Calcular el TPS del A10M 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
Qwen3-Omni-30B-A3B
35.3B · IQ4_XS · 81.9 tok/s
Modelo más rápido
Gemma 3 QAT 1B
212 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un A10M?
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.
495 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
212
tok/s
180–254 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
212
tok/s
180–254 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
212
tok/s
127–339 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
212
tok/s
127–339 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
212
tok/s
127–339 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
212
tok/s
127–339 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
196
tok/s
118–314 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
193
tok/s
116–308 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
193
tok/s
116–308 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
193
tok/s
116–308 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
193
tok/s
116–308 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
177
tok/s
106–282 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
177
tok/s
106–282 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
177
tok/s
106–282 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
177
tok/s
106–282 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
172
tok/s
146–207 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Cómodo |
|
170
tok/s
102–272 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · baja confianza |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
163
tok/s
98–261 · 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
A10M 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
- 20 GB
- Ancho de banda de memoria
- 500 GB/s
- Tipo de memoria
- GDDR6
- Ancho de bus de memoria
- 320 bit
- Reloj de memoria
- 1.56 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
- GA102
- Arquitectura
- Ampere
- Generación
- Server Ampere(Axx)
- Fundición
- Samsung
- Tamaño del proceso
- 8 nm
- Transistores
- 28.3 billion
- Densidad de transistores
- 45,100 K/mm²
- Tamaño de die
- 628 mm²
- Paquete
- BGA-3328
- Lanzado
- 1 February 2022
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
- 1.64 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
- 7,168
- Unidades de mapeo de texturas
- 224
- Unidades de salida de renderizado
- 80
- Multiprocesadores de streaming
- 56
- Núcleos Tensor
- 224
- Núcleos de trazado de rayos
- 56
- Caché L1
- 128 KB
- Caché L2
- 6 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)
- 23.4 TFLOPS
- Precisión simple (FP32)
- 23.4 TFLOPS
- Doble precisión (FP64)
- 732.5 GFLOPS
- Tasa de píxeles
- 131 GPixel/s
- Tasa de textura
- 366 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)
- 150 W
- Suministro de energía sugerido
- 450 W
- Conectores de potencia
- 8-pin EPS
- Interfaz de bus
- PCIe 4.0 x16
- Ancho de ranura
- Single-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
- 8.6
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modelo de shader
- 6.8
Listados
Dónde comprar un A10M
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
Memoria: la especificación que decide todo
Memoria
20 GB
Ancho de banda
500 GB/s
Modelo más grande
Qwen3-Omni-30B-A3B
A10M lleva 20 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 18 GB.
El ancho de banda de VRAM alcanza 500 GB/s a través de un bus de 320 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 1.56 GHz. Ambas mitades importan, y ninguna es visible en un benchmark de juegos.
El techo práctico es Qwen3-Omni-30B-A3B, 35.3B, comprimido a IQ4_XS y generando alrededor 81.9 tokens por segundo
El chip y cómo fue construido
A10M está construido en el GPU GA102, usando la arquitectura Ampere desde NVIDIA, como parte de la generación Server Ampere(Axx).
El chip es fabricado por Samsung, en un proceso de 8 nm, con un dado que mide 628 mm², sosteniendo 28.3 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 February 2022, aproximadamente 4.4955582769822 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
23.4 TFLOPS
FP64
732.5 GFLOPS
Núcleos Tensor
224
En papel A10M alcanza 23.4 TFLOPS a media precisión, y 23.4 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 732.5 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 224 Núcleos Tensor a través 56 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 975 MHz a un aumento de 1.64 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
A10M tiene una caché L1 de 128 KB, respaldado por una caché L2 de 6 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 7,168 Unidades de sombreado, 224 Unidades de mapeo de texturas, y 80 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
150 W
A10M está clasificado en 150 , y la fuente de alimentación del sistema sugerida es 450 . 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 single-slot, medir 267 mm largo, y necesita 8-pin EPS. 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 A10M
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 A10M
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 A10M
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 495 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
Arrastre el control deslizante a la longitud de conversación en la que planea trabajar. La caché crece con la conversación, y contra una tarjeta que sostiene 20 GB a menudo es lo que lleva a un gran modelo al límite.
-
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
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 212 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
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. 20 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 A10M.
Respuestas
A10M — preguntas comunes
A10M— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 212 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.
A10M— ¿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 31.6 tokens por segundo
A10M— ¿Puede ejecutarse? 13B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeekMoE-16B en Q8_0, usando alrededor 17.5 GB de VRAM y generando alrededor 73.6 tokens por segundo
A10M— ¿Puede ejecutarse? 30B modelos?
Sí. Por ejemplo, se ejecuta. ERNIE-4.5-VL-28B-A3B en Q4_K_M, usando alrededor 16.2 GB de VRAM y generando alrededor 97.0 tokens por segundo
A10M— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 20 GB de GDDR6. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 18 GB disponible para un modelo y su conversación.
A10M— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 500 GB/s a través de un bus de 320 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.
A10M— ¿qué tipo de memoria utiliza?
Utiliza GDDR6 funcionando a 1.56 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.
A10M— ¿Quién lo hace?
Este es un producto de NVIDIA, con el chip fabricado por Samsung, en un proceso de 8 nm.
A10M— ¿cuándo fue lanzado?
Fue liberado en February 2022.
A10M— ¿Cuánta potencia utiliza?
La potencia nominal de la placa es 150 , y la fuente de alimentación del sistema sugerida es 450 . 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.
A10M— cuánta caché tiene?
La caché L1 es 128 KB, y la caché L2 es 6 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.
A10M— ¿cuáles son sus TFLOPS?
Está calificado en 23.4 TFLOPS a media precisión y 23.4 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.
A10M— ¿Cuántos núcleos Tensor tiene?
Tiene 224 Núcleos Tensor a través 56 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.
A10M— ¿Soporta CUDA?
Sí. Informa sobre la capacidad de cómputo CUDA. 8.6. 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.
A10M— ¿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.
A10M— ¿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 495 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
A10M— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Solo parcialmente. Capas más allá de la tarjeta. 20 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 A10M ¿Las tarjetas serán dos veces más rápidas?
Emparejarlos compra margen en lugar de ritmo: 40 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.
A10M— ¿Qué modelos de IA puede ejecutar?
495 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.
A10M— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es Qwen3-Omni-30B-A3B en 35.3B parámetros, comprimido a IQ4_XS. Genera aproximadamente 81.9 tokens por segundo y necesita aproximadamente 17.9 GB de la memoria de la tarjeta.
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..