Calcular el TPS del Data Center GPU Max Subsystem 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
Solar Open2 250B
250.3B · Q3_K_M · 52.9 tok/s
Modelo más rápido
Gemma 3 QAT 1B
884 tok/s · 1B
¿Qué modelos de IA pueden ejecutarse en un Data Center GPU Max Subsystem?
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.
658 modelos coinciden
Calculando| Cuantización | Ajustar | ||||||
|---|---|---|---|---|---|---|---|
|
884
tok/s
530–1,414 · baja confianza |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
884
tok/s
530–1,414 · baja confianza |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Cómodo |
|
884
tok/s
530–1,414 · baja confianza |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
884
tok/s
530–1,414 · baja confianza |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
884
tok/s
530–1,414 · baja confianza |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
884
tok/s
530–1,414 · baja confianza |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Cómodo |
|
818
tok/s
491–1,309 · baja confianza |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
803
tok/s
482–1,285 · baja confianza |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
803
tok/s
482–1,285 · baja confianza |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
803
tok/s
482–1,285 · baja confianza |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
803
tok/s
482–1,285 · baja confianza |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Cómodo |
|
736
tok/s
442–1,178 · baja confianza |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
736
tok/s
442–1,178 · baja confianza |
LFM2-1.2B ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
736
tok/s
442–1,178 · baja confianza |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
736
tok/s
442–1,178 · baja confianza |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
736
tok/s
442–1,178 · baja confianza |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
718
tok/s
431–1,150 · baja confianza |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Cómodo |
|
708
tok/s
425–1,133 · baja confianza |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Cómodo |
|
680
tok/s
408–1,088 · baja confianza |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
680
tok/s
408–1,088 · baja confianza |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
680
tok/s
408–1,088 · baja confianza |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
680
tok/s
408–1,088 · baja confianza |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
680
tok/s
408–1,088 · baja confianza |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
680
tok/s
408–1,088 · baja confianza |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Cómodo |
|
680
tok/s
408–1,088 · 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
Data Center GPU Max Subsystem 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
- 128 GB
- Ancho de banda de memoria
- 3,210 GB/s
- Tipo de memoria
- HBM2e
- Ancho de bus de memoria
- 8,192 bit
- Reloj de memoria
- 1.57 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
- Ponte Vecchio
- Arquitectura
- Generation 12.5
- Generación
- Data Center GPU(Ponte Vecchio)
- Fundición
- Intel
- Tamaño del proceso
- 10 nm
- Transistores
- 100 billion
- Densidad de transistores
- 78,100 K/mm²
- Tamaño de die
- 1,280 mm²
- Lanzado
- 10 January 2023
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
- 900 MHz
- Reloj de impulso
- 1.6 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
- 16,384
- Unidades de mapeo de texturas
- 1,024
- Núcleos de trazado de rayos
- 128
- Caché L1
- 64 KB
- Caché L2
- 408 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)
- 52.4 TFLOPS
- Precisión simple (FP32)
- 52.4 TFLOPS
- Doble precisión (FP64)
- 52.4 TFLOPS
- Tasa de textura
- 1,638 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)
- 2,400 W
- Suministro de energía sugerido
- 2,800 W
- Conectores de potencia
- 1x 16-pin
- Interfaz de bus
- PCIe 5.0 x16
- Ancho de ranura
- Dual-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.
- DirectX
- 12.1
- OpenGL
- 4.6
- OpenCL
- 3.0
- Modelo de shader
- 6.6
Listados
Dónde comprar un Data Center GPU Max Subsystem
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
128 GB
Ancho de banda
3,210 GB/s
Modelo más grande
Solar Open2 250B
Data Center GPU Max Subsystem sostiene 128 GB de HBM2e. Eso lo coloca en la clase de hardware que sostiene los modelos de open-weight más grandes sin dividirlos entre máquinas. Un tiempo de ejecución de inferencia puede alcanzar aproximadamente 115.2 GB.
El ancho de banda de VRAM alcanza 3,210 GB/s a través de un bus de 8,192 bits. Eso está en la cima de lo que existe. Dado que cada token significa leer todo el modelo fuera de la memoria una vez, se traduce casi directamente en la velocidad de generación — esta tarjeta es lo suficientemente rica en ancho de banda que el tamaño del modelo deja de ser el factor limitante mucho antes de que lo sea el bus.
Eso proviene de un reloj de memoria de 1.57 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 Solar Open2 250B, 250.3B, comprimido a Q3_K_M y generando alrededor 52.9 tokens por segundo
El chip y cómo fue construido
Data Center GPU Max Subsystem está construido en el GPU Ponte Vecchio, usando la arquitectura Generation 12.5 desde Intel, como parte de la generación Data Center GPU(Ponte Vecchio).
El chip es fabricado por Intel, en un proceso de 10 nm, con un dado que mide 1,280 mm², sosteniendo 100 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 January 2023, aproximadamente 3.6789103156394 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
52.4 TFLOPS
FP64
52.4 TFLOPS
En papel Data Center GPU Max Subsystem alcanza 52.4 TFLOPS a media precisión, y 52.4 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 52.4 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 900 MHz a un aumento de 1.6 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
Data Center GPU Max Subsystem tiene una caché L1 de 64 KB, respaldado por una caché L2 de 408 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 16,384 Unidades de sombreado, 1,024 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
2,400 W
Data Center GPU Max Subsystem está clasificado en 2,400 , y la fuente de alimentación del sistema sugerida es 2,800 . 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 267 mm largo, y necesita 1x 16-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 5.0 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 Data Center GPU Max Subsystem
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 Data Center GPU Max Subsystem
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 Data Center GPU Max Subsystem
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
Busca el modelo que deseas
La tabla enumera 658 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 128 GB a menudo es lo que lleva a un gran modelo al límite.
-
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 884 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
Tight significa que funciona hoy; comfortable significa que aún funciona cuando la conversación crece. Comparar lo que cada modelo necesita contra un disponible. 128 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 Data Center GPU Max Subsystem.
Respuestas
Data Center GPU Max Subsystem — preguntas comunes
Data Center GPU Max Subsystem— ¿cuáles son sus TFLOPS?
Está calificado en 52.4 TFLOPS a media precisión y 52.4 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.
Data Center GPU Max Subsystem— ¿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.
Data Center GPU Max Subsystem— ¿Qué interfaz de bus utiliza?
Utiliza PCIe 5.0 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.
Data Center GPU Max Subsystem— ¿Es bueno para ejecutar modelos de IA locales?
Su memoria es lo suficientemente grande para modelos que la mayoría del hardware de escritorio no puede tocar y su ancho de banda lo coloca entre el hardware más rápido disponible para generación. En total, se ejecuta 658 de los modelos que seguimos. Si eso es suficiente depende completamente de qué modelo quieras — la tabla anterior responde eso directamente.
Data Center GPU Max Subsystem— ¿Puede ejecutar un modelo que no cabe en su VRAM?
Descarga más allá de la tarjeta 128 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 Data Center GPU Max Subsystem ¿Las tarjetas serán dos veces más rápidas?
Emparejarlos compra margen en lugar de ritmo: 256 GB de memoria combinada, a aproximadamente la misma velocidad de generación que uno.
Data Center GPU Max Subsystem— ¿Qué modelos de IA puede ejecutar?
658 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.
Data Center GPU Max Subsystem— ¿Cuál es el modelo de IA más grande que puede ejecutar?
El modelo más grande en nuestro catálogo que se ajusta es Solar Open2 250B en 250.3B parámetros, comprimido a Q3_K_M. Genera aproximadamente 52.9 tokens por segundo y necesita aproximadamente 106.6 GB de la memoria de la tarjeta.
Data Center GPU Max Subsystem— cuántos tokens por segundo produce?
Depende del modelo. El modelo más rápido que seguimos aquí es Gemma 3 QAT 1B a aproximadamente 884 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.
Data Center GPU Max Subsystem— ¿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 196 tokens por segundo
Data Center GPU Max Subsystem— ¿Puede ejecutarse? 13B modelos?
Sí. Por ejemplo, se ejecuta. DeepSeekMoE-16B en Q8_0, usando alrededor 17.5 GB de VRAM y generando alrededor 307 tokens por segundo
Data Center GPU Max Subsystem— ¿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 175 tokens por segundo
Data Center GPU Max Subsystem— ¿Puede ejecutarse? 70B modelos?
Sí. Por ejemplo, se ejecuta. Qwen3-Coder-Next en Q8_0, usando alrededor 80.7 GB de VRAM y generando alrededor 61.4 tokens por segundo
Data Center GPU Max Subsystem— ¿Cuánta VRAM tiene?
Esta tarjeta tiene 128 GB de HBM2e. Alrededor de una décima es reservada por el tiempo de ejecución de inferencia y el controlador, dejando aproximadamente 115.2 GB disponible para un modelo y su conversación.
Data Center GPU Max Subsystem— ¿Cuál es su ancho de banda de VRAM?
El ancho de banda de VRAM alcanza 3,210 GB/s a través de un bus de 8,192 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.
Data Center GPU Max Subsystem— ¿qué tipo de memoria utiliza?
Utiliza HBM2e funcionando a 1.57 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.
Data Center GPU Max Subsystem— ¿Quién lo hace?
Este es un producto de Intel, con el chip fabricado por Intel, en un proceso de 10 nm.
Data Center GPU Max Subsystem— ¿cuándo fue lanzado?
Fue liberado en January 2023.
Data Center GPU Max Subsystem— ¿Cuánta potencia utiliza?
La potencia nominal de la placa es 2,400 , y la fuente de alimentación del sistema sugerida es 2,800 . 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.
Data Center GPU Max Subsystem— cuánta caché tiene?
La caché L1 es 64 KB, y la caché L2 es 408 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.
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..