Calcular el TPS del Radeon Instinct MI200 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
721 modelos en nuestro catálogo en conjunto
El modelo más grande que sostiene
Qwen3.5-122B-A10B
122B · Q3_K_M · 66.6 tok/s
Modelo más rápido
Gemma 3 QAT 1B
542 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un Radeon Instinct MI200?
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.
628 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
542
tok/s
325–867 · baja confianza |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
542
tok/s
325–867 · baja confianza |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
542
tok/s
325–867 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
542
tok/s
325–867 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
542
tok/s
325–867 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
542
tok/s
325–867 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
502
tok/s
301–803 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
493
tok/s
296–788 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
493
tok/s
296–788 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
493
tok/s
296–788 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
493
tok/s
296–788 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
451
tok/s
271–722 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
451
tok/s
271–722 · baja confianza |
LFM2-1.2B ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
451
tok/s
271–722 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
451
tok/s
271–722 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
451
tok/s
271–722 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
440
tok/s
264–705 · baja confianza |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Cómodo |
|
434
tok/s
261–695 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
417
tok/s
250–667 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
417
tok/s
250–667 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
417
tok/s
250–667 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
417
tok/s
250–667 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
417
tok/s
250–667 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
417
tok/s
250–667 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
417
tok/s
250–667 · 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
Radeon Instinct MI200 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
- 64 GB
- Ancho de banda de memoria
- 1,640 GB/s
- Tipo de memoria
- HBM2e
- Ancho de bus de memoria
- 4,096 bit
- Reloj de memoria
- 1.6 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
- Aldebaran
- Arquitectura
- CDNA 2.0
- Generación
- Radeon Instinct(MIx)
- Fundición
- TSMC
- Tamaño del proceso
- 6 nm
- Transistores
- 58.2 billion
- Densidad de transistores
- 80,400 K/mm²
- Tamaño de die
- 724 mm²
- Lanzado
- 1 December 2021
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 GHz
- Reloj de impulso
- 1.7 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
- 6,656
- Unidades de mapeo de texturas
- 416
- Caché L1
- 16 KB
- Caché L2
- 16 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)
- 181 TFLOPS
- Precisión simple (FP32)
- 22.6 TFLOPS
- Doble precisión (FP64)
- 22.6 TFLOPS
- Tasa de textura
- 707 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)
- 300 W
- Suministro de energía sugerido
- 700 W
- Conectores de potencia
- 1x 8-pin
- Interfaz de bus
- PCIe 4.0 x16
- Ancho de ranura
- OAM 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.
- OpenCL
- 3.0
Listados
Dónde comprar un Radeon Instinct MI200
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
64 GB
Ancho de banda
1,640 GB/s
Modelo más grande
Qwen3.5-122B-A10B
Radeon Instinct MI200 lleva 64 GB de HBM2e. Eso cubre los modelos de tamaño mediano que la mayoría de las personas realmente ejecutan. Una vez que el RUNTIME y el DRIVER reservan su espacio de trabajo, aproximadamente esto es lo que queda: 57.6 GB.
El ancho de banda de VRAM alcanza 1,640 GB/s a través de un bus de 4,096 bits. Generar un token significa leer cada peso una vez, por lo que esa cifra marca el ritmo más que cualquier otro número aquí, y a este nivel el texto llega más rápido de lo que la mayoría de las personas leen.
La cifra es el ancho de bus multiplicado por una frecuencia de memoria de 1.6 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.
En la práctica, esa combinación alcanza un máximo de Qwen3.5-122B-A10B, 122B, comprimido a Q3_K_M y generando alrededor 66.6 tokens por segundo
El chip y cómo fue construido
Radeon Instinct MI200 está construido en el GPU Aldebaran, usando la arquitectura CDNA 2.0 desde AMD, como parte de la generación Radeon Instinct(MIx).
El chip es fabricado por TSMC, en un proceso de 6 nm, con un dado que mide 724 mm², sosteniendo 58.2 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 December 2021, aproximadamente 4.7855741258285 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
181 TFLOPS
FP64
22.6 TFLOPS
En papel Radeon Instinct MI200 alcanza 181 TFLOPS a media precisión, y 22.6 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 22.6 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 1 GHz a un aumento de 1.7 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
Radeon Instinct MI200 tiene una caché L1 de 16 KB, respaldado por una caché L2 de 16 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 6,656 Unidades de sombreado, 416 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
300 W
Radeon Instinct MI200 está clasificado en 300 , y la fuente de alimentación del sistema sugerida es 700 . 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 oam module, y necesita 1x 8-pin. 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 4.0 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 Radeon Instinct MI200
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 Radeon Instinct MI200
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 Radeon Instinct MI200
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 628 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
Ajusta el contexto a tu trabajo
Las conversaciones más largas cuestan memoria además de los pesos. En contra 64 GB Esa es frecuentemente la diferencia entre un modelo que se ajusta y uno que no.
-
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
Toma el rango como la respuesta
Las velocidades vienen con barras de error por una razón. El mejor caso aquí es 542 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
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. 64 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 Radeon Instinct MI200.
Respuestas
Radeon Instinct MI200 — preguntas comunes
Radeon Instinct MI200— ¿cuándo fue lanzado?
Fue liberado en December 2021.
Radeon Instinct MI200— ¿Cuánta potencia utiliza?
La potencia nominal de la placa es 300 , y la fuente de alimentación del sistema sugerida es 700 . 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.
Radeon Instinct MI200— cuánta caché tiene?
La caché L1 es 16 KB, y la caché L2 es 16 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.
Radeon Instinct MI200— ¿cuáles son sus TFLOPS?
Está calificado en 181 TFLOPS a media precisión y 22.6 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.
Radeon Instinct MI200— ¿Soporta CUDA?
No. CUDA es solo de NVIDIA, y esta es una tarjeta de AMD. 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.
Radeon Instinct MI200— ¿Qué interfaz de bus utiliza?
Utiliza PCIe 4.0 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.
Radeon Instinct MI200— ¿Es bueno para ejecutar modelos de IA locales?
Su VRAM es lo suficientemente grande para modelos que la mayoría del hardware de escritorio no puede tocar y su ancho de banda es lo suficientemente alto para generar texto más rápido de lo que la mayoría de las personas leen. En total, se ejecuta 628 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
Radeon Instinct MI200— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Solo parcialmente. Capas más allá de la tarjeta. 64 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 Radeon Instinct MI200 ¿Las tarjetas serán dos veces más rápidas?
No. Una segunda tarjeta duplica la memoria a 128 GB de memoria combinada, a aproximadamente la misma velocidad de generación que uno.
Radeon Instinct MI200— ¿Qué modelos de IA puede ejecutar?
628 de la 721 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.
Radeon Instinct MI200— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es Qwen3.5-122B-A10B en 122B parámetros, comprimido a Q3_K_M. Genera aproximadamente 66.6 tokens por segundo y necesita aproximadamente 53.1 GB de la memoria de la tarjeta.
Radeon Instinct MI200— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 542 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.
Radeon Instinct MI200— ¿Puede ejecutarse? 7B modelos?
Sí. Por ejemplo, se ejecuta. Gemma 4 E4B en Q8_0, usando alrededor 9.8 GB de VRAM y generando alrededor 120 tokens por segundo
Radeon Instinct MI200— ¿Puede ejecutarse? 13B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeekMoE-16B en Q8_0, usando alrededor 17.5 GB de VRAM y generando alrededor 188 tokens por segundo
Radeon Instinct MI200— ¿Puede ejecutarse? 30B modelos?
Sí. Por ejemplo, se ejecuta. ERNIE-4.5-VL-28B-A3B en Q8_0, usando alrededor 29.2 GB de VRAM y generando alrededor 108 tokens por segundo
Radeon Instinct MI200— ¿Puede ejecutarse? 70B modelos?
Sí. Por ejemplo, se ejecuta. Qwen3-Coder-Next en Q5_K_M, usando alrededor 52.7 GB de VRAM y generando alrededor 67.2 tokens por segundo
Radeon Instinct MI200— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 64 GB de HBM2e. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 57.6 GB disponible para un modelo y su conversación.
Radeon Instinct MI200— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 1,640 GB/s a través de un bus de 4,096 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.
Radeon Instinct MI200— ¿qué tipo de memoria utiliza?
Utiliza HBM2e funcionando a 1.6 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.
Radeon Instinct MI200— ¿Quién lo hace?
Este es un producto de AMD, con el chip fabricado por TSMC, en un proceso de 6 nm.
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..