Calcular el TPS del Tesla K40s en modelos locales de IA
Cada modelo en nuestro catálogo se evalúa según esta tarjeta en la longitud de contexto y la calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de esta tarjeta y el tamaño de cada modelo una vez comprimido..
Calculado para esta tarjeta
679 modelos en nuestro catálogo en conjunto
El modelo más grande que sostiene
ERNIE-4.5-21B-A3B
21B · Q3_K_M · 74.1 tok/s
Modelo más rápido
Gemma 3 QAT 1B
104 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un Tesla K40s?
Establecer las entradas, leer la respuesta
Más contexto significa más memoria para la caché de conversación. La velocidad es para una conversación nueva y no cambia con esta configuración..
Oculta modelos que solo encajarían al ser comprimidos por debajo de este punto.
396 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
104
tok/s
36–208 · baja confianza |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
104
tok/s
36–208 · baja confianza |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
104
tok/s
36–208 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
104
tok/s
36–208 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
104
tok/s
36–208 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
104
tok/s
36–208 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
96.1
tok/s
34–192 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
94.4
tok/s
33–189 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
94.4
tok/s
33–189 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
94.4
tok/s
33–189 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
94.4
tok/s
33–189 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
86.5
tok/s
30–173 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
86.5
tok/s
30–173 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
86.5
tok/s
30–173 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
86.5
tok/s
30–173 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
84.4
tok/s
30–169 · baja confianza |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Cómodo |
|
83.2
tok/s
29–166 · baja confianza |
DeepSeekMoE-16B | 16B | Jan 2024 | 10.0 GB | 4k tokens | Q4_K_M | Ajustado |
|
83.2
tok/s
29–166 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
79.9
tok/s
28–160 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
79.9
tok/s
28–160 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
79.9
tok/s
28–160 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
79.9
tok/s
28–160 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
79.9
tok/s
28–160 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
79.9
tok/s
28–160 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
79.9
tok/s
28–160 · baja confianza |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..
En registro
Tesla K40s especificación completa
Todo lo registrado para esta placa, ordenado por cuánto influye en ejecutar un modelo de lenguaje en lugar de cómo lo enumeraría una hoja de especificaciones. La memoria viene primero porque decide el resultado; el resto es contexto..
Memoria
Las dos especificaciones que deciden qué puede ejecutar esta tarjeta y cuán rápido. La capacidad determina qué modelos encajan; el ancho de banda establece cuántos tokens por segundo producen una vez que lo hacen.
- Tamaño de memoria
- 12 GB
- Ancho de banda de memoria
- 288 GB/s
- Tipo de memoria
- GDDR5
- Ancho de bus de memoria
- 384 bit
- Reloj de memoria
- 1.5 GHz
El chip
Cuál es el procesador en la placa y cómo fue fabricado. Un tamaño de proceso más pequeño generalmente significa más rendimiento para la misma potencia.
- Procesador gráfico
- GK110B
- Arquitectura
- Kepler
- Generación
- Tesla Kepler(Kxx)
- Fundición
- TSMC
- Tamaño del proceso
- 28 nm
- Transistores
- 7.1 billion
- Densidad de transistores
- 12,600 K/mm²
- Tamaño de die
- 561 mm²
- Paquete
- BGA-2152
- Lanzado
- 22 November 2013
Velocidades de reloj
Qué tan rápido funciona el procesador. Vale mucho menos aquí que en una prueba de rendimiento de juegos: generar texto está limitado por el ancho de banda de memoria, así que una mayor frecuencia apenas mueve el resultado.
- Frecuencia base
- 706 MHz
- Reloj de impulso
- 706 MHz
Unidades de procesamiento
Qué contiene el chip. Estos impulsan el rendimiento gráfico y son importantes principalmente para procesar un aviso largo en lugar de producir la respuesta.
- Unidades de sombreado
- 2,880
- Unidades de mapeo de texturas
- 240
- Unidades de salida de renderizado
- 48
- Caché L1
- 16 KB
- Caché L2
- 1.5 MB
Rendimiento teórico
Tasas aritméticas máximas publicadas para la placa. Estos son techos que ninguna carga de trabajo real alcanza, y la generación de texto alcanza una pequeña fracción de ellas porque está limitada por la memoria en lugar de la aritmética.
- Precisión simple (FP32)
- 4.1 TFLOPS
- Doble precisión (FP64)
- 1.4 TFLOPS
- Tasa de píxeles
- 42 GPixel/s
- Tasa de textura
- 169 GTexel/s
La placa
Lo que se necesita para instalar físicamente y alimentar la tarjeta: las limitaciones prácticas que deciden si se ajusta a la máquina que ya posee.
- Consumo de energía (TDP)
- 245 W
- Suministro de energía sugerido
- 550 W
- Interfaz de bus
- PCIe 3.0 x16
- Ancho de ranura
- Dual-slot
- Dimensiones
- 267 mm
Soporte de software
Qué gráficos y interfaces de computación admite la tarjeta. La capacidad de computación CUDA es la que afecta a la inferencia: por debajo de 7.0 no hay núcleos tensoriales, y el software de inferencia moderno recurre a rutas de código más lentas.
- Capacidad de computación CUDA
- 3.5
- DirectX
- 11.1
- OpenGL
- 4.6
- Vulkan
- 1.2
- OpenCL
- 3.0
- Modelo de shader
- 5.1
Listados
Dónde comprar un Tesla K40s
Actualmente, ningún vendedor está listando esta tarjeta. Las listaciones provienen de vendedores que las publican aquí directamente. — navegar el directorio de proveedores ver quién está vendiendo qué.
Qué significan los números
Lo que significa el subsistema de memoria para la IA
Memoria
12 GB
Ancho de banda
288 GB/s
Modelo más grande
ERNIE-4.5-21B-A3B
Tesla K40s lleva 12 GB de GDDR5. Eso llega cómodamente a modelos pequeños y medianos, aunque los más grandes se quedan fuera de alcance sin dividirlos. La sobrecarga del controlador deja aproximadamente 10.8 GB.
El ancho de banda de VRAM alcanza 288 GB/s a través de un bus de 384 bits. El ancho de banda es la verdadera limitación de esta tarjeta. Cada token requiere leer todo el modelo de la memoria, por lo que un modelo grande se sentirá lento aquí incluso cuando quepa.
La cifra es el ancho de bus multiplicado por una frecuencia de memoria de 1.5 GHz. Ampliar el bus y aumentar el reloj son las dos palancas que tiene un fabricante, por eso una card con núcleos poco destacables aún puede generar rápidamente.
Juntos, el modelo más grande que cabe es ERNIE-4.5-21B-A3B, 21B, comprimido a Q3_K_M y generando alrededor 74.1 tokens por segundo
El chip y cómo fue construido
Tesla K40s está construido en el GPU GK110B, usando la arquitectura Kepler desde NVIDIA, como parte de la generación Tesla Kepler(Kxx).
El chip es fabricado por TSMC, en un proceso de 28 nm, con un dado que mide 561 mm², sosteniendo 7.1 billion Transistores. Un proceso más pequeño generalmente significa más rendimiento para la misma potencia, aunque para modelos de lenguaje importa mucho menos que el subsistema de memoria.
Fue liberado en November 2013, aproximadamente 12.690096141332 hace años. El soporte de software de inferencia tiende a seguir al hardware por uno o dos años, por lo que una CARD de esta edad generalmente tiene rutas de código maduras y bien optimizadas disponibles para ella.
Rendimiento de cómputo y por qué importa menos de lo que parece
FP64
1.4 TFLOPS
El rendimiento de doble precisión alcanza 1.4 TFLOPS. No tiene relevancia para ejecutar un modelo de lenguaje — ninguna ejecución de inferencia lo utiliza — pero separa las partes de los centros de datos de las de consumo, ya que estas últimas lo restringen deliberadamente.
Las frecuencias funcionan desde una base de 706 MHz a un aumento de 706 MHz. Vale mucho menos aquí que en un benchmark de juegos: aumentar las velocidades del reloj acelera la aritmética, y la aritmética no es lo que la generación está esperando.
Cache y unidades de procesamiento
Tesla K40s tiene una caché L1 de 16 KB, respaldado por una caché L2 de 1.5 MB. La caché absorbe una parte del tráfico de memoria que de otro modo impactaría en el bus principal, que es el único lugar en esta página donde un número diferente al ancho de banda afecta silenciosamente la velocidad de generación — un gran L2 permite que más del conjunto de trabajo permanezca cerca de los núcleos.
Hay 2,880 Unidades de sombreado, 240 Unidades de mapeo de texturas, y 48 Unidades de salida de renderizado. Estos manejan cargas de trabajo gráficas y contribuyen al procesamiento de prompts, pero permanecen inactivos durante gran parte del tiempo que un modelo pasa generando una respuesta.
Potencia, tamaño e instalación
Consumo de energía
245 W
Tesla K40s está clasificado en 245 , y la fuente de alimentación del sistema sugerida es 550 . Ejecutar un modelo de lenguaje mantiene una tarjeta ocupada en ráfagas en lugar de continuamente — consume recursos mientras genera e inactiva entre solicitudes — por lo que el consumo sostenido durante un día laboral suele estar muy por debajo de la cifra nominal.
La placa ocupa dual-slot, medir 267 mm largo. Vale la pena comprobar con el caso y la fuente de alimentación ya en la máquina, ya que las tarjetas más grandes necesitan considerablemente más de ambos que lo que proporciona un escritorio típico.
Se conecta a través de PCIe 3.0 x16. La interfaz determina qué tan rápido se carga un modelo desde el disco en la tarjeta, no qué tan rápido se ejecuta una vez allí, así que un enlace más estrecho cuesta unos segundos al inicio y nada después.
Los extremos
Los modelos de IA más grandes que se ejecutan en una Tesla K40s
Los modelos más grandes de peso abierto que caben en esta tarjeta, los más nuevos primero. Cada uno se muestra con la mejor compresión que la tarjeta puede contener..
Los modelos de IA más rápidos en un Tesla K40s
Donde esta tarjeta produce tokens más rápido. Modelos más pequeños dominan aquí, porque generar cada token significa leer todo el modelo de la memoria una vez..
Paso a paso
Cómo calcular los tokens por segundo de un Tesla K40s
No tienes que calcular nada a mano: la calculadora de gputps.com en esta página ya lo ha resuelto para cada modelo que esta tarjeta puede contener. Leer la respuesta lleva seis pasos..
-
01
Encuentra el modelo en la tabla.
La tabla enumera 396 modelos que esta tarjeta ejecuta. La búsqueda reduce la lista por nombre o por tamaño.
-
02
Establece la longitud de contexto que realmente usarás
Establece el contexto a tu longitud de trabajo real. Las preguntas cortas casi no cuestan nada, pero un documento largo puede consumir una gran parte de 12 GB Esa es frecuentemente la diferencia entre un modelo que se ajusta y uno que no.
-
03
Establece una calidad mínima si necesitas una.
La compresión es lo que permite que modelos más grandes quepan. El control de calidad descarta cualquier modelo que necesite más de esto de lo que estás dispuesto a dar.
-
04
Toma el rango como la respuesta
Las velocidades vienen con barras de error por una razón. El mejor caso aquí es 104 tok/s en Gemma 3 QAT 1B. La misma CARD y modelo varían entre el treinta y el cincuenta por ciento entre los tiempos de ejecución de inferencia.
-
05
Lee el veredicto de ajuste último
Un ajuste apretado se ejecuta pero no deja espacio para aumentar el contexto más tarde; cómodo tiene margen. La columna de memoria muestra lo que cada modelo necesita en comparación con un disponible. 12 GB.
-
06
Abre el modelo para comparar tarjetas
Cada página del modelo repite este cálculo para todo el catálogo. Vale la pena echar un vistazo antes de decidir: muestra qué más ejecuta el mismo modelo, junto a Tesla K40s.
Respuestas
Tesla K40s — preguntas comunes
Tesla K40s— ¿Quién lo hace?
Este es un producto de NVIDIA, con el chip fabricado por TSMC, en un proceso de 28 nm.
Tesla K40s— ¿cuándo fue lanzado?
Fue liberado en November 2013.
Tesla K40s— ¿Cuánta potencia utiliza?
La potencia nominal de la placa es 245 , y la fuente de alimentación del sistema sugerida es 550 . Generar texto consume mucho en ráfagas y permanece inactivo entre solicitudes, por lo que el consumo promedio durante una sesión de trabajo está normalmente muy por debajo de la cifra nominal.
Tesla K40s— cuánta caché tiene?
La caché L1 es 16 KB, y la caché L2 es 1.5 MB. La caché absorbe parte del tráfico de memoria que de otro modo alcanzaría el bus principal, por lo que un L2 más grande proporciona un leve aumento en la velocidad de generación más allá de lo que la banda ancha por sí sola predice.
Tesla K40s— ¿Soporta CUDA?
Sí. Informa sobre la capacidad de cómputo CUDA. 3.5, que precede a los núcleos de tensor. La capacidad 7.0 y superior tiene núcleos tensor, que el software de inferencia moderno utiliza; por debajo de eso, se retrocede a rutas de código más lentas para modelos cuantizados.
Tesla K40s— ¿Qué interfaz de bus utiliza?
Utiliza PCIe 3.0 x16. Esto rige qué tan rápido se carga un modelo en la tarjeta en lugar de qué tan rápido se ejecuta una vez cargado, por lo que cuesta unos segundos al inicio y nada durante la generación.
Tesla K40s— ¿Es bueno para ejecutar modelos de IA locales?
Su memoria cubre modelos pequeños y medianos, aunque los más grandes están fuera de alcance, aunque su ancho de banda significa que la generación se sentirá lenta en modelos más grandes. En total, se ejecuta 396 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
Tesla K40s— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Solo parcialmente. Capas más allá de la tarjeta. 12 GB arrastra todo hacia abajo, y ninguna de las cifras en esta página lo asume.
¿Serían dos Tesla K40s ¿Las tarjetas serán dos veces más rápidas?
No. Una segunda tarjeta duplica la memoria a 24 GB que te permite mantener modelos que ninguno podría sostener solo, pero la generación no se divide de esa manera. Estas cifras describen una tarjeta.
Tesla K40s— ¿Qué modelos de IA puede ejecutar?
396 de la 679 modelos de lenguaje de open-weight que seguimos se ajustan en esta card y pueden ser ejecutados localmente. La tabla en esta página lista cada uno, con la memory que necesita, la cuantificación a la que funciona y una velocidad de generación estimada.
Tesla K40s— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es ERNIE-4.5-21B-A3B en 21B parámetros, comprimido a Q3_K_M. Genera aproximadamente 74.1 tokens por segundo y necesita aproximadamente 10.1 GB de la memoria de la tarjeta.
Tesla K40s— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 104 tokens por segundo, mientras que los modelos más grandes funcionan proporcionalmente más lentos porque cada token requiere leer todo el modelo de la memoria una vez. Las velocidades son estimaciones para una sola conversación a la vez.
Tesla K40s— ¿Puede ejecutarse? 7B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeek Coder 6.7B en Q6_K, usando alrededor 9.9 GB de VRAM y generando alrededor 22.5 tokens por segundo
Tesla K40s— ¿Puede ejecutarse? 13B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeekMoE-16B en Q4_K_M, usando alrededor 10.0 GB de VRAM y generando alrededor 83.2 tokens por segundo
Tesla K40s— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 12 GB de GDDR5. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 10.8 GB disponible para un modelo y su conversación.
Tesla K40s— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 288 GB/s a través de un bus de 384 bits. Este es el único mejor predictor de qué tan rápido genera texto, porque producir cada token significa leer todo el modelo fuera de la memoria una vez.
Tesla K40s— ¿qué tipo de memoria utiliza?
Utiliza GDDR5 funcionando a 1.5 GHz. Los tipos de HBM se encuentran en aceleradores de datacenters y llevan mucho más ancho de banda que el GDDR utilizado en tarjetas de escritorio, razón por la cual generan tokens considerablemente más rápido a la misma capacidad.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el hardware. Si ya sabes qué modelo quieres y necesitas saber qué se necesita para ejecutarlo., Comienza desde el modelo en su lugar..