Calcular el TPS del Quadro M4000M 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
DeciLM 6B
5.7B · Q3_K_M · 27.3 tok/s
Modelo más rápido
Gemma 3 QAT 1B
57.7 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un Quadro M4000M?
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.
97 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
57.7
tok/s
20–115 · baja confianza |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
57.7
tok/s
20–115 · baja confianza |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
57.7
tok/s
20–115 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
57.7
tok/s
20–115 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
57.7
tok/s
20–115 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
57.7
tok/s
20–115 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
53.5
tok/s
19–107 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
52.5
tok/s
18–105 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
52.5
tok/s
18–105 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
52.5
tok/s
18–105 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
52.5
tok/s
18–105 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
48.1
tok/s
17–96 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
48.1
tok/s
17–96 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
48.1
tok/s
17–96 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
48.1
tok/s
17–96 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
47.0
tok/s
16–94 · baja confianza |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 54k tokens | Q8_0 | Cómodo |
|
46.3
tok/s
16–93 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · baja confianza |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
44.4
tok/s
16–89 · 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
Quadro M4000M 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
- 4 GB
- Ancho de banda de memoria
- 160 GB/s
- Tipo de memoria
- GDDR5
- Ancho de bus de memoria
- 256 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
- GM204
- Arquitectura
- Maxwell 2.0
- Generación
- Quadro Maxwell-M(Mx000M)
- Fundición
- TSMC
- Tamaño del proceso
- 28 nm
- Transistores
- 5.2 billion
- Densidad de transistores
- 13,100 K/mm²
- Tamaño de die
- 398 mm²
- Paquete
- BGA-1745
- Lanzado
- 18 August 2015
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
- 975 MHz
- Reloj de impulso
- 1.01 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
- 1,280
- Unidades de mapeo de texturas
- 80
- Unidades de salida de renderizado
- 64
- Multiprocesadores de streaming
- 10
- Caché L1
- 48 KB
- Caché L2
- 2 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)
- 2.6 TFLOPS
- Doble precisión (FP64)
- 81 GFLOPS
- Tasa de píxeles
- 65 GPixel/s
- Tasa de textura
- 81 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)
- 100 W
- Conectores de potencia
- None
- Interfaz de bus
- PCIe 3.0 x16
- Ancho de ranura
- MXM Module
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
- 5.2
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modelo de shader
- 6.8
Listados
Dónde comprar un Quadro M4000M
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
4 GB
Ancho de banda
160 GB/s
Modelo más grande
DeciLM 6B
Quadro M4000M carga solo 4 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 3.6 GB.
El ancho de banda de VRAM alcanza 160 GB/s a través de un bus de 256 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.
Eso proviene de un reloj de memoria de 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.
La cosa más grande que contiene es DeciLM 6B, 5.7B, comprimido a Q3_K_M y generando alrededor 27.3 tokens por segundo
El chip y cómo fue construido
Quadro M4000M está construido en el GPU GM204, usando la arquitectura Maxwell 2.0 desde NVIDIA, como parte de la generación Quadro Maxwell-M(Mx000M).
El chip es fabricado por TSMC, en un proceso de 28 nm, con un dado que mide 398 mm², sosteniendo 5.2 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 August 2015, aproximadamente 10.953108851964 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
81 GFLOPS
El rendimiento de doble precisión alcanza 81 GFLOPS. 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 975 MHz a un aumento de 1.01 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
Quadro M4000M tiene una caché L1 de 48 KB, respaldado por una caché L2 de 2 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 1,280 Unidades de sombreado, 80 Unidades de mapeo de texturas, y 64 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
100 W
Quadro M4000M está clasificado en 100 . 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 mxm module. 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 Quadro M4000M
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 Quadro M4000M
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 Quadro M4000M
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 97 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
Las conversaciones más largas cuestan memoria además de los pesos. En contra 4 GB así que la configuración vale la pena ajustarla.
-
03
Elige qué tan lejos comprimirás
Por defecto, la tabla selecciona la copia menos comprimida que cabe. Establecer un límite elimina modelos que solo califican a través de una compresión fuerte.
-
04
Mira el rango, no solo el número
Las cifras son calculadas, no medidas. El resultado más rápido en esta tarjeta es 57.7 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
Verifica el margen antes de decidir
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. 4 GB.
-
06
Abre el modelo para comparar tarjetas
Cada nombre de modelo en la tabla enlaza a su propia página, que realiza el mismo cálculo en cada tarjeta que tenemos. Ahí es donde ves si la compra adecuada es Quadro M4000M.
Respuestas
Quadro M4000M — preguntas comunes
Quadro M4000M— cuánta caché tiene?
La caché L1 es 48 KB, y la caché L2 es 2 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.
Quadro M4000M— ¿Soporta CUDA?
Sí. Informa sobre la capacidad de cómputo CUDA. 5.2, 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.
Quadro M4000M— ¿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.
Quadro M4000M— ¿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 97 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
Quadro M4000M— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Solo parcialmente. Capas más allá de la tarjeta. 4 GB arrastra todo hacia abajo, y ninguna de las cifras en esta página lo asume.
¿Serían dos Quadro M4000M ¿Las tarjetas serán dos veces más rápidas?
Emparejarlos compra margen en lugar de ritmo: 8 GB trabajar con en lugar de el doble de tokens por segundo — cada cifra aquí es para una sola tarjeta.
Quadro M4000M— ¿Qué modelos de IA puede ejecutar?
97 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.
Quadro M4000M— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es DeciLM 6B en 5.7B parámetros, comprimido a Q3_K_M. Genera aproximadamente 27.3 tokens por segundo y necesita aproximadamente 3.5 GB de la memoria de la tarjeta.
Quadro M4000M— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 57.7 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.
Quadro M4000M— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 4 GB de GDDR5. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 3.6 GB disponible para un modelo y su conversación.
Quadro M4000M— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 160 GB/s a través de un bus de 256 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.
Quadro M4000M— ¿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.
Quadro M4000M— ¿Quién lo hace?
Este es un producto de NVIDIA, con el chip fabricado por TSMC, en un proceso de 28 nm.
Quadro M4000M— ¿cuándo fue lanzado?
Fue liberado en August 2015.
Quadro M4000M— ¿Cuánta potencia utiliza?
La potencia nominal de la placa es 100 . 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.
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..