Calcular el TPS del Xeon Phi 5120D 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
Baichuan 1-13B
13.3B · Q3_K_M · 17.9 tok/s
Modelo más rápido
Gemma 3 QAT 1B
88.1 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un Xeon Phi 5120D?
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.
337 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
88.1
tok/s
53–141 · baja confianza |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
88.1
tok/s
53–141 · baja confianza |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
88.1
tok/s
53–141 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
88.1
tok/s
53–141 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
88.1
tok/s
53–141 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
88.1
tok/s
53–141 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
81.6
tok/s
49–131 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
80.1
tok/s
48–128 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
80.1
tok/s
48–128 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
80.1
tok/s
48–128 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
80.1
tok/s
48–128 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
73.4
tok/s
44–117 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
73.4
tok/s
44–117 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
73.4
tok/s
44–117 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
73.4
tok/s
44–117 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
71.6
tok/s
43–115 · baja confianza |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Cómodo |
|
70.6
tok/s
42–113 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
67.8
tok/s
41–108 · baja confianza |
Phi-1 ≈ | 1.3B | Oct 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
Xeon Phi 5120D 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
- 8 GB
- Ancho de banda de memoria
- 320 GB/s
- Tipo de memoria
- GDDR5
- Ancho de bus de memoria
- 512 bit
- Reloj de memoria
- 1.25 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
- Knights Corner
- Arquitectura
- Knights
- Generación
- Knights Corner(x100)
- Fundición
- Intel
- Tamaño del proceso
- 22 nm
- Transistores
- 5 billion
- Densidad de transistores
- 6,900 K/mm²
- Tamaño de die
- 720 mm²
- Lanzado
- 17 June 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
- 1.05 GHz
- Reloj de impulso
- 1.05 GHz
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
- 960
- Unidades de mapeo de texturas
- 32
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)
- 2 TFLOPS
- Tasa de textura
- 34 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 2.0 x16
- Ancho de ranura
- Dual-slot
- Dimensiones
- 248 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.
- OpenCL
- 1.2
- Modelo de shader
- 5.0
Listados
Dónde comprar un Xeon Phi 5120D
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
Por qué la MEMORY es el número que importa aquí
Memoria
8 GB
Ancho de banda
320 GB/s
Modelo más grande
Baichuan 1-13B
Xeon Phi 5120D carga solo 8 GB de GDDR5. Eso lo limita al extremo más pequeño del catálogo, y un modelo debe caber completamente dentro antes de que genere algo en absoluto. Un runtime en realidad obtiene alrededor de 7.2 GB.
El ancho de banda de VRAM alcanza 320 GB/s a través de un bus de 512 bits. Ese es el número que gobierna la velocidad de generación — la aritmética por byte leído es lo suficientemente pequeña como para que el bus, no los núcleos, sea lo que todos están esperando.
El ancho de banda es la frecuencia multiplicada por el ancho del bus, y esta tarjeta tiene su memoria a 1.25 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.
El techo práctico es Baichuan 1-13B, 13.3B, comprimido a Q3_K_M y generando alrededor 17.9 tokens por segundo
El chip y cómo fue construido
Xeon Phi 5120D está construido en el GPU Knights Corner, usando la arquitectura Knights desde Intel, como parte de la generación Knights Corner(x100).
El chip es fabricado por Intel, en un proceso de 22 nm, con un dado que mide 720 mm², sosteniendo 5 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 June 2013, aproximadamente 13.123127844863 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
Las frecuencias funcionan desde una base de 1.05 GHz a un aumento de 1.05 GHz. 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
Hay 960 Unidades de sombreado, 32 Unidades de mapeo de texturas. 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
Xeon Phi 5120D 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 248 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 2.0 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 Xeon Phi 5120D
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 Xeon Phi 5120D
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 Xeon Phi 5120D
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
Comienza con el modelo, no la especificación.
La tabla enumera 337 modelos que la tarjeta maneja. El cuadro de búsqueda acepta un nombre o un tamaño como 27b, que coincide con el conteo de parámetros.
-
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 8 GB así que la configuración vale la pena ajustarla.
-
03
Fija la comparación a un nivel de calidad
Cada modelo se muestra con la mejor compresión que esta tarjeta puede mantener. Una calidad mínima oculta aquellos que solo caben al ser comprimidos más de lo que aceptarías.
-
04
Mira el rango, no solo el número
Cada velocidad es una estimación para una sola conversación, con un rango por debajo de ella. El extremo superior aquí es 88.1 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
Revise la columna de memoria antes de comprometerse
La columna de ajuste separa los modelos que apenas encajan de aquellos con espacio de sobra — vale la pena comprobarlo antes de decidirse por uno, contra un disponible. 8 GB.
-
06
Verifica el mismo modelo desde el otro lado
Seguir un modelo hasta su propia página lista todo el hardware que puede ejecutarlo, para que puedas ver cómo se compara con Xeon Phi 5120D.
Respuestas
Xeon Phi 5120D — preguntas comunes
Xeon Phi 5120D— ¿Puede ejecutarse? 7B modelos?
Sí. Por ejemplo, se ejecuta. MetaMath 7B (LLaMa finetune) en Q4_K_M, usando alrededor 6.5 GB de VRAM y generando alrededor 29.1 tokens por segundo
Xeon Phi 5120D— ¿Puede ejecutarse? 13B modelos?
Sí. Por ejemplo, se ejecuta. Gemma 4 12B en Q3_K_M, usando alrededor 6.5 GB de VRAM y generando alrededor 19.9 tokens por segundo
Xeon Phi 5120D— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 8 GB de GDDR5. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 7.2 GB disponible para un modelo y su conversación.
Xeon Phi 5120D— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 320 GB/s a través de un bus de 512 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.
Xeon Phi 5120D— ¿qué tipo de memoria utiliza?
Utiliza GDDR5 funcionando a 1.25 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.
Xeon Phi 5120D— ¿Quién lo hace?
Este es un producto de Intel, con el chip fabricado por Intel, en un proceso de 22 nm.
Xeon Phi 5120D— ¿cuándo fue lanzado?
Fue liberado en June 2013.
Xeon Phi 5120D— ¿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.
Xeon Phi 5120D— ¿Soporta CUDA?
No. CUDA es solo de NVIDIA, y esta es una tarjeta de Intel. Ejecuta modelos de lenguaje a través de ROCm, Vulkan o Metal dependiendo del software, que son menos maduros que la ruta CUDA — nuestras estimaciones aplican una penalización por eso.
Xeon Phi 5120D— ¿Qué interfaz de bus utiliza?
Utiliza PCIe 2.0 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.
Xeon Phi 5120D— ¿Es bueno para ejecutar modelos de IA locales?
Su memoria lo limita a modelos más pequeños, aunque su ancho de banda significa que la generación se sentirá lenta en modelos más grandes. En total, se ejecuta 337 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
Xeon Phi 5120D— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Solo parcialmente. Capas más allá de la tarjeta. 8 GB es posible y generalmente una falsa economía: la parte de memoria del sistema es lo suficientemente lenta como para dominar el resultado.
¿Serían dos Xeon Phi 5120D ¿Las tarjetas serán dos veces más rápidas?
La capacidad se suma, el rendimiento no. Dos de ellos te dan 16 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.
Xeon Phi 5120D— ¿Qué modelos de IA puede ejecutar?
337 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.
Xeon Phi 5120D— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es Baichuan 1-13B en 13.3B parámetros, comprimido a Q3_K_M. Genera aproximadamente 17.9 tokens por segundo y necesita aproximadamente 7.2 GB de la memoria de la tarjeta.
Xeon Phi 5120D— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 88.1 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.
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..