Υπολογίστε την TPS του A40 PCIe σε τοπικά AI μοντέλα
Κάθε μοντέλο στον κατάλογό μας αξιολογήθηκε σε σχέση με αυτή την ΚΑΡΤΑ στη διάρκεια του CONTEXT LENGTH και της ελάχιστης ποιότητας που επιλέγετε. Η ταχύτητα είναι μια εκτίμηση για ένα μόνο αίτημα, υπολογισμένη από το MEMORY BANDWIDTH αυτής της ΚΑΡΤΑΣ και το μέγεθος κάθε μοντέλου μόλις συμπιεστεί..
Υπολογίστηκε για αυτήν την κάρτα
679 μοντέλα στον κατάλογό μας συνολικά
Το μεγαλύτερο μοντέλο που κρατάει
Qwen3-Coder-Next
80B · IQ4_XS · 50.3 tok/s
Ταχύτερο μοντέλο
Gemma 3 QAT 1B
295 tok/s · 1B
Ποια AI μοντέλα μπορούν να τρέξουν σε μια A40 PCIe?
Ορίστε τις εισόδους, διαβάστε την απάντηση
Περισσότερα συμφραζόμενα σημαίνει περισσότερη μνήμη για την κρυφή μνήμη της συνομιλίας. Η ταχύτητα είναι για μια νέα συνομιλία και δεν αλλάζει με αυτή τη ρύθμιση..
Κρύβει μοντέλα που θα χωρούσαν μόνο αν συμπιεστούν κάτω από αυτό το σημείο.
576 τα μοντέλα ταιριάζουν
Υπολογισμός| Ποσοτικοποίηση | Καλά | ||||||
|---|---|---|---|---|---|---|---|
|
295
tok/s
250–354 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k μουσικά κομμάτια | Q8_0 | Άνετο |
|
295
tok/s
250–354 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k μουσικά κομμάτια | Q8_0 | Άνετο |
|
295
tok/s
177–472 · χαμηλή εμπιστοσύνη |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
295
tok/s
177–472 · χαμηλή εμπιστοσύνη |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
295
tok/s
177–472 · χαμηλή εμπιστοσύνη |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
295
tok/s
177–472 · χαμηλή εμπιστοσύνη |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
273
tok/s
164–437 · χαμηλή εμπιστοσύνη |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
268
tok/s
161–429 · χαμηλή εμπιστοσύνη |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
268
tok/s
161–429 · χαμηλή εμπιστοσύνη |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
268
tok/s
161–429 · χαμηλή εμπιστοσύνη |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
268
tok/s
161–429 · χαμηλή εμπιστοσύνη |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
246
tok/s
147–393 · χαμηλή εμπιστοσύνη |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
246
tok/s
147–393 · χαμηλή εμπιστοσύνη |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
246
tok/s
147–393 · χαμηλή εμπιστοσύνη |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
246
tok/s
147–393 · χαμηλή εμπιστοσύνη |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
240
tok/s
204–288 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k μουσικά κομμάτια | Q8_0 | Άνετο |
|
236
tok/s
142–378 · χαμηλή εμπιστοσύνη |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
|
227
tok/s
136–363 · χαμηλή εμπιστοσύνη |
Phi-1 ≈ | 1.3B | Oct 2023 | 2.1 GB | 131k μουσικά κομμάτια ? | Q8_0 | Άνετο |
Οι ταχύτητες είναι εκτιμήσεις για ένα μόνο αίτημα — μία συνομιλία τη φορά — υπολογισμένες από την μνήμη, το μέγεθος του μοντέλου και την ποσοτικοποίηση. Η πραγματική διακύμανση έξοδου ποικίλλει με τον χρόνο εκτέλεσης συμπερασμάτων και την έκδοσή του. Οι αριθμοί που δημοσιεύονται από τους προμηθευτές υλικού μετρούν πολλές ταυτόχρονες αιτήσεις και είναι πολύ υψηλότεροι..
Σε καταγραφή
A40 PCIe Πλήρης προδιαγραφή
Τα πάντα σε αρχείο για αυτήν την κάρτα, ταξινομημένα κατά πόσο σχετίζονται με τη λειτουργία ενός AI μοντέλου παρά σύμφωνα με το πώς θα το κατέγραφε ένα φύλλο προδιαγραφών. Η ΜΝΗΜΗ έρχεται πρώτη γιατί αποφασίζει το αποτέλεσμα; το υπόλοιπο είναι CONTEXT..
Μνήμη
Οι δύο προδιαγραφές που αποφασίζουν ποιο μοντέλο μπορεί να τρέξει αυτή η ΚΑΡΤΑ και με ποια ταχύτητα. Η ικανότητα καθορίζει ποια μοντέλα ταιριάζουν· το bandwidth καθορίζει πόσα tokens ανά δευτερόλεπτο παράγουν μόλις ταιριάξουν.
- Μέγεθος μνήμης
- 48 GB
- Μνήμη εύρους ζώνης
- 696 GB/s
- Τύπος μνήμης
- GDDR6
- Πλάτος διαύλου μνήμης
- 384 bit
- Ρολογιά μνήμης
- 1.81 GHz
Το τσιπ
Ποιος επεξεργαστής είναι πάνω στην πλακέτα και πώς κατασκευάστηκε. Ένα μικρότερο μέγεθος διαδικασίας γενικά σημαίνει περισσότερη απόδοση για την ίδια ισχύ.
- Γραφικός επεξεργαστής
- GA102
- Αρχιτεκτονική
- Ampere
- Γενιά
- Server Ampere(Axx)
- Μέταλλο
- Samsung
- Μέγεθος διαδικασίας
- 8 nm
- Τρανζίστορ
- 28.3 billion
- Πυκνότητα τρανζίστορ
- 45,100 K/mm²
- Μέγεθος τσιπ
- 628 mm²
- Πακέτο
- BGA-3328
- Απελευθερώθηκε
- 5 October 2020
Ταχύτητες ρολογιού
Πόσο γρήγορα λειτουργεί ο επεξεργαστής. Αξίζει πολύ λιγότερο εδώ από ό,τι σε ένα gaming benchmark: η δημιουργία κειμένου περιορίζεται από το MEMORY BANDWIDTH, έτσι μια υψηλότερη συχνότητα barely moves το αποτέλεσμα.
- Βασική συχνότητα
- 1.31 GHz
- Ωθήσει ρολογιού
- 1.74 GHz
Μονάδες Επεξεργασίας
Τι περιέχει το τσιπ. Αυτά οδηγούν την απόδοση γραφικών και έχουν σημασία κυρίως για την επεξεργασία μιας μακράς προτροπής αντί για την παραγωγή της απάντησης.
- Μονάδες σκίασης
- 10,752
- Μονάδες Χαρτογράφησης Υφής
- 336
- Μονάδες εξόδου απόδοσης
- 112
- Ροή πολλών επεξεργαστών
- 84
- Πυρήνες Tensor
- 336
- Πυρήνες ακτίνων-ιχνηλασίας
- 84
- L1 κρυφή μνήμη
- 128 KB
- L2 κρυφή μνήμη
- 6 MB
Θεωρητική Απόδοση
Οι κορυφαίοι ρυθμοί αριθμητικών υπολογισμών που δημοσιεύθηκαν για την κάρτα. Αυτές είναι ανώτατα όρια που καμία πραγματική εργασία δεν φτάνει, και η παραγωγή κειμένου φτάνει μόνο σε ένα μικρό ποσοστό αυτών επειδή περιορίζεται από τη μνήμη αντί για την αριθμητική.
- Μισή ακρίβεια (FP16)
- 37.4 TFLOPS
- Μονή ακρίβεια (FP32)
- 37.4 TFLOPS
- Διπλή ακρίβεια (FP64)
- 584.6 GFLOPS
- Ρυθμός εικονοστοιχείων
- 195 GPixel/s
- Ρυθμός υφής
- 585 GTexel/s
Η πλακέτα
Τι απαιτείται για να εγκαταστήσετε φυσικά και να τροφοδοτήσετε την ΚΑΡΤΑ — οι πρακτικοί περιορισμοί που αποφασίζουν αν ταιριάζει στη μηχανή που ήδη έχετε.
- Κατανάλωση ενέργειας (TDP)
- 300 W
- Προτεινόμενη τροφοδοσία
- 700 W
- Συνδέσεις ρεύματος
- 8-pin EPS
- Διασύνδεση λεωφορείου
- PCIe 4.0 x16
- Πλάτος υποδοχής
- Dual-slot
- Διαστάσεις
- 267 mm
- Εμφάνιση εξόδων
- 3x DisplayPort 1.4a
Υποστήριξη λογισμικού
Ποιες γραφικές και υπολογιστικές διεπαφές υποστηρίζει η κάρτα. Η δυνατότητα υπολογισμού CUDA είναι αυτή που επηρεάζει την εκτίμηση: κάτω από 7.0 δεν υπάρχουν πυρήνες tensor, και το σύγχρονο λογισμικό εκτίμησης επιστρέφει σε πιο αργούς κωδικούς.
- ικανότητα υπολογισμού CUDA
- 8.6
- DirectX
- 12.2
- OpenGL
- 4.6
- Βούλκαν
- 1.4
- OpenCL
- 3.0
- Μοντέλο Σκίασης
- 6.8
Καταχωρίσεις
Πού να αγοράσω ένα A40 PCIe
Κανένας προμηθευτής δεν καταχωρεί αυτήν την κάρτα αυτή τη στιγμή. Οι καταχωρίσεις προέρχονται από προμηθευτές που τις δημοσιεύουν εδώ απευθείας. — περιηγηθείτε στον κατάλογο προμηθευτών να δεις ποιος πουλάει τι.
Τι σημαίνουν οι αριθμοί
Χωρητικότητα και εύρος ζώνης
Μνήμη
48 GB
Εύρος ζώνης
696 GB/s
Μεγαλύτερο μοντέλο
Qwen3-Coder-Next
A40 PCIe φερεί 48 GB του GDDR6. Αυτό καλύπτει τα μεσαίου μεγέθους μοντέλα που τρέχουν οι περισσότεροι άνθρωποι. Μόλις ο χρόνος εκτέλεσης και ο οδηγός κρατήσουν τον χώρο εργασίας τους, περίπου αυτό το ποσό μένει: 43.2 GB.
Η μνημονική εύρος ζώνης φτάνει 696 GB/s πέρα από ένα λεωφορείο του 384 μπίτ. Αυτος είναι ο αριθμός που κυβερνά την ταχύτητα παραγωγής — η αριθμητική ανά byte ανάγνωση είναι αρκετά μικρή ώστε το λεωφορείο, όχι οι πυρήνες, να είναι αυτό που περιμένει τα πάντα.
Το bandwidth είναι συχνότητα επί πλάτους του λεωφορείου, και αυτή η κάρτα ρολογίζει τη μνήμη της στο 1.81 GHz. Διεύρυνση του λεωφορείου και αύξηση του ρολογιού είναι οι δύο μοχλοί που έχει ένας κατασκευαστής, γι' αυτό και μια κάρτα με αδιάφορους πυρήνες μπορεί ακόμα να παράγει γρήγορα.
Το μεγαλύτερο πράγμα που κρατάει είναι Qwen3-Coder-Next, 80B, συμπιεσμένο σε IQ4_XS και δημιουργώντας γύρω 50.3 tokens ανά δευτερόλεπτο
Το τσιπ και πώς κατασκευάστηκε
A40 PCIe είναι κατασκευασμένο πάνω στον επεξεργαστή γραφικών GA102, χρησιμοποιώντας την αρχιτεκτονική Ampere από NVIDIA, ως μέρος της γενιάς Server Ampere(Axx).
Το τσιπ κατασκευάζεται από Samsung, σε μια διαδικασία της 8 νμ, με ένα ζάρι που μετράει 628 mm², κρατώντας 28.3 billion Τρανζίστορ. Μια μικρότερη διαδικασία σημαίνει γενικά περισσότερη απόδοση για την ίδια ισχύ, αν και για τα γλωσσικά μοντέλα έχει πολύ λιγότερη σημασία από το υποσύστημα μνήμης.
Δημοσιεύτηκε το October 2020, χονδρικά 5.8216014418997 χρόνια πριν. Η υποστήριξη λογισμικού INFERENCE τείνει να ακολουθεί την υλικοτεχνική υποδομή κατά ένα ή δύο χρόνια, οπότε μια κάρτα αυτής της ηλικίας γενικά διαθέτει ώριμους, καλά βελτιστοποιημένους κώδικες που της είναι διαθέσιμοι.
Διαδικασία υπολογισμού, και γιατί έχει λιγότερη σημασία απ' ότι φαίνεται
FP16
37.4 TFLOPS
FP64
584.6 GFLOPS
Πυρήνες Tensor
336
Στο χαρτί A40 PCIe φθάνει 37.4 TFLOPS σε μισή ακρίβεια, και 37.4 TFLOPS σε απλή ακρίβεια. Αυτά είναι κορυφαία νούμερα που κανένα πραγματικό φορτίο δεν υποστηρίζει, και η γενετική κειμένων φτάνει μόνο σε ένα μικρό ποσοστό τους - η αποκωδικοποίηση περιορίζεται από τη μνήμη παρά από την αριθμητική, γι' αυτό μια κάρτα μπορεί να φαίνεται εξαιρετικά ισχυρή εδώ και να παράγει ακόμα μικρές μονάδες με έναν κανονικό ρυθμό.
Η διάβαση διπλής ακρίβειας φθάνει 584.6 GFLOPS. Δεν έχει καμία σχέση με την εκτέλεση ενός γλωσσικού ΜΟΝΤΕΛΟΥ — κανένας χρόνος εκτέλεσης συμπερασμού δεν το χρησιμοποιεί — αλλά χωρίζει τα μέρη των κέντρων δεδομένων από τα καταναλωτικά, καθώς τα τελευταία το περιορίζουν σκόπιμα.
Η ΚΑΡΤΑ φέρει 336 Πυρήνες Tensor διάσπαρτα 84 Ροή πολλών επεξεργαστών. Αυτά επιταχύνουν τη μητρική αριθμητική που είναι στην καρδιά ενός μετασχηματιστή, και είναι αυτά που κάνουν την επεξεργασία προτροπών — διαβάζοντας ένα μεγάλο έγγραφο πριν απαντήσουν — δραματικά ταχύτερη από ό,τι θα ήταν διαφορετικά.
Οι ρολόγια τρέχουν από μια βάση του 1.31 GHz σε μια αύξησηของ 1.74 GHz. Αξίζει πολύ λιγότερο εδώ από ό,τι σε ένα gaming benchmark: η αύξηση των ρολογιών επιταχύνει την αριθμητική, και η αριθμητική δεν είναι αυτό που περιμένει η γενιά.
Κρυφή μνήμη και μονάδες επεξεργασίας
A40 PCIe έχει L1 cache της 128 KB, υποστηριζόμενο από μια L2 cache του 6 MB. Η Cache απορροφά ένα μερίδιο της κίνησης μνήμης που αλλιώς θα έπληττε το κύριο λεωφορείο, το οποίο είναι το μόνο μέρος σε αυτή τη σελίδα όπου ένας αριθμός διαφορετικός από τη bandwidth επηρεάζει ήσυχα την ταχύτητα δημιουργίας - μια μεγάλη L2 επιτρέπει περισσότερα από το working set να παραμένουν κοντά στους πυρήνες.
Υπάρχουν 10,752 Μονάδες σκίασης, 336 Μονάδες Χαρτογράφησης Υφής, και 112 Μονάδες εξόδου απόδοσης. Αυτά οδηγούν τα γραφικά φορτία εργασίας και συμβάλλουν στην επεξεργασία εντολών, αλλά παραμένουν ανενεργά για μεγάλο μέρος του χρόνου που χρειάζεται ένα μοντέλο για να παράγει μια απάντηση.
Ικανότητα, μέγεθος και εγκατάσταση
Κατανάλωση ενέργειας
300 W
A40 PCIe βαθμολογείται σε 300 W, και η προτεινόμενη τροφοδοσία συστήματος είναι 700 W. Η εκτέλεση ενός γλωσσικού μοντέλου κρατά μια κάρτα απασχολημένη σε εκρήξεις παρά συνεχώς — απορροφά έντονα κατά τη διαδικασία παραγωγής και αδρανεί μεταξύ των αιτημάτων — έτσι η διαρκής κατανάλωση κατά τη διάρκεια μιας εργάσιμης ημέρας είναι συνήθως πολύ κάτω από την αναγραφόμενη τιμή.
Η κάρτα καταλαμβάνει dual-slot, μετρήσεις 267 μμ μήκους, και χρειάζεται 8-pin EPS. Αξίζει να ελεγχθεί σε σχέση με την περίπτωση και την τροφοδοσία που είναι ήδη στη μηχανή, καθώς οι μεγαλύτερες κάρτες χρειάζονται σημαντικά περισσότερα και από τα δύο σε σύγκριση με ό,τι παρέχει ένα τυπικό επιτραπέζιο.
Συνδέεται μέσω PCIe 4.0 x16. Η διεπαφή ρυθμίζει πόσο γρήγορα ένα μοντέλο φορτώνεται από το δίσκο στην κάρτα, όχι πόσο γρήγορα εκτελείται μόλις εκεί, έτσι μια στενότερη σύνδεση κοστίζει μερικά δευτερόλεπτα στην εκκίνηση και τίποτα μετά από αυτό.
Οι ακραίοι
Οι μεγαλύτεροι AI μοντέλα που τρέχουν σε μια A40 PCIe
Τα μεγαλύτερα OPEN WEIGHT μοντέλα που ταιριάζουν σε αυτή την CARD, τα νεότερα πρώτα. Κάθε ένα εμφανίζεται με την καλύτερη συμπίεση που μπορεί να κρατήσει η CARD..
Οι ταχύτεροι AI μοντέλα σε μια A40 PCIe
Όπου αυτή η ΚΑΡΤΑ παράγει τούβλα γρηγορότερα. Μικρότερα μοντέλα κυριαρχούν εδώ, επειδή η παραγωγή κάθε τούβλου σημαίνει να διαβάζουμε ολόκληρο το μοντέλο από τη μνήμη μία φορά..
Βήμα προς βήμα
Πώς να υπολογίσετε τους TOKENS ανά ΔΕΥΤΕΡΟΛΕΠΤΟ ενός A40 PCIe
Δεν χρειάζεται να υπολογίσετε τίποτα με το χέρι — ο υπολογιστής gputps.com σε αυτή τη σελίδα έχει ήδη υπολογίσει για κάθε μοντέλο που μπορεί να κρατήσει αυτή η κάρτα. Η ανάγνωση της απάντησης απαιτεί έξι βήματα..
-
01
Αναζητήστε το μοντέλο που θέλετε
Ο πίνακας απαριθμεί 576 μοντέλα που διαχειρίζεται η κάρτα. Το πλαίσιο αναζήτησης δέχεται ένα όνομα ή ένα μέγεθος όπως 27b, που ταιριάζει με τον αριθμό παραμέτρων.
-
02
Ορίστε το μήκος του πλαισίου (context length) που θα χρησιμοποιήσεις πραγματικά
Οι μεγαλύτερες συζητήσεις κοστίζουν VRAM πάνω από τα βάρη. Εναντίον 48 GB συνήθως είναι αυτό που σπρώχνει ένα μεγάλο μοντέλο πάνω από την άκρη.
-
03
Επιλέξτε πόσο μακριά θα συμπιέσετε
Κάθε μοντέλο εμφανίζεται στη καλύτερη συμπίεση που μπορεί να κρατήσει αυτή η ΚΑΡΤΑ. Μια ελάχιστη ποιότητα κρύβει εκείνα που χωρούν μόνο αν σφίγγονται περισσότερο από ό,τι θα αποδεχόσασταν.
-
04
Διάβασε την ταχύτητα και την εμβέλεια
Κάθε ταχύτητα είναι μια εκτίμηση για μια μεμονωμένη συνομιλία, με μια κλίμακα από κάτω της. Η κορυφαία τιμή εδώ είναι 295 τόκ/σ σε Gemma 3 QAT 1B. Η ίδια κάρτα και μοντέλο διαφέρει κατά τριάντα έως πενήντα τοις εκατό μεταξύ των χρόνων εκτέλεσης συμπερασμάτων.
-
05
Έλεγξε τη στήλη μνήμης πριν δεσμεύσεις
Η στήλη εφαρμογής χωρίζει τα μοντέλα που απλώς ταιριάζουν από αυτά που έχουν περιθώριο — αξίζει να ελεγχθεί πριν από την επιλογή ενός, σε σχέση με ένα διαθέσιμο 48 GB.
-
06
Άνοιξε το μοντέλο για να συγκρίνεις τις κάρτες
Ακολουθώντας ένα μοντέλο μέχρι τη δική του σελίδα, καταγράφει όλα τα υλικά που μπορούν να το εκτελέσουν, ώστε να μπορείτε να δείτε πώς συγκρίνεται με A40 PCIe.
Απαντήσεις
A40 PCIe — κοινές ερωτήσεις
A40 PCIe— μπορεί να τρέξει 13B μοντέλα;
Ναι. Για παράδειγμα τρέχει. DeepSeekMoE-16B σε Q8_0, χρησιμοποιώντας περίπου 17.5 GB μνήμης και δημιουργία γύρω από 102 tokens ανά δευτερόλεπτο
A40 PCIe— μπορεί να τρέξει 30B μοντέλα;
Ναι. Για παράδειγμα τρέχει. ERNIE-4.5-VL-28B-A3B σε Q8_0, χρησιμοποιώντας περίπου 29.2 GB μνήμης και δημιουργία γύρω από 58.5 tokens ανά δευτερόλεπτο
A40 PCIe— μπορεί να τρέξει 70B μοντέλα;
Ναι. Για παράδειγμα τρέχει. Qwen3-Coder-Next σε IQ4_XS, χρησιμοποιώντας περίπου 38.8 GB μνήμης και δημιουργία γύρω από 50.3 tokens ανά δευτερόλεπτο
A40 PCIe— πόση μνήμη έχει;
Αυτή η GPU έχει 48 GB του GDDR6. Γύρω από το ένα δέκατο είναι δεσμευμένο από την εκτέλεση συμπερασμού και τον οδηγό, αφήνοντας περίπου 43.2 GB διαθέσιμο για ένα μοντέλο και τη συζήτησή του.
A40 PCIe— ποια είναι η εύρος ζώνης μνήμης της;
Η μνημονική εύρος ζώνης φτάνει 696 GB/s πέρα από ένα λεωφορείο του 384 μπίτ. Αυτή είναι η μοναδική καλύτερη πρόβλεψη για το πόσο γρήγορα παράγει κείμενο, επειδή η παραγωγή κάθε token σημαίνει την ανάγνωση ολόκληρου του μοντέλου έξω από τη μνήμη μία φορά.
A40 PCIe— ποιο τύπο μνήμης χρησιμοποιεί;
Χρησιμοποιεί GDDR6 χρονισμένος σε 1.81 GHz. Οι τύποι HBM βρίσκονται σε επιταχυντές κέντρων δεδομένων και διαθέτουν πολύ περισσότερη εύρυθμη απόδοση από την GDDR που χρησιμοποιείται σε GPU καρτών επιτραπέζιου υπολογιστή, γι' αυτό και δημιουργούν tokens σημαντικά πιο γρήγορα με την ίδια χωρητικότητα.
A40 PCIe— ποιος το κατασκευάζει;
Αυτό είναι ένα προϊόν του NVIDIA, με το τσιπ που κατασκευάστηκε από Samsung, σε μια διαδικασία της 8 νμ.
A40 PCIe— πότε κυκλοφόρησε;
Δημοσιεύτηκε το October 2020.
A40 PCIe— πόση ισχύς χρησιμοποιεί;
Η αξιολογούμενη ισχύς της κάρτας είναι 300 W, και η προτεινόμενη τροφοδοσία συστήματος είναι 700 W. Η δημιουργία κειμένου απαιτεί ένταση σε εκρήξεις και είναι σε κατάσταση αναμονής μεταξύ των αιτημάτων, οπότε η μέση κατανάλωση κατά τη διάρκεια μιας εργάσιμης συνεδρίας είναι κανονικά πολύ κάτω από την αξιολογούμενη τιμή.
A40 PCIe— πόσο cache έχει;
Η μνήμη L1 είναι 128 KB, και η L2 cache είναι 6 MB. Η Cache απορροφά μέρος της μνήμης κυκλοφορίας που θα έφτανε αλλιώς στον κύριο διαδικτυακό κόμβο, έτσι μια μεγαλύτερη L2 δίνει μια μέτρια αύξηση στην ταχύτητα γενετικά πέρα από αυτό που προ predicts η μόνο πλά bandwidth.
A40 PCIe— ποιοι είναι οι TFLOPS του;
Αξιολογείται σε 37.4 TFLOPS σε μισή ακρίβεια και 37.4 TFLOPS σε μονή ακρίβεια. Αυτά είναι αιχμές αριθμητικών ανώτατων ορίων αντί για επιτεύξιμες τιμές, και η παραγωγή κειμένου φτάνει μόνο ένα μικρό κλάσμα αυτών επειδή περιορίζεται από την μπαλαντέρ μνήμης αντί.
A40 PCIe— πόσους πυρήνες τензόρ έχει;
Έχει 336 Πυρήνες Tensor διάσπαρτα 84 Ροή πολλών επεξεργαστών. επιταχύνουν την αρνητική άλγεβρα από την οποία είναι χτισμένος ένας μετασχηματιστής, ο οποίος κυρίως επιταχύνει την επεξεργασία μιας μεγάλης πρότασης παρά την παραγωγή της απάντησης.
A40 PCIe— υποστηρίζει CUDA;
Ναι. Αναφέρει την ικανότητα υπολογισμού CUDA. 8.6. Η δυνατότητα 7.0 και άνω έχει πυρήνες τανυστών, τους οποίους χρησιμοποιεί λογισμικό σύγχρονης inference. Κάτω από αυτό, επιστρέφει σε πιο αργές διαδρομές κώδικα για μοντέλα ποσοτικοποίησης.
A40 PCIe— ποια είναι η διεπαφή bus που χρησιμοποιεί;
Χρησιμοποιεί PCIe 4.0 x16. Αυτό διέπει πόσο γρήγορα φορτώνεται ένα μοντέλο στην κάρτα αντί για το πόσο γρήγορα τρέχει μόλις φορτωθεί, οπότε κοστίζει μερικά δευτερόλεπτα κατά την εκκίνηση και τίποτα κατά τη διάρκεια της γεννήσεως.
A40 PCIe— είναι καλό για να τρέξετε τοπικά AI μοντέλα;
Its memory is large enough for models most desktop hardware cannot touch and its bandwidth gives usable, if unspectacular, generation speeds. In total it runs 576 των μοντέλων που παρακολουθούμε. Εάν αυτό είναι αρκετό εξαρτάται αποκλειστικά από το ποιο μοντέλο θέλετε — ο παραπάνω πίνακας απαντά σε αυτό απευθείας.
A40 PCIe— μπορεί να τρέξει ένα μοντέλο που δεν χωράει στη μνήμη του;
Μόνο μερικώς. Επίπεδα πέρα από την κάρτα. 48 GB τραβάει ολόκληρο το πράγμα κάτω, και κανένα από τα στοιχεία σε αυτή τη σελίδα δεν το υποθέτει.
Θα μπορούσαν δύο A40 PCIe οι κάρτες θα είναι δύο φορές πιο γρήγορες;
Η χωρητικότητα προστίθεται, η ροή δεν προστίθεται. Δύο από αυτά σας δίνουν 96 GB να εργάζεστε με αντί για διπλάσιο αριθμό τ tokens ανά δευτερόλεπτο — κάθε νούμερο εδώ αναφέρεται σε μία μόνο κάρτα.
A40 PCIe— ποια AI μοντέλα μπορεί να εκτελέσει;
576 του 679 Οι ανοιχτού τύπου γλωσσικοί μοντέλοι που παρακολουθούμε ταιριάζουν σε αυτή την κάρτα και μπορούν να εκτελούνται τοπικά. Ο πίνακας σε αυτή τη σελίδα απαριθμεί τον καθένα, με τη μνήμη που χρειάζεται, την ποσοτικοποίηση στην οποία εκτελείται και μια εκτιμώμενη ταχύτητα παραγωγής.
A40 PCIe— ποιο είναι το μεγαλύτερο AI μοντέλο που μπορεί να τρέξει;
Το μεγαλύτερο μοντέλο στον κατάλογό μας που χωράει είναι Qwen3-Coder-Next σε 80B παραμέτρους, συμπιεσμένο σε IQ4_XS. Παράγει περίπου 50.3 δεσμεύσεις ανά δευτερόλεπτο και χρειάζονται περίπου 38.8 GB της μνήμης της κάρτας.
A40 PCIe— πόσοι τόκεν ανά δευτερόλεπτο παράγει;
Εξαρτάται από το ΜΟΝΤΕΛΟ. Το πιο γρήγορο ΜΟΝΤΕΛΟ που παρακολουθούμε εδώ είναι Gemma 3 QAT 1B γύρω από 295 διακυμάνσεις ανά δευτερόλεπτο, ενώ μεγαλύτερα μοντέλα τρέχουν αναλογικά πιο αργά επειδή κάθε διακυμάνση απαιτεί την ανάγνωση ολόκληρου του μοντέλου από τη μνήμη μία φορά. Οι ταχύτητες είναι εκτιμήσεις για μία μόνο συνομιλία τη φορά.
A40 PCIe— μπορεί να τρέξει 7B μοντέλα;
Ναι. Για παράδειγμα τρέχει. Multi-Token Prediction 7B σε Q8_0, χρησιμοποιώντας περίπου 7.9 GB μνήμης και δημιουργία γύρω από 44.0 tokens ανά δευτερόλεπτο
Η άλλη κατεύθυνση
Κοιτάζοντας το από την άλλη πλευρά;
Αυτή η σελίδα ξεκινά από το υλικό. Αν ήδη ξέρετε ποιο ΜΟΝΤΕΛ θέλετε και χρειάζεστε να ξέρετε τι απαιτείται για να το ΤΡΕΞΕΤΕ., Αρχίστε από το ΜΟΝΤΕΛΟ..