Berechne die TPS des A2 PCIe 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 · 40.2 tok/s
Schnellstes Modell
Gemma 3 QAT 1B
84.8 tok/s · 1B
Welche KI-Modelle können auf einem A2 PCIe?
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 | ||||||
|---|---|---|---|---|---|---|---|
|
84.8
tok/s
72–102 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
84.8
tok/s
72–102 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
84.8
tok/s
51–136 · niedrige Vertrauenswürdigkeit |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
84.8
tok/s
51–136 · niedrige Vertrauenswürdigkeit |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
84.8
tok/s
51–136 · niedrige Vertrauenswürdigkeit |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
84.8
tok/s
51–136 · niedrige Vertrauenswürdigkeit |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
78.5
tok/s
47–126 · niedrige Vertrauenswürdigkeit |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
77.0
tok/s
46–123 · niedrige Vertrauenswürdigkeit |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
77.0
tok/s
46–123 · niedrige Vertrauenswürdigkeit |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
77.0
tok/s
46–123 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
77.0
tok/s
46–123 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
70.6
tok/s
42–113 · niedrige Vertrauenswürdigkeit |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
70.6
tok/s
42–113 · niedrige Vertrauenswürdigkeit |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
70.6
tok/s
42–113 · niedrige Vertrauenswürdigkeit |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
70.6
tok/s
42–113 · niedrige Vertrauenswürdigkeit |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
68.9
tok/s
59–83 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k Token | Q8_0 | Komfortabel |
|
67.9
tok/s
41–109 · niedrige Vertrauenswürdigkeit |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · niedrige Vertrauenswürdigkeit |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · niedrige Vertrauenswürdigkeit |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · niedrige Vertrauenswürdigkeit |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · niedrige Vertrauenswürdigkeit |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · niedrige Vertrauenswürdigkeit |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · niedrige Vertrauenswürdigkeit |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · niedrige Vertrauenswürdigkeit |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
65.2
tok/s
39–104 · 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
A2 PCIe 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
- 200 GB/s
- Speichertype
- GDDR6
- Speicherdatenbreite
- 128 bit
- Speichertakt
- 1.56 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
- GA107
- Architektur
- Ampere
- Generierung
- Server Ampere(Axx)
- Gießerei
- Samsung
- Prozessgröße
- 8 nm
- Transistoren
- 8.7 billion
- Transistordichte
- 43,500 K/mm²
- Die Größe
- 200 mm²
- Paket
- FCBGA-1358
- Veröffentlicht
- 10 November 2021
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
- 1.44 GHz
- Boost-Takt
- 1.77 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
- 1,280
- Texturzuordnungseinheiten
- 40
- Render-Ausgabeeinheiten
- 32
- Streaming-Multiprozessoren
- 10
- Tensor-Kerne
- 40
- Strahlverfolgungskerne
- 10
- L1-Cache
- 128 KB
- L2-Cache
- 2 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)
- 4.5 TFLOPS
- Einfache Genauigkeit (FP32)
- 4.5 TFLOPS
- Doppelte Genauigkeit (FP64)
- 141.6 GFLOPS
- Pixelrate
- 57 GPixel/s
- Texturrate
- 71 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
- Vorgeschlagene Stromversorgung
- 250 W
- Stromanschlüsse
- None
- Bus-Schnittstelle
- PCIe 4.0 x8
- Slot-Breite
- Single-slot
- Dimensionen
- 168 mm
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
- 8.6
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader-Modell
- 6.8
Auflistungen
Wo man ein A2 PCIe
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
Kapazität und Bandbreite
Speicher
16 GB
Bandbreite
200 GB/s
Größtes Modell
Nemotron 3-Nano-30B-A3B
A2 PCIe trägt 16 GB von GDDR6. 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 200 GB/s über einen Bus von 128 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 BANDWIDTH ist Taktfrequenz mal Busbreite, und diese KArte taktet ihren Speicher bei 1.56 GHz. Das Verbreitern des Busses und das Anheben der Taktfrequenz sind die beiden Hebel, die ein Hersteller hat, weshalb eine Karte mit unauffälligen Kernen trotzdem schnell erzeugen kann.
Zusammengefasst passt das größte Modell, das in den GPU VRAM passt, ist Nemotron 3-Nano-30B-A3B, 31.6B, komprimiert auf Q3_K_M und generieren etwa 40.2 Token pro Sekunde
Der Chip und wie er gebaut wurde
A2 PCIe ist auf dem Grafikprozessor aufgebaut GA107, die Architektur verwenden Ampere von NVIDIA, als Teil der Generierung Server Ampere(Axx).
Der Chip wird hergestellt von Samsung, einem Prozess von 8 nm, mit einem Maß von 200 mm², halten 8.7 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 November 2021, grob 4.7229625885458 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
4.5 TFLOPS
FP64
141.6 GFLOPS
Tensor-Kerne
40
Auf Papier A2 PCIe erreicht 4.5 TFLOPS bei halber Genauigkeit, und 4.5 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 141.6 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 40 Tensor-Kerne über 10 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 1.44 GHz zu einem Schub von 1.77 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
A2 PCIe hat einen L1-Cache von 128 KB, unterstützt von einem L2-Cache von 2 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 1,280 Shader-Einheiten, 40 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
60 W
A2 PCIe ist bewertet mit 60 W, und das empfohlene Systemnetzteil ist 250 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 single-slot, messen 168 mm lang. 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 4.0 x8. 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 A2 PCIe
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 A2 PCIe
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 A2 PCIe
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
Suche nach dem Modell, das du möchtest
Die Tabelle listet 432 Modelle, die diese Karte ausführen kann. Nach Namen oder Größe suchen – das Eingeben von 27b stimmt mit der Parameteranzahl überein, auch wenn der Name es nie angibt.
-
02
Setzen Sie die Kontextlänge, die Sie tatsächlich verwenden werden.
Längere Gespräche kosten Speicher zusätzlich zu den Gewichten. Gegen 16 GB das ist häufig der Unterschied zwischen einem Modell, das passt, und einem, das nicht passt.
-
03
Wählen Sie, wie weit Sie komprimieren möchten.
Kompression ist das, was größere Modelle passend macht. Die Qualitätskontrolle verwirft jedes Modell, das mehr davon benötigt, als Sie bereit sind zu geben.
-
04
Schau dir das Spektrum an, nicht nur die Zahl.
Die Zahlen sind berechnet, nicht gemessen. Das schnellste Ergebnis auf dieser Karte ist 84.8 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 16 GB.
-
06
Öffne das Modell, um Karten zu vergleichen
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 A2 PCIe.
Antworten
A2 PCIe — Häufige Fragen
A2 PCIe— Kann es laufen 13B Modelle?
Ja. Es läuft. DeepSeekMoE-16B bei Q6_K, verwenden von etwa 13.7 GB VRAM und generieren etwa 42.8 Token pro Sekunde
A2 PCIe— 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 45.4 Token pro Sekunde
A2 PCIe— wie viel VRAM hat es?
Diese Karte hat 16 GB von GDDR6. Rund ein Zehntel wird von der Inferenzlaufzeit und dem Treiber reserviert, was ungefähr 14.4 GB verfügbar für ein Modell und dessen Konversation.
A2 PCIe— Was ist seine Speicherbandbreite?
Der Speicherbandbreite erreicht 200 GB/s über einen Bus von 128 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.
A2 PCIe— Welche Art von MEMORY verwendet es?
Es verwendet GDDR6 getaktet bei 1.56 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.
A2 PCIe— Wer macht es?
Dies ist ein Produkt von NVIDIA, mit dem von ... hergestellten Chip Samsung, einem Prozess von 8 nm.
A2 PCIe— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in November 2021.
A2 PCIe— Wie viel Leistung verbraucht es?
Bewertete Boardleistung ist 60 W, und das empfohlene Systemnetzteil ist 250 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.
A2 PCIe— Wie viel Cache hat es?
Der L1-Cache ist 128 KB, und der L2-Cache ist 2 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.
A2 PCIe— Was sind seine TFLOPS?
Es ist bewertet mit 4.5 TFLOPS bei halber Genauigkeit und 4.5 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.
A2 PCIe— Wie viele Tensor-Kerne hat es?
Es hat 40 Tensor-Kerne über 10 Streaming-Multiprozessoren. Sie beschleunigen die Matrixarithmetik, aus der ein Transformer besteht, was hauptsächlich die Verarbeitung eines langen Prompts beschleunigt, anstatt die Antwort zu erzeugen.
A2 PCIe— Unterstützt es CUDA?
Ja. Es berichtet über die CUDA-Berechnungskompetenz 8.6. 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.
A2 PCIe— Welche Bus-Schnittstelle verwendet es?
Es verwendet PCIe 4.0 x8. 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.
A2 PCIe— Ist es gut, um lokale AI-Modelle auszuführen?
seine Speicher deckt kleine und mittelgroße Modelle ab, obwohl die größten unerreichbar sind, da seine Bandbreite bedeutet, dass die Generation bei größeren Modellen langsam erscheinen wird. 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.
A2 PCIe— kann es ein Modell ausführen, das nicht in seinen VRAM passt?
Nur teilweise. Schichten über die GPU-Karte. 16 GB zieht das Ganze nach unten, und keine der Zahlen auf dieser Seite geht davon aus.
Würden zwei A2 PCIe 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.
A2 PCIe— 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.
A2 PCIe— 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 40.2 Tokens pro Sekunde und benötigt etwa 14.4 GB des Speichers der Karte.
A2 PCIe— 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 84.8 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.
A2 PCIe— 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 12.7 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..