl das Tempo mehr bestimmt als jede andere Zahl hier, und auf diesem Niveau kommt Text schneller an, als die meisten Menschen lesen.
Das kommt von einem MEMORY CLOCK von 848 MHz. Beide Hälften sind wichtig, und keine ist in einem Gaming-Benchmark sichtbar.
Die praktische Obergrenze ist Phi-3.5-MoE, 60.8B, komprimiert auf Q3_K_M und generieren etwa 90.7 Token pro Sekunde
Der Chip und wie er gebaut wurde
Quadro GV100 ist auf dem Grafikprozessor aufgebaut GV100, die Architektur verwenden Volta von NVIDIA, als Teil der Generierung Quadro Volta(Vx000).
Der Chip wird hergestellt von TSMC, einem Prozess von 12 nm, mit einem Maß von 815 mm², halten 21.1 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 March 2018, grob 8.3475333368268 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
33.3 TFLOPS
FP64
8.3 TFLOPS
Tensor-Kerne
640
Auf Papier Quadro GV100 erreicht 33.3 TFLOPS bei halber Genauigkeit, und 16.7 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 8.3 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 Karte trägt 640 Tensor-Kerne über 80 Streaming-Multiprozessoren. Diese beschleunigen die Matrixarithmetik im Herzen eines Transformators, und sie sind es, die die Eingabeverarbeitung – das Lesen eines langen Dokuments vor der Beantwortung – dramatisch schneller machen, als es sonst der Fall wäre.
Die Taktraten laufen von einer Basis von 1.13 GHz zu einem Schub von 1.63 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
Quadro GV100 hat einen L1-Cache von 128 KB, unterstützt von einem L2-Cache von 6 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 5,120 Shader-Einheiten, 320 Texturzuordnungseinheiten, und 128 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
250 W
Quadro GV100 ist bewertet mit 250 W, und das empfohlene Systemnetzteil ist 600 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 dual-slot, messen 267 mm lang, und benötigt 1x 8-pin. 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 Quadro GV100
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 GV100
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 GV100
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
Finde das Modell in der Tabelle
Die Tabelle listet 513 Modelle, die die GPU-Karte verarbeitet. Das Suchfeld akzeptiert einen Namen oder eine Größe wie 27b, die mit der Anzahl der Parameter übereinstimmt.
-
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 32 GB das ist häufig der Unterschied zwischen einem Modell, das passt, und einem, das nicht passt.
-
03
Setzen Sie eine Mindestqualität fest, wenn Sie eine benötigen.
Jedes Modell wird in der besten Kompression angezeigt, die diese Karte halten kann. Eine minimale Qualität verbirgt die, die nur passen, indem sie weiter zusammengepresst werden, als Sie akzeptieren würden.
-
04
Schau dir das Spektrum an, nicht nur die Zahl.
Jede Geschwindigkeit ist eine Schätzung für ein einzelnes Gespräch, mit einem Bereich darunter. Das obere Ende hier ist 368 tok/s auf Gemma 3 QAT 1B. Die gleiche Karte und das Modell variieren zwischen dreißig und fünfzig Prozent bei den Inferenzlaufzeiten.
-
05
Lese das Urteil über die Passform zuletzt
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 32 GB.
-
06
Überprüfen Sie dasselbe Modell von der anderen Seite
Ein Modell bis zu seiner eigenen Seite zu verfolgen, listet alle Hardware auf, die es ausführen kann, sodass Sie sehen können, wie es im Vergleich zu Quadro GV100.
Antworten
Quadro GV100 — Häufige Fragen
Quadro GV100— wie viel VRAM hat es?
Diese Karte hat 32 GB von HBM2. Rund ein Zehntel wird von der Inferenzlaufzeit und dem Treiber reserviert, was ungefähr 28.8 GB verfügbar für ein Modell und dessen Konversation.
Quadro GV100— Was ist seine Speicherbandbreite?
Der Speicherbandbreite erreicht 868 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.
Quadro GV100— Welche Art von MEMORY verwendet es?
Es verwendet HBM2 getaktet bei 848 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 GV100— Wer macht es?
Dies ist ein Produkt von NVIDIA, mit dem von ... hergestellten Chip TSMC, einem Prozess von 12 nm.
Quadro GV100— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in March 2018.
Quadro GV100— Wie viel Leistung verbraucht es?
Bewertete Boardleistung ist 250 W, und das empfohlene Systemnetzteil ist 600 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 GV100— Wie viel Cache hat es?
Der L1-Cache ist 128 KB, und der L2-Cache ist 6 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 GV100— Was sind seine TFLOPS?
Es ist bewertet mit 33.3 TFLOPS bei halber Genauigkeit und 16.7 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.
Quadro GV100— Wie viele Tensor-Kerne hat es?
Es hat 640 Tensor-Kerne über 80 Streaming-Multiprozessoren. Sie beschleunigen die Matrixarithmetik, aus der ein Transformer besteht, was hauptsächlich die Verarbeitung eines langen Prompts beschleunigt, anstatt die Antwort zu erzeugen.
Quadro GV100— Unterstützt es CUDA?
Ja. Es berichtet über die CUDA-Berechnungskompetenz 7.0. 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 GV100— 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.
Quadro GV100— Ist es gut, um lokale AI-Modelle auszuführen?
Sein Speicher deckt bequem die mittelgroßen Modelle ab, die die meisten Leute lokal ausführen, und seine Bandbreite ist hoch genug, um Texte schneller zu generieren, als die meisten Leute lesen. Insgesamt läuft es 513 der Modelle, die wir verfolgen. Ob das genug ist, hängt ganz davon ab, welches Modell Sie möchten – die obige Tabelle beantwortet das direkt.
Quadro GV100— kann es ein Modell ausführen, das nicht in seinen VRAM passt?
Nur teilweise. Schichten über die GPU-Karte. 32 GB zieht das Ganze nach unten, und keine der Zahlen auf dieser Seite geht davon aus.
Würden zwei Quadro GV100 Karten doppelt so schnell sein?
Das Pairing bietet mehr Spielraum als Tempo: 64 GB von kombinierter VRAM, bei etwa der gleichen Generation Geschwindigkeit wie eine.
Quadro GV100— Welche AI-Modelle kann es ausführen?
513 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 GV100— Was ist das größte AI-MODEL, das es ausführen kann?
Das größte Modell in unserem Katalog, das passt, ist Phi-3.5-MoE bei 60.8B Parameter, komprimiert auf Q3_K_M. Es generiert ungefähr 90.7 Tokens pro Sekunde und benötigt etwa 27.2 GB des Speichers der Karte.
Quadro GV100— 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 368 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 GV100— 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 54.9 Token pro Sekunde
Quadro GV100— Kann es laufen 13B Modelle?
Ja. Es läuft. DeepSeekMoE-16B bei Q8_0, verwenden von etwa 17.5 GB VRAM und generieren etwa 128 Token pro Sekunde
Quadro GV100— Kann es laufen 30B Modelle?
Ja. Es läuft. ERNIE-4.5-VL-28B-A3B bei Q6_K, verwenden von etwa 22.7 GB VRAM und generieren etwa 106 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..