Berechne die TPS des Quadro RTX 3000 Max-Q 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
Qwen-VL
9.6B · Q3_K_M · 34.3 tok/s
Schnellstes Modell
Gemma 3 QAT 1B
122 tok/s · 1B
Welche KI-Modelle können auf einem Quadro RTX 3000 Max-Q?
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..
266 Modelle passen
Berechnung| Quantisierung | Passend | ||||||
|---|---|---|---|---|---|---|---|
|
122
tok/s
104–146 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
122
tok/s
104–146 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
122
tok/s
73–195 · niedrige Vertrauenswürdigkeit |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
122
tok/s
73–195 · niedrige Vertrauenswürdigkeit |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
122
tok/s
73–195 · niedrige Vertrauenswürdigkeit |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
122
tok/s
73–195 · niedrige Vertrauenswürdigkeit |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
113
tok/s
68–181 · niedrige Vertrauenswürdigkeit |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
111
tok/s
67–177 · niedrige Vertrauenswürdigkeit |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
111
tok/s
67–177 · niedrige Vertrauenswürdigkeit |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
111
tok/s
67–177 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
111
tok/s
67–177 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
102
tok/s
61–163 · niedrige Vertrauenswürdigkeit |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
102
tok/s
61–163 · niedrige Vertrauenswürdigkeit |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
102
tok/s
61–163 · niedrige Vertrauenswürdigkeit |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
102
tok/s
61–163 · niedrige Vertrauenswürdigkeit |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
99.2
tok/s
84–119 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 113k Token | Q8_0 | Komfortabel |
|
97.8
tok/s
59–156 · niedrige Vertrauenswürdigkeit |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · niedrige Vertrauenswürdigkeit |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · niedrige Vertrauenswürdigkeit |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · niedrige Vertrauenswürdigkeit |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · niedrige Vertrauenswürdigkeit |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · niedrige Vertrauenswürdigkeit |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · niedrige Vertrauenswürdigkeit |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · niedrige Vertrauenswürdigkeit |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
93.8
tok/s
56–150 · 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 RTX 3000 Max-Q 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
- 6 GB
- Speicherbandbreite
- 288 GB/s
- Speichertype
- GDDR6
- Speicherdatenbreite
- 192 bit
- Speichertakt
- 1.5 GHz
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
- TU106
- Architektur
- Turing
- Generierung
- Quadro Turing-M(Tx000)
- Gießerei
- TSMC
- Prozessgröße
- 12 nm
- Transistoren
- 10.8 billion
- Transistordichte
- 24,300 K/mm²
- Die Größe
- 445 mm²
- Paket
- BGA-2228
- Veröffentlicht
- 27 May 2019
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
- 600 MHz
- Boost-Takt
- 1.22 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
- 1,920
- Texturzuordnungseinheiten
- 120
- Render-Ausgabeeinheiten
- 64
- Streaming-Multiprozessoren
- 30
- Tensor-Kerne
- 240
- Strahlverfolgungskerne
- 30
- L1-Cache
- 64 KB
- L2-Cache
- 3 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)
- 9.3 TFLOPS
- Einfache Genauigkeit (FP32)
- 4.7 TFLOPS
- Doppelte Genauigkeit (FP64)
- 145.8 GFLOPS
- Pixelrate
- 78 GPixel/s
- Texturrate
- 146 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)
- 60 W
- Stromanschlüsse
- None
- Bus-Schnittstelle
- PCIe 3.0 x16
- Slot-Breite
- IGP
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
- 7.5
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader-Modell
- 6.8
Auflistungen
Wo man ein Quadro RTX 3000 Max-Q
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
6 GB
Bandbreite
288 GB/s
Größtes Modell
Qwen-VL
Quadro RTX 3000 Max-Q trägt nur 6 GB von GDDR6. 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 5.4 GB.
Der Speicherbandbreite erreicht 288 GB/s über einen Bus von 192 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.
Das kommt von einem MEMORY CLOCK von 1.5 GHz. Es ist der Grund, warum Kernanzahlen die Generationsgeschwindigkeit so schlecht vorhersagen.
Die praktische Obergrenze ist Qwen-VL, 9.6B, komprimiert auf Q3_K_M und generieren etwa 34.3 Token pro Sekunde
Der Chip und wie er gebaut wurde
Quadro RTX 3000 Max-Q ist auf dem Grafikprozessor aufgebaut TU106, die Architektur verwenden Turing von NVIDIA, als Teil der Generierung Quadro Turing-M(Tx000).
Der Chip wird hergestellt von TSMC, einem Prozess von 12 nm, mit einem Maß von 445 mm², halten 10.8 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 May 2019, grob 7.1806668736084 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
9.3 TFLOPS
FP64
145.8 GFLOPS
Tensor-Kerne
240
Auf Papier Quadro RTX 3000 Max-Q erreicht 9.3 TFLOPS bei halber Genauigkeit, und 4.7 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 145.8 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 Karte trägt 240 Tensor-Kerne über 30 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 600 MHz zu einem Schub von 1.22 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 RTX 3000 Max-Q hat einen L1-Cache von 64 KB, unterstützt von einem L2-Cache von 3 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 1,920 Shader-Einheiten, 120 Texturzuordnungseinheiten, und 64 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
60 W
Quadro RTX 3000 Max-Q ist bewertet mit 60 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 igp. 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 RTX 3000 Max-Q
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 RTX 3000 Max-Q
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 RTX 3000 Max-Q
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 266 Modelle, die die GPU-Karte verarbeitet. Das Suchfeld akzeptiert einen Namen oder eine Größe wie 27b, die mit der Anzahl der Parameter übereinstimmt.
-
02
Setzen Sie die Kontextlänge, die Sie tatsächlich verwenden werden.
Ziehe den Regler auf die Gesprächslänge, mit der du arbeiten möchtest. Der Cache wächst mit dem Gespräch und gegen eine Karte, die hält 6 GB das ist häufig der Unterschied zwischen einem Modell, das passt, und einem, das nicht passt.
-
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
Schau dir das Spektrum an, nicht nur die Zahl.
Die Zahlen sind berechnet, nicht gemessen. Das schnellste Ergebnis auf dieser Karte ist 122 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
Die Passform-Spalte trennt Modelle, die gerade so passen, von solchen mit Platz zur Verfügung — es lohnt sich, dies zu überprüfen, bevor man sich für einen entscheidet, gegen einen verfügbaren 6 GB.
-
06
Überprüfen Sie dasselbe Modell von der anderen Seite
Jeder Modellname in der Tabelle verlinkt auf seine eigene Seite, die dieselbe Berechnung über jede Karte ausführt, die wir haben. Dort sehen Sie, ob der richtige Kauf ist Quadro RTX 3000 Max-Q.
Antworten
Quadro RTX 3000 Max-Q — Häufige Fragen
Quadro RTX 3000 Max-Q— 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 122 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 RTX 3000 Max-Q— Kann es laufen 7B Modelle?
Ja. Es läuft. MetaMath 7B (Mistral finetune) bei IQ4_XS, verwenden von etwa 5.1 GB VRAM und generieren etwa 42.8 Token pro Sekunde
Quadro RTX 3000 Max-Q— wie viel VRAM hat es?
Diese Karte hat 6 GB von GDDR6. Rund ein Zehntel wird von der Inferenzlaufzeit und dem Treiber reserviert, was ungefähr 5.4 GB verfügbar für ein Modell und dessen Konversation.
Quadro RTX 3000 Max-Q— Was ist seine Speicherbandbreite?
Der Speicherbandbreite erreicht 288 GB/s über einen Bus von 192 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 RTX 3000 Max-Q— Welche Art von MEMORY verwendet es?
Es verwendet GDDR6 getaktet bei 1.5 GHz. 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 RTX 3000 Max-Q— Wer macht es?
Dies ist ein Produkt von NVIDIA, mit dem von ... hergestellten Chip TSMC, einem Prozess von 12 nm.
Quadro RTX 3000 Max-Q— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in May 2019.
Quadro RTX 3000 Max-Q— Wie viel Leistung verbraucht es?
Bewertete Boardleistung ist 60 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 RTX 3000 Max-Q— Wie viel Cache hat es?
Der L1-Cache ist 64 KB, und der L2-Cache ist 3 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 RTX 3000 Max-Q— Was sind seine TFLOPS?
Es ist bewertet mit 9.3 TFLOPS bei halber Genauigkeit und 4.7 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 RTX 3000 Max-Q— Wie viele Tensor-Kerne hat es?
Es hat 240 Tensor-Kerne über 30 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 RTX 3000 Max-Q— Unterstützt es CUDA?
Ja. Es berichtet über die CUDA-Berechnungskompetenz 7.5. 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 RTX 3000 Max-Q— 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 RTX 3000 Max-Q— 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 266 der Modelle, die wir verfolgen. Ob das genug ist, hängt ganz davon ab, welches Modell Sie möchten – die obige Tabelle beantwortet das direkt.
Quadro RTX 3000 Max-Q— kann es ein Modell ausführen, das nicht in seinen VRAM passt?
Das Auslagern über die Karte hinaus 6 GB zieht das Ganze nach unten, und keine der Zahlen auf dieser Seite geht davon aus.
Würden zwei Quadro RTX 3000 Max-Q Karten doppelt so schnell sein?
Nein. Eine zweite Karte verdoppelt den VRAM auf 12 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 RTX 3000 Max-Q— Welche AI-Modelle kann es ausführen?
266 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 RTX 3000 Max-Q— Was ist das größte AI-MODEL, das es ausführen kann?
Das größte Modell in unserem Katalog, das passt, ist Qwen-VL bei 9.6B Parameter, komprimiert auf Q3_K_M. Es generiert ungefähr 34.3 Tokens pro Sekunde und benötigt etwa 5.4 GB des Speichers der Karte.
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..