Calcular el TPS del Quadro RTX 5000 Mobile Refresh 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
Nemotron 3-Nano-30B-A3B
31.6B · Q3_K_M · 90.0 tok/s
Modelo más rápido
Gemma 3 QAT 1B
190 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un Quadro RTX 5000 Mobile Refresh?
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.
432 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
190
tok/s
161–228 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
190
tok/s
161–228 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
190
tok/s
114–304 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
190
tok/s
114–304 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
190
tok/s
114–304 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
190
tok/s
114–304 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
176
tok/s
105–281 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
172
tok/s
104–276 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
172
tok/s
104–276 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
172
tok/s
104–276 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
172
tok/s
104–276 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
158
tok/s
95–253 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
158
tok/s
95–253 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
158
tok/s
95–253 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
158
tok/s
95–253 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
154
tok/s
131–185 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Cómodo |
|
152
tok/s
91–243 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · baja confianza |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
146
tok/s
88–234 · 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 RTX 5000 Mobile Refresh 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
- 16 GB
- Ancho de banda de memoria
- 448 GB/s
- Tipo de memoria
- GDDR6
- Ancho de bus de memoria
- 256 bit
- Reloj de memoria
- 1.75 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
- TU104B
- Arquitectura
- Turing
- Generación
- Quadro Turing-M(Tx000)
- Fundición
- TSMC
- Tamaño del proceso
- 12 nm
- Transistores
- 13.6 billion
- Densidad de transistores
- 25,000 K/mm²
- Tamaño de die
- 545 mm²
- Paquete
- BGA-2228
- Lanzado
- 8 June 2020
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
- 1.04 GHz
- Reloj de impulso
- 1.53 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
- 3,072
- Unidades de mapeo de texturas
- 192
- Unidades de salida de renderizado
- 64
- Multiprocesadores de streaming
- 48
- Núcleos Tensor
- 384
- Núcleos de trazado de rayos
- 48
- Caché L1
- 64 KB
- Caché L2
- 4 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.
- Media precisión (FP16)
- 18.8 TFLOPS
- Precisión simple (FP32)
- 9.4 TFLOPS
- Doble precisión (FP64)
- 293.8 GFLOPS
- Tasa de píxeles
- 98 GPixel/s
- Tasa de textura
- 294 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)
- 110 W
- Conectores de potencia
- None
- Interfaz de bus
- PCIe 3.0 x16
- Ancho de ranura
- IGP
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
- 7.5
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modelo de shader
- 6.8
Listados
Dónde comprar un Quadro RTX 5000 Mobile Refresh
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
16 GB
Ancho de banda
448 GB/s
Modelo más grande
Nemotron 3-Nano-30B-A3B
Quadro RTX 5000 Mobile Refresh lleva 16 GB de GDDR6. 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 14.4 GB.
El ancho de banda de VRAM alcanza 448 GB/s a través de un bus de 256 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.
Eso proviene de un reloj de memoria de 1.75 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 Nemotron 3-Nano-30B-A3B, 31.6B, comprimido a Q3_K_M y generando alrededor 90.0 tokens por segundo
El chip y cómo fue construido
Quadro RTX 5000 Mobile Refresh está construido en el GPU TU104B, usando la arquitectura Turing desde NVIDIA, como parte de la generación Quadro Turing-M(Tx000).
El chip es fabricado por TSMC, en un proceso de 12 nm, con un dado que mide 545 mm², sosteniendo 13.6 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 2020, aproximadamente 6.1476298983376 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
FP16
18.8 TFLOPS
FP64
293.8 GFLOPS
Núcleos Tensor
384
En papel Quadro RTX 5000 Mobile Refresh alcanza 18.8 TFLOPS a media precisión, y 9.4 TFLOPS a simple precisión. Estas son cifras pico que ninguna carga de trabajo real sostiene, y generar texto alcanza solo una pequeña fracción de ellas; la decodificación está limitada por la memoria en lugar de la aritmética, por lo que una tarjeta puede parecer enormemente poderosa aquí y aún así producir tokens a una tasa ordinaria.
El rendimiento de doble precisión alcanza 293.8 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.
La tarjeta lleva 384 Núcleos Tensor a través 48 Multiprocesadores de streaming. Estos aceleran la aritmética de matrices en el corazón de un transformador, y son lo que hace que el procesamiento de solicitudes — leer un documento largo antes de responder — sea drásticamente más rápido de lo que sería de otra manera.
Las frecuencias funcionan desde una base de 1.04 GHz a un aumento de 1.53 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 RTX 5000 Mobile Refresh tiene una caché L1 de 64 KB, respaldado por una caché L2 de 4 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 3,072 Unidades de sombreado, 192 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
110 W
Quadro RTX 5000 Mobile Refresh está clasificado en 110 . 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 igp. 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 RTX 5000 Mobile Refresh
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 RTX 5000 Mobile Refresh
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 RTX 5000 Mobile Refresh
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 432 modelos que esta tarjeta puede ejecutar. Buscar por nombre o por tamaño — escribir 27b coincide con el conteo de parámetros incluso cuando el nombre nunca lo indica.
-
02
Decide cuánto duran tus conversaciones.
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 16 GB así que la configuración vale la pena ajustarla.
-
03
Elige qué tan lejos comprimirás
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
Cada velocidad es una estimación para una sola conversación, con un rango por debajo de ella. El extremo superior aquí es 190 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. 16 GB.
-
06
Verificar con otro hardware
Seguir un modelo hasta su propia página lista todo el hardware que puede ejecutarlo, para que puedas ver cómo se compara con Quadro RTX 5000 Mobile Refresh.
Respuestas
Quadro RTX 5000 Mobile Refresh — preguntas comunes
Quadro RTX 5000 Mobile Refresh— ¿Quién lo hace?
Este es un producto de NVIDIA, con el chip fabricado por TSMC, en un proceso de 12 nm.
Quadro RTX 5000 Mobile Refresh— ¿cuándo fue lanzado?
Fue liberado en June 2020.
Quadro RTX 5000 Mobile Refresh— ¿Cuánta potencia utiliza?
La potencia nominal de la placa es 110 . 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.
Quadro RTX 5000 Mobile Refresh— cuánta caché tiene?
La caché L1 es 64 KB, y la caché L2 es 4 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 RTX 5000 Mobile Refresh— ¿cuáles son sus TFLOPS?
Está calificado en 18.8 TFLOPS a media precisión y 9.4 TFLOPS a precisión simple. Estos son techos aritméticos máximos en lugar de tasas alcanzables, y la generación de texto alcanza solo una pequeña fracción de ellos porque está limitada por el ancho de banda de memoria en su lugar.
Quadro RTX 5000 Mobile Refresh— ¿Cuántos núcleos Tensor tiene?
Tiene 384 Núcleos Tensor a través 48 Multiprocesadores de streaming. Aceleran la aritmética matricial de la que se construye un TRANSFORMADOR, lo que principalmente acelera el procesamiento de un PROMPT largo en lugar de producir la respuesta.
Quadro RTX 5000 Mobile Refresh— ¿Soporta CUDA?
Sí. Informa sobre la capacidad de cómputo CUDA. 7.5. 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 RTX 5000 Mobile Refresh— ¿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 RTX 5000 Mobile Refresh— ¿Es bueno para ejecutar modelos de IA locales?
Su memoria cubre modelos pequeños y medianos, aunque los más grandes están fuera de alcance y su ancho de banda ofrece velocidades de generación utilizables, aunque no espectaculares. En total, se ejecuta 432 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
Quadro RTX 5000 Mobile Refresh— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Descarga más allá de la tarjeta 16 GB sentarse en la memoria del sistema y ejecutarse a una fracción de la velocidad, por lo que un modelo principalmente descargado rara vez vale la pena usar. Cada cifra aquí asume que está completamente residente en la tarjeta.
¿Serían dos Quadro RTX 5000 Mobile Refresh ¿Las tarjetas serán dos veces más rápidas?
Emparejarlos compra margen en lugar de ritmo: 32 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.
Quadro RTX 5000 Mobile Refresh— ¿Qué modelos de IA puede ejecutar?
432 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 RTX 5000 Mobile Refresh— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es Nemotron 3-Nano-30B-A3B en 31.6B parámetros, comprimido a Q3_K_M. Genera aproximadamente 90.0 tokens por segundo y necesita aproximadamente 14.4 GB de la memoria de la tarjeta.
Quadro RTX 5000 Mobile Refresh— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 190 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 RTX 5000 Mobile Refresh— ¿Puede ejecutarse? 7B modelos?
Sí. Por ejemplo, se ejecuta. Multi-Token Prediction 7B en Q8_0, usando alrededor 7.9 GB de VRAM y generando alrededor 28.3 tokens por segundo
Quadro RTX 5000 Mobile Refresh— ¿Puede ejecutarse? 13B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeekMoE-16B en Q6_K, usando alrededor 13.7 GB de VRAM y generando alrededor 95.7 tokens por segundo
Quadro RTX 5000 Mobile Refresh— ¿Puede ejecutarse? 30B modelos?
Sí. Por ejemplo, se ejecuta. ERNIE-4.5-VL-28B-A3B en Q3_K_M, usando alrededor 12.9 GB de VRAM y generando alrededor 102 tokens por segundo
Quadro RTX 5000 Mobile Refresh— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 16 GB de GDDR6. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 14.4 GB disponible para un modelo y su conversación.
Quadro RTX 5000 Mobile Refresh— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 448 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 RTX 5000 Mobile Refresh— ¿qué tipo de memoria utiliza?
Utiliza GDDR6 funcionando a 1.75 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..