Υπολογίστε την TPS του RTX 4000 SFF Ada Generation σε τοπικά AI μοντέλα

NVIDIA 20 GB GDDR6 280 GB/s March 2023

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

524 μοντέλα που μπορεί να εκτελέσει

721 μοντέλα στον κατάλογό μας συνολικά

Το μεγαλύτερο μοντέλο που κρατάει

Qwen3-Omni-30B-A3B

35.3B · IQ4_XS · 45.8 tok/s

Ταχύτερο μοντέλο

Gemma 3 QAT 1B

119 tok/s · 1B

Ποια AI μοντέλα μπορούν να τρέξουν σε μια RTX 4000 SFF Ada Generation?

Ορίστε τις εισόδους, διαβάστε την απάντηση

Μήκος συμφραζομένων μουσικά κομμάτια

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..

Ελάχιστη ποιότητα

Κρύβει μοντέλα που θα χωρούσαν μόνο αν συμπιεστούν κάτω από αυτό το σημείο.

Αναζήτηση μοντέλων

Μέγεθος μοντέλου

Απελευθερώθηκε

Επίσης δείξτε μοντέλα που δεν μπορεί να τρέξει

524 τα μοντέλα ταιριάζουν

Υπολογισμός

						Ποσοτικοποίηση	Καλά
119 tok/s 101–142	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k μουσικά κομμάτια	Q8_0	Άνετο
119 tok/s 101–142	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k μουσικά κομμάτια	Q8_0	Άνετο
119 tok/s 71–190 · χαμηλή εμπιστοσύνη	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
119 tok/s 71–190 · χαμηλή εμπιστοσύνη	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
119 tok/s 71–190 · χαμηλή εμπιστοσύνη	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
119 tok/s 71–190 · χαμηλή εμπιστοσύνη	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
110 tok/s 66–176 · χαμηλή εμπιστοσύνη	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
108 tok/s 65–172 · χαμηλή εμπιστοσύνη	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
108 tok/s 65–172 · χαμηλή εμπιστοσύνη	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
108 tok/s 65–172 · χαμηλή εμπιστοσύνη	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
108 tok/s 65–172 · χαμηλή εμπιστοσύνη	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
98.8 tok/s 59–158 · χαμηλή εμπιστοσύνη	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
98.8 tok/s 59–158 · χαμηλή εμπιστοσύνη	LFM2-1.2B ≈	1.2B	Jul 2025	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
98.8 tok/s 59–158 · χαμηλή εμπιστοσύνη	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
98.8 tok/s 59–158 · χαμηλή εμπιστοσύνη	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
98.8 tok/s 59–158 · χαμηλή εμπιστοσύνη	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
96.4 tok/s 82–116	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k μουσικά κομμάτια	Q8_0	Άνετο
95.1 tok/s 57–152 · χαμηλή εμπιστοσύνη	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
91.2 tok/s 55–146 · χαμηλή εμπιστοσύνη	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
91.2 tok/s 55–146 · χαμηλή εμπιστοσύνη	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
91.2 tok/s 55–146 · χαμηλή εμπιστοσύνη	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
91.2 tok/s 55–146 · χαμηλή εμπιστοσύνη	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
91.2 tok/s 55–146 · χαμηλή εμπιστοσύνη	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
91.2 tok/s 55–146 · χαμηλή εμπιστοσύνη	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k μουσικά κομμάτια ?	Q8_0	Άνετο
91.2 tok/s 55–146 · χαμηλή εμπιστοσύνη	Otter ≈	1.3B	May 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

RTX 4000 SFF Ada Generation 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: 20 GB
Μνήμη εύρους ζώνης: 280 GB/s
Τύπος μνήμης: GDDR6
Πλάτος διαύλου μνήμης: 160 bit
Ρολογιά μνήμης: 1.75 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: AD104
Αρχιτεκτονική: Ada Lovelace
Γενιά: Workstation Ada(x000A)
Μέταλλο: TSMC
Μέγεθος διαδικασίας: 5 nm
Τρανζίστορ: 35.8 billion
Πυκνότητα τρανζίστορ: 121,800 K/mm²
Μέγεθος τσιπ: 294 mm²
Απελευθερώθηκε: 21 March 2023

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: 720 MHz
Ωθήσει ρολογιού: 1.56 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: 6,144
Μονάδες Χαρτογράφησης Υφής: 192
Μονάδες εξόδου απόδοσης: 64
Ροή πολλών επεξεργαστών: 48
Πυρήνες Tensor: 192
Πυρήνες ακτίνων-ιχνηλασίας: 48
L1 κρυφή μνήμη: 128 KB
L2 κρυφή μνήμη: 48 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): 19.2 TFLOPS
Μονή ακρίβεια (FP32): 19.2 TFLOPS
Διπλή ακρίβεια (FP64): 299.5 GFLOPS
Ρυθμός εικονοστοιχείων: 100 GPixel/s
Ρυθμός υφής: 300 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): 70 W
Προτεινόμενη τροφοδοσία: 250 W
Συνδέσεις ρεύματος: None
Διασύνδεση λεωφορείου: PCIe 4.0 x16
Πλάτος υποδοχής: Dual-slot
Διαστάσεις: 168 mm
Εμφάνιση εξόδων: 4x mini-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: 8.9
DirectX: 12.2
OpenGL: 4.6
Βούλκαν: 1.4
OpenCL: 3.0
Μοντέλο Σκίασης: 6.8

Καταχωρίσεις

Πού να αγοράσω ένα RTX 4000 SFF Ada Generation

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

20 GB

Εύρος ζώνης

280 GB/s

Μεγαλύτερο μοντέλο

Qwen3-Omni-30B-A3B

RTX 4000 SFF Ada Generation φερεί 20 GB του GDDR6. Αυτό φτάνει άνετα σε μικρά και μεσαία μοντέλα, αν και τα μεγαλύτερα μένουν εκτός εμβέλειας χωρίς να τα χωρίσουμε. Η υπερβολή του οδηγού αφήνει περίπου 18 GB.

Η μνημονική εύρος ζώνης φτάνει 280 GB/s πέρα από ένα λεωφορείο του 160 μπίτ. Η διαύγεια είναι ο πραγματικός περιορισμός αυτής της κάρτας. Κάθε τοκέν απαιτεί την ανάγνωση ολόκληρου του μοντέλου από την VRAM, οπότε ένα μεγάλο μοντέλο θα αισθάνεται αργό εδώ ακόμα και όταν χωράει.

Αυτό προέρχεται από ένα memory clock του 1.75 GHz. Και οι δύο μισοί είναι σημαντικοί, και κανένας δεν είναι ορατός σε μία αναφορά παιχνιδιών.

Συνολικά, το μεγαλύτερο μοντέλο που ταιριάζει είναι Qwen3-Omni-30B-A3B, 35.3B, συμπιεσμένο σε IQ4_XS και δημιουργώντας γύρω 45.8 tokens ανά δευτερόλεπτο

Το τσιπ και πώς κατασκευάστηκε

RTX 4000 SFF Ada Generation είναι κατασκευασμένο πάνω στον επεξεργαστή γραφικών AD104, χρησιμοποιώντας την αρχιτεκτονική Ada Lovelace από NVIDIA, ως μέρος της γενιάς Workstation Ada(x000A).

Το τσιπ κατασκευάζεται από TSMC, σε μια διαδικασία της 5 νμ, με ένα ζάρι που μετράει 294 mm², κρατώντας 35.8 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 March 2023, χονδρικά 3.4840840301848 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

19.2 TFLOPS

FP64

299.5 GFLOPS

Πυρήνες Tensor

192

Στο χαρτί RTX 4000 SFF Ada Generation φθάνει 19.2 TFLOPS σε μισή ακρίβεια, και 19.2 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 299.5 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 192 Πυρήνες Tensor διάσπαρτα 48 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 720 MHz σε μια αύξησηของ 1.56 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

RTX 4000 SFF Ada Generation έχει L1 cache της 128 KB, υποστηριζόμενο από μια L2 cache του 48 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 6,144 Μονάδες σκίασης, 192 Μονάδες Χαρτογράφησης Υφής, και 64 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

70 W

RTX 4000 SFF Ada Generation βαθμολογείται σε 70 W, και η προτεινόμενη τροφοδοσία συστήματος είναι 250 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 168 μμ μήκους. 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 RTX 4000 SFF Ada Generation

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..

01 Qwen3.6-35B-A3B 35B · IQ4_XS · Apr 2026 46.2 tok/s
02 Qwen3.5-35B-A3B 35B · IQ4_XS · Feb 2026 46.2 tok/s
03 Qwen3-Omni-30B-A3B 35.3B · IQ4_XS · Sep 2025 45.8 tok/s
04 Falcon-H1 34B · Q3_K_M · May 2025 9.4 tok/s
05 TeleChat2-35B 35B · Q3_K_M · Oct 2024 9.1 tok/s
06 Oryx 34B 34B · Q3_K_M · Sep 2024 9.4 tok/s
07 Smaug-34B 34B · Q3_K_M · Jul 2024 9.4 tok/s
08 CausalLM 34B β 34.4B · Q3_K_M · Feb 2024 9.3 tok/s
09 LLaVA-NeXT-34B (LLaVA-1.6) 34.8B · Q3_K_M · Jan 2024 9.2 tok/s
10 Poro 34B 34.2B · Q3_K_M · Dec 2023 9.4 tok/s

Οι ταχύτεροι AI μοντέλα σε μια RTX 4000 SFF Ada Generation

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..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 119 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 119 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 119 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 119 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 119 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 119 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 110 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 108 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 108 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 108 tok/s

Βήμα προς βήμα

Πώς να υπολογίσετε τους TOKENS ανά ΔΕΥΤΕΡΟΛΕΠΤΟ ενός RTX 4000 SFF Ada Generation

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 524 μοντέλα που τρέχει αυτή η κάρτα. Η αναζήτηση περιορίζει τη λίστα κατά όνομα ή κατά μέγεθος.
02

Ορίστε το μήκος του πλαισίου (context length) που θα χρησιμοποιήσεις πραγματικά

Σύρε τον μοχλό στο μήκος της συνομιλίας που σκοπεύεις να εργάζεσαι. Η μνήμη αυξάνεται με τη συνομιλία, και εναντίον μιας κάρτας που κρατά 20 GB έτσι οι ρυθμίσεις αξίζουν να γίνουν σωστά.
03

Ρυθμίστε μια минимальная ποιότητα αν χρειάζεστε μία.

Από προεπιλογή, ο πίνακας επιλέγει την λιγότερο συμπιεσμένη αντιγραφή που χωράει. Η ρύθμιση ενός κατωφλιού αφαιρεί τα μοντέλα που πληρούν προϋποθέσεις μόνο μέσω βαριάς συμπίεσης.
04

Πάρτε την εύρος ως απόκριση

Οι ταχύτητες συνοδεύονται από γραμμές σφάλματος για κάποιον λόγο. Η καλύτερη περίπτωση εδώ είναι 119 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

Διαβάστε την απόφαση καταλληλότητας τελευταία

Σφιχτό σημαίνει ότι λειτουργεί σήμερα; Άνετο σημαίνει ότι λειτουργεί ακόμα όταν η συνομιλία μεγαλώνει. Συγκρίνετε τις ανάγκες κάθε μοντέλου με βάση το διαθέσιμο. 20 GB.
06

Διασταύρωση με άλλες συσκευές

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 RTX 4000 SFF Ada Generation.

Απαντήσεις

RTX 4000 SFF Ada Generation — κοινές ερωτήσεις

RTX 4000 SFF Ada Generation— ποιο τύπο μνήμης χρησιμοποιεί;

Χρησιμοποιεί GDDR6 χρονισμένος σε 1.75 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.

RTX 4000 SFF Ada Generation— ποιος το κατασκευάζει;

Αυτό είναι ένα προϊόν του NVIDIA, με το τσιπ που κατασκευάστηκε από TSMC, σε μια διαδικασία της 5 νμ.

RTX 4000 SFF Ada Generation— πότε κυκλοφόρησε;

Δημοσιεύτηκε το March 2023.

RTX 4000 SFF Ada Generation— πόση ισχύς χρησιμοποιεί;

Η αξιολογούμενη ισχύς της κάρτας είναι 70 W, και η προτεινόμενη τροφοδοσία συστήματος είναι 250 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.

RTX 4000 SFF Ada Generation— πόσο cache έχει;

Η μνήμη L1 είναι 128 KB, και η L2 cache είναι 48 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.

RTX 4000 SFF Ada Generation— ποιοι είναι οι TFLOPS του;

Αξιολογείται σε 19.2 TFLOPS σε μισή ακρίβεια και 19.2 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.

RTX 4000 SFF Ada Generation— πόσους πυρήνες τензόρ έχει;

Έχει 192 Πυρήνες Tensor διάσπαρτα 48 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.

RTX 4000 SFF Ada Generation— υποστηρίζει CUDA;

Ναι. Αναφέρει την ικανότητα υπολογισμού CUDA. 8.9. 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.

RTX 4000 SFF Ada Generation— 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.

RTX 4000 SFF Ada Generation— είναι καλό για να τρέξετε τοπικά AI μοντέλα;

Η μνήμη του καλύπτει μικρά και μεσαία μοντέλα, αν και τα μεγαλύτερα είναι εκτός εμβέλειας, ενώ το εύρος ζώνης του σημαίνει ότι η γενιά θα φαίνεται αργή σε μεγαλύτερα μοντέλα. Στο σύνολό της, τρέχει 524 των μοντέλων που παρακολουθούμε. Εάν αυτό είναι αρκετό εξαρτάται αποκλειστικά από το ποιο μοντέλο θέλετε — ο παραπάνω πίνακας απαντά σε αυτό απευθείας.

RTX 4000 SFF Ada Generation— μπορεί να τρέξει ένα μοντέλο που δεν χωράει στη μνήμη του;

Μπορεί να διαχωριστεί, με την υπερχείλιση να κρατείται στη μνήμη συστήματος πέρα από την κάρτα. 20 GB κάθονται στη μνήμη του συστήματος και λειτουργούν σε ένα κλάσμα της ταχύτητας, έτσι ένα κυρίως εκφορτωμένο μοντέλο σπάνια αξίζει να χρησιμοποιηθεί. Κάθε αριθμός εδώ υποθέτει ότι είναι πλήρως εγκατεστημένο στην κάρτα.

Θα μπορούσαν δύο RTX 4000 SFF Ada Generation οι κάρτες θα είναι δύο φορές πιο γρήγορες;

Η ζεύγωση τους αγοράζει περιθώριο αντί για ταχύτητα: 40 GB που σας επιτρέπει να κρατάτε μοντέλα που κανένα από τα δύο δεν θα μπορούσε να κρατήσει μόνο του, αλλά η γενιά δεν χωρίζει με αυτόν τον τρόπο. Αυτές οι αριθμοί περιγράφουν μια κάρτα.

RTX 4000 SFF Ada Generation— ποια AI μοντέλα μπορεί να εκτελέσει;

524 του 721 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.

RTX 4000 SFF Ada Generation— ποιο είναι το μεγαλύτερο AI μοντέλο που μπορεί να τρέξει;

Το μεγαλύτερο μοντέλο στον κατάλογό μας που χωράει είναι Qwen3-Omni-30B-A3B σε 35.3B παραμέτρους, συμπιεσμένο σε IQ4_XS. Παράγει περίπου 45.8 δεσμεύσεις ανά δευτερόλεπτο και χρειάζονται περίπου 17.9 GB της μνήμης της κάρτας.

RTX 4000 SFF Ada Generation— πόσοι τόκεν ανά δευτερόλεπτο παράγει;

Εξαρτάται από το ΜΟΝΤΕΛΟ. Το πιο γρήγορο ΜΟΝΤΕΛΟ που παρακολουθούμε εδώ είναι Gemma 3 QAT 1B γύρω από 119 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.

RTX 4000 SFF Ada Generation— μπορεί να τρέξει 7B μοντέλα;

Ναι. Για παράδειγμα τρέχει. Gemma 4 E4B σε Q8_0, χρησιμοποιώντας περίπου 9.8 GB μνήμης και δημιουργία γύρω από 26.4 tokens ανά δευτερόλεπτο

RTX 4000 SFF Ada Generation— μπορεί να τρέξει 13B μοντέλα;

Ναι. Για παράδειγμα τρέχει. DeepSeekMoE-16B σε Q8_0, χρησιμοποιώντας περίπου 17.5 GB μνήμης και δημιουργία γύρω από 41.2 tokens ανά δευτερόλεπτο

RTX 4000 SFF Ada Generation— μπορεί να τρέξει 30B μοντέλα;

Ναι. Για παράδειγμα τρέχει. ERNIE-4.5-VL-28B-A3B σε Q4_K_M, χρησιμοποιώντας περίπου 16.2 GB μνήμης και δημιουργία γύρω από 54.3 tokens ανά δευτερόλεπτο

RTX 4000 SFF Ada Generation— πόση μνήμη έχει;

Αυτή η GPU έχει 20 GB του GDDR6. Γύρω από το ένα δέκατο είναι δεσμευμένο από την εκτέλεση συμπερασμού και τον οδηγό, αφήνοντας περίπου 18 GB διαθέσιμο για ένα μοντέλο και τη συζήτησή του.

RTX 4000 SFF Ada Generation— ποια είναι η εύρος ζώνης μνήμης της;

Η μνημονική εύρος ζώνης φτάνει 280 GB/s πέρα από ένα λεωφορείο του 160 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.

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..

Όλες οι GPUs