Berechne die TPS des RTX 4000 SFF Ada Generation 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
721 Modelle in unserem Katalog insgesamt
Das größte Modell, das es hält
Qwen3-Omni-30B-A3B
35.3B · IQ4_XS · 45.8 tok/s
Schnellstes Modell
Gemma 3 QAT 1B
119 tok/s · 1B
Welche KI-Modelle können auf einem RTX 4000 SFF Ada Generation?
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..
524 Modelle passen
Berechnung| Quantisierung | Passend | ||||||
|---|---|---|---|---|---|---|---|
|
119
tok/s
101–142 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
119
tok/s
101–142 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k Token | Q8_0 | Komfortabel |
|
119
tok/s
71–190 · niedrige Vertrauenswürdigkeit |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
119
tok/s
71–190 · niedrige Vertrauenswürdigkeit |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
119
tok/s
71–190 · niedrige Vertrauenswürdigkeit |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
119
tok/s
71–190 · niedrige Vertrauenswürdigkeit |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k Token ? | Q8_0 | Komfortabel |
|
110
tok/s
66–176 · niedrige Vertrauenswürdigkeit |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
108
tok/s
65–172 · niedrige Vertrauenswürdigkeit |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
108
tok/s
65–172 · niedrige Vertrauenswürdigkeit |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
108
tok/s
65–172 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
108
tok/s
65–172 · niedrige Vertrauenswürdigkeit |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k Token ? | Q8_0 | Komfortabel |
|
98.8
tok/s
59–158 · niedrige Vertrauenswürdigkeit |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
98.8
tok/s
59–158 · niedrige Vertrauenswürdigkeit |
LFM2-1.2B ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
98.8
tok/s
59–158 · niedrige Vertrauenswürdigkeit |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
98.8
tok/s
59–158 · niedrige Vertrauenswürdigkeit |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
98.8
tok/s
59–158 · niedrige Vertrauenswürdigkeit |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
96.4
tok/s
82–116 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k Token | Q8_0 | Komfortabel |
|
95.1
tok/s
57–152 · niedrige Vertrauenswürdigkeit |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k Token ? | Q8_0 | Komfortabel |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k Token ? | Q8_0 | Komfortabel |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
Otter ≈ | 1.3B | May 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
RTX 4000 SFF Ada Generation 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
- 20 GB
- Speicherbandbreite
- 280 GB/s
- Speichertype
- GDDR6
- Speicherdatenbreite
- 160 bit
- Speichertakt
- 1.75 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
- AD104
- Architektur
- Ada Lovelace
- Generierung
- Workstation Ada(x000A)
- Gießerei
- TSMC
- Prozessgröße
- 5 nm
- Transistoren
- 35.8 billion
- Transistordichte
- 121,800 K/mm²
- Die Größe
- 294 mm²
- Veröffentlicht
- 21 March 2023
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
- 720 MHz
- Boost-Takt
- 1.56 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
- 6,144
- Texturzuordnungseinheiten
- 192
- Render-Ausgabeeinheiten
- 64
- Streaming-Multiprozessoren
- 48
- Tensor-Kerne
- 192
- Strahlverfolgungskerne
- 48
- L1-Cache
- 128 KB
- L2-Cache
- 48 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)
- 19.2 TFLOPS
- Einfache Genauigkeit (FP32)
- 19.2 TFLOPS
- Doppelte Genauigkeit (FP64)
- 299.5 GFLOPS
- Pixelrate
- 100 GPixel/s
- Texturrate
- 300 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)
- 70 W
- Vorgeschlagene Stromversorgung
- 250 W
- Stromanschlüsse
- None
- Bus-Schnittstelle
- PCIe 4.0 x16
- Slot-Breite
- Dual-slot
- Dimensionen
- 168 mm
- Anzeigeausgaben
- 4x mini-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
- 8.9
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader-Modell
- 6.8
Auflistungen
Wo man ein RTX 4000 SFF Ada Generation
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
20 GB
Bandbreite
280 GB/s
Größtes Modell
Qwen3-Omni-30B-A3B
RTX 4000 SFF Ada Generation trägt 20 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 18 GB.
Der Speicherbandbreite erreicht 280 GB/s über einen Bus von 160 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 1.75 GHz. Beide Hälften sind wichtig, und keine ist in einem Gaming-Benchmark sichtbar.
Zusammengefasst passt das größte Modell, das in den GPU VRAM passt, ist Qwen3-Omni-30B-A3B, 35.3B, komprimiert auf IQ4_XS und generieren etwa 45.8 Token pro Sekunde
Der Chip und wie er gebaut wurde
RTX 4000 SFF Ada Generation ist auf dem Grafikprozessor aufgebaut AD104, die Architektur verwenden Ada Lovelace von NVIDIA, als Teil der Generierung Workstation Ada(x000A).
Der Chip wird hergestellt von TSMC, einem Prozess von 5 nm, mit einem Maß von 294 mm², halten 35.8 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 March 2023, grob 3.4842039254019 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
19.2 TFLOPS
FP64
299.5 GFLOPS
Tensor-Kerne
192
Auf Papier RTX 4000 SFF Ada Generation erreicht 19.2 TFLOPS bei halber Genauigkeit, und 19.2 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 299.5 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 192 Tensor-Kerne über 48 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 720 MHz zu einem Schub von 1.56 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
RTX 4000 SFF Ada Generation hat einen L1-Cache von 128 KB, unterstützt von einem L2-Cache von 48 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 6,144 Shader-Einheiten, 192 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
70 W
RTX 4000 SFF Ada Generation ist bewertet mit 70 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 dual-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 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 RTX 4000 SFF Ada Generation
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 RTX 4000 SFF Ada Generation
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 RTX 4000 SFF Ada Generation
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 524 Modelle, die diese Karte ausführt. Die Suche verfeinert die Liste nach Namen oder nach Größe.
-
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 20 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.
Geschwindigkeiten kommen aus einem Grund mit Fehlerbalken. Der beste Fall hier ist 119 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
Tight bedeutet, dass es heute funktioniert; comfortable bedeutet, dass es weiterhin funktioniert, wenn das Gespräch wächst. Vergleiche, was jedes Modell benötigt, mit dem, was verfügbar ist. 20 GB.
-
06
Überprüfung mit anderer Hardware
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 RTX 4000 SFF Ada Generation.
Antworten
RTX 4000 SFF Ada Generation — Häufige Fragen
RTX 4000 SFF Ada Generation— Welche Art von MEMORY verwendet es?
Es verwendet GDDR6 getaktet bei 1.75 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.
RTX 4000 SFF Ada Generation— Wer macht es?
Dies ist ein Produkt von NVIDIA, mit dem von ... hergestellten Chip TSMC, einem Prozess von 5 nm.
RTX 4000 SFF Ada Generation— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in March 2023.
RTX 4000 SFF Ada Generation— Wie viel Leistung verbraucht es?
Bewertete Boardleistung ist 70 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.
RTX 4000 SFF Ada Generation— Wie viel Cache hat es?
Der L1-Cache ist 128 KB, und der L2-Cache ist 48 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.
RTX 4000 SFF Ada Generation— Was sind seine TFLOPS?
Es ist bewertet mit 19.2 TFLOPS bei halber Genauigkeit und 19.2 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.
RTX 4000 SFF Ada Generation— Wie viele Tensor-Kerne hat es?
Es hat 192 Tensor-Kerne über 48 Streaming-Multiprozessoren. Sie beschleunigen die Matrixarithmetik, aus der ein Transformer besteht, was hauptsächlich die Verarbeitung eines langen Prompts beschleunigt, anstatt die Antwort zu erzeugen.
RTX 4000 SFF Ada Generation— Unterstützt es CUDA?
Ja. Es berichtet über die CUDA-Berechnungskompetenz 8.9. 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.
RTX 4000 SFF Ada Generation— Welche Bus-Schnittstelle verwendet es?
Es verwendet PCIe 4.0 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.
RTX 4000 SFF Ada Generation— 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 524 der Modelle, die wir verfolgen. Ob das genug ist, hängt ganz davon ab, welches Modell Sie möchten – die obige Tabelle beantwortet das direkt.
RTX 4000 SFF Ada Generation— kann es ein Modell ausführen, das nicht in seinen VRAM passt?
Es kann aufgeteilt werden, wobei der Überlauf im Systemspeicher jenseits der Karte gehalten wird. 20 GB im System-Speicher sitzen und mit einem Bruchteil der Geschwindigkeit laufen, sodass ein größtenteils ausgelagerter Modell selten den Einsatz wert ist. Jede Zahl hier geht davon aus, dass es vollständig auf der Karte resident ist.
Würden zwei RTX 4000 SFF Ada Generation Karten doppelt so schnell sein?
Das Pairing bietet mehr Spielraum als Tempo: 40 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.
RTX 4000 SFF Ada Generation— Welche AI-Modelle kann es ausführen?
524 des 721 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.
RTX 4000 SFF Ada Generation— Was ist das größte AI-MODEL, das es ausführen kann?
Das größte Modell in unserem Katalog, das passt, ist Qwen3-Omni-30B-A3B bei 35.3B Parameter, komprimiert auf IQ4_XS. Es generiert ungefähr 45.8 Tokens pro Sekunde und benötigt etwa 17.9 GB des Speichers der Karte.
RTX 4000 SFF Ada Generation— 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 119 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.
RTX 4000 SFF Ada Generation— Kann es laufen 7B Modelle?
Ja. Es läuft. Gemma 4 E4B bei Q8_0, verwenden von etwa 9.8 GB VRAM und generieren etwa 26.4 Token pro Sekunde
RTX 4000 SFF Ada Generation— Kann es laufen 13B Modelle?
Ja. Es läuft. DeepSeekMoE-16B bei Q8_0, verwenden von etwa 17.5 GB VRAM und generieren etwa 41.2 Token pro Sekunde
RTX 4000 SFF Ada Generation— Kann es laufen 30B Modelle?
Ja. Es läuft. ERNIE-4.5-VL-28B-A3B bei Q4_K_M, verwenden von etwa 16.2 GB VRAM und generieren etwa 54.3 Token pro Sekunde
RTX 4000 SFF Ada Generation— wie viel VRAM hat es?
Diese Karte hat 20 GB von GDDR6. Rund ein Zehntel wird von der Inferenzlaufzeit und dem Treiber reserviert, was ungefähr 18 GB verfügbar für ein Modell und dessen Konversation.
RTX 4000 SFF Ada Generation— Was ist seine Speicherbandbreite?
Der Speicherbandbreite erreicht 280 GB/s über einen Bus von 160 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.
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..