Calculer le TPS de la Tesla K40d sur des modèles d'IA locaux
Chaque modèle de notre catalogue évalué par rapport à cette carte à la longueur de contexte et à la qualité minimale que vous choisissez. La vitesse est une estimation pour une seule demande, calculée à partir de la bande passante mémoire de cette carte et de la taille de chaque modèle une fois compressé..
Calculé pour cette carte
679 modèles dans notre catalogue ensemble
Le plus grand modèle qu'il peut contenir
ERNIE-4.5-21B-A3B
21B · Q3_K_M · 74.1 tok/s
Modèle le plus rapide
Gemma 3 QAT 1B
104 tok/s · 1B
Quels modèles d'IA peuvent fonctionner sur un Tesla K40d?
Définir les entrées, lire la réponse
Plus de contexte signifie plus de MÉMOIRE pour le cache de conversation. La vitesse est pour une nouvelle conversation et ne change pas avec ce paramètre..
Cache les modèles qui ne pourraient tenir qu'en étant compressés en dessous de ce point..
396 les modèles correspondent
Calcul en cours| Quantification | Convient | ||||||
|---|---|---|---|---|---|---|---|
|
104
tok/s
36–208 · faible confiance |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
104
tok/s
36–208 · faible confiance |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
104
tok/s
36–208 · faible confiance |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
104
tok/s
36–208 · faible confiance |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
104
tok/s
36–208 · faible confiance |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
104
tok/s
36–208 · faible confiance |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
96.1
tok/s
34–192 · faible confiance |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
94.4
tok/s
33–189 · faible confiance |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
94.4
tok/s
33–189 · faible confiance |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
94.4
tok/s
33–189 · faible confiance |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
94.4
tok/s
33–189 · faible confiance |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.5
tok/s
30–173 · faible confiance |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.5
tok/s
30–173 · faible confiance |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.5
tok/s
30–173 · faible confiance |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.5
tok/s
30–173 · faible confiance |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
84.4
tok/s
30–169 · faible confiance |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k jetons | Q8_0 | Confortable |
|
83.2
tok/s
29–166 · faible confiance |
DeepSeekMoE-16B | 16B | Jan 2024 | 10.0 GB | 4k jetons | Q4_K_M | À l'étroit |
|
83.2
tok/s
29–166 · faible confiance |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.9
tok/s
28–160 · faible confiance |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.9
tok/s
28–160 · faible confiance |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.9
tok/s
28–160 · faible confiance |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.9
tok/s
28–160 · faible confiance |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.9
tok/s
28–160 · faible confiance |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.9
tok/s
28–160 · faible confiance |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.9
tok/s
28–160 · faible confiance |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
Les vitesses sont des estimations pour une seule demande — une conversation à la fois — calculées à partir de la bande passante de la mémoire, de la taille du modèle et de la quantification. Le débit réel varie avec le temps d'exécution d'inférence et sa version. Les chiffres publiés par les fournisseurs de matériel mesurent de nombreuses demandes simultanées et sont beaucoup plus élevés..
Enregistrement
Tesla K40d Spécifications complètes
Tout ce qui est enregistré pour cette carte, ordonné par ce qui a le plus d'impact sur l'exécution d'un modèle de langage plutôt que par la manière dont une fiche technique le classerait. La MÉMOIRE vient en premier car elle détermine le résultat ; le reste est CONTEXTE..
Mémoire
Les deux spécifications qui décident ce que cette carte peut exécuter et à quelle vitesse. La capacité détermine quels modèles s'adaptent ; la bande passante détermine combien de tokens par seconde ils produisent une fois qu'ils le font.
- Taille de la mémoire
- 12 GB
- Bande passante de la VRAM
- 288 GB/s
- Type de mémoire
- GDDR5
- Largeur du bus mémoire
- 384 bit
- Fréquence mémoire
- 1.5 GHz
La puce
Quel processeur est sur la carte et comment a-t-il été fabriqué. Une taille de processus plus petite signifie généralement plus de performance pour la même puissance.
- Processeur graphique
- GK110B
- Architecture
- Kepler
- Génération
- Tesla Kepler(Kxx)
- Fonderie
- TSMC
- Taille du processus
- 28 nm
- Transistors
- 7.1 billion
- Densité de transistor
- 12,600 K/mm²
- Taille de die
- 561 mm²
- Paquet
- BGA-2152
- Nouvelles versions
- 22 November 2013
Fréquences d'Horloge
À quelle vitesse le processeur fonctionne. Vaut bien moins ici que sur un benchmark de jeux : générer du texte est limité par la bande passante de la mémoire, donc une fréquence plus élevée ne fait presque pas bouger le résultat.
- Horloge de base
- 745 MHz
- Fréquence d'horloge boost
- 876 MHz
Unités de traitement
Ce que la puce contient. Ceux-ci améliorent la performance graphique et sont principalement importants pour le traitement d'un long prompt plutôt que pour produire la réponse.
- Unités de shading
- 2,880
- Unités de cartographie de texture
- 240
- Rendre unités de sortie
- 48
- Cache L1
- 16 KB
- Cache L2
- 1.5 MB
Performance théorique
Les taux d'arithmétique de pointe publiés pour la carte. Ce sont des plafonds que aucune charge de travail réelle n'atteint, et la génération de texte atteint une petite fraction de ceux-ci car elle est limitée par la mémoire plutôt que par l'arithmétique.
- Précision simple (FP32)
- 5 TFLOPS
- Double précision (FP64)
- 1.7 TFLOPS
- Taux de pixels
- 53 GPixel/s
- Taux de texture
- 210 GTexel/s
La carte
Ce qu'il faut pour installer physiquement et alimenter la carte — les contraintes pratiques qui décident si elle s'intègre dans la machine que vous possédez déjà.
- Consommation d'énergie (TDP)
- 245 W
- Alimentation électrique suggérée
- 550 W
- Interface de bus
- PCIe 3.0 x16
- Largeur de slot
- Dual-slot
- Dimensions
- 267 mm
Support logiciel
Quelles interfaces graphiques et de calcul la carte prend-elle en charge. La capacité de calcul CUDA est celle qui a un impact sur l'inférence : en dessous de 7.0, il n'y a pas de cœurs tensoriels, et les logiciels d'inférence modernes se rabattent sur des chemins de code plus lents.
- capacité de calcul CUDA
- 3.5
- DirectX
- 11.1
- OpenGL
- 4.6
- Vulkan
- 1.2
- OpenCL
- 3.0
- Modèle de Shader
- 5.1
Annonces
Où acheter un Tesla K40d
Aucun vendeur ne répertorie actuellement cette carte. Les annonces proviennent de vendeurs qui les publient ici directement. — parcourir le répertoire des fournisseurs voir qui vend quoi.
Ce que les chiffres signifient
Ce que signifie le sous-système de mémoire pour l'IA
Mémoire
12 GB
Bande passante
288 GB/s
Modèle le plus grand
ERNIE-4.5-21B-A3B
Tesla K40d porte 12 GB de GDDR5. Cela atteint confortablement les petits et moyens modèles, bien que les plus grands restent hors de portée sans les diviser. Les frais généraux du pilote laissent environ 10.8 GB.
La bande passante de la VRAM atteint 288 GB/s à travers un bus de 384 bits. La bande passante est la véritable contrainte de cette carte. Chaque jeton nécessite de lire l'ensemble du modèle à partir de la mémoire, donc un grand modèle aura l'air lent ici même s'il rentre.
La bande passante est le produit de la fréquence d'horloge et de la largeur du bus, et cette carte fonctionne sa mémoire à 1.5 GHz. C'est pourquoi les nombres de cœurs prédisent si mal la vitesse de génération.
Mis en ensemble, le plus grand modèle qui tient est ERNIE-4.5-21B-A3B, 21B, compressé à Q3_K_M et générant autour 74.1 tokens par seconde
Le chip et comment il a été construit
Tesla K40d est construit sur le processeur graphique GK110B, utilisant l'architecture Kepler de NVIDIA, dans le cadre de la génération Tesla Kepler(Kxx).
Le chip est fabriqué par TSMC, sur un processus de 28 , avec un dé mesurant 561 mm², tenue 7.1 billion Transistors. Un processus plus petit signifie généralement plus de performance pour la même puissance, bien que pour les modèles de langage, cela compte bien moins que le sous-système de mémoire.
Il a été publié dans November 2013, approximativement 12.690093087764 il y a des années. Le support des logiciels d'inférence a tendance à suivre le matériel d'un an ou deux, donc une carte de cet âge a généralement des chemins de code matures et bien optimisés disponibles.
Débit de calcul, et pourquoi cela compte moins qu'il n'y paraît
FP64
1.7 TFLOPS
Le débit de double précision atteint 1.7 TFLOPS. Cela n'a aucune incidence sur le fonctionnement d'un modèle de langage — aucun temps d'inférence ne l'utilise — mais cela sépare les composants de centre de données de ceux destinés aux consommateurs, puisque ces derniers le restreignent délibérément.
Les horloges fonctionnent à partir d'une base de 745 MHz à un coup de 876 MHz. Vaut beaucoup moins ici que sur un benchmark de jeu : augmenter les vitesses d'horloge améliore l'arithmétique, et l'arithmétique n'est pas ce sur quoi la génération attend.
Cache et unités de traitement
Tesla K40d a un cache L1 de 16 KO, soutenu par un cache L2 de 1.5 Mo. Le Cache absorbe une part du trafic de mémoire qui frapperait autrement le bus principal, qui est l'un des rares endroits sur cette page où un nombre autre que la bande passante affecte silencieusement la vitesse de génération — un grand L2 permet à une plus grande partie de l'ensemble de travail de rester proche des cœurs.
Il y a 2,880 Unités de shading, 240 Unités de cartographie de texture, et 48 Rendre unités de sortie. Ces cartes gèrent les charges de travail graphiques et contribuent au traitement des prompts, mais elles restent inactives pendant une grande partie du temps qu'un modèle passe à générer une réponse.
Puissance, taille et installation
Consommation d'énergie
245 W
Tesla K40d est évalué à 245 W, et l'alimentation électrique système suggérée est 550 W. Faire tourner un modèle de langage occupe une CARTE par intermittence plutôt que de manière continue — cela consomme beaucoup pendant la génération et reste inactif entre les requêtes — donc une consommation soutenue sur une journée de travail est généralement bien en dessous de la valeur nominale.
La carte occupe dual-slot, mesurer 267 mm long. Vaut la peine de vérifier par rapport au boîtier et à l'alimentation déjà dans la machine, car les plus grandes CARDS nécessitent considérablement plus des deux que ce qu'un bureau typique fournit.
Il se connecte via PCIe 3.0 x16. L'interface régule la vitesse à laquelle un modèle est chargé du disque vers la carte, et non la vitesse à laquelle il fonctionne une fois chargé, donc un lien plus étroit coûte quelques secondes au démarrage et rien par la suite.
Les extrêmes
Les plus grands modèles d'IA qui s'exécutent sur un Tesla K40d
Les plus grands modèles OPEN WEIGHT qui tiennent sur cette CARTE, les plus récents en premier. Chacun est présenté avec la meilleure compression que la CARTE peut supporter..
Les modèles d'IA les plus rapides sur un Tesla K40d
Où cette CARTE produit des jetons le plus rapidement. Les modèles plus petits dominent ici, car générer chaque jeton signifie lire le modèle entier hors de la MÉMOIRE une fois..
Étape par étape
Comment calculer le nombre de tokens par seconde d'un Tesla K40d
Vous n'avez pas à calculer quoi que ce soit à la main — le calculateur gputps.com sur cette page a déjà tout calculé pour chaque modèle que cette carte peut contenir. Lire la réponse prend six étapes.
-
01
Commencez par le modèle, pas la spécification
Le tableau liste 396 les modèles que la carte gère. La boîte de recherche prend un nom ou une taille comme 27b, qui correspond au nombre de paramètres.
-
02
Définissez la longueur de contexte que vous utiliserez réellement.
Faites glisser le curseur jusqu'à la longueur de conversation à laquelle vous prévoyez de travailler. Le cache augmente avec la conversation, et contre une carte tenant 12 GB c'est souvent ce qui pousse un grand modèle au-delà du seuil.
-
03
Définissez une qualité minimale si vous en avez besoin
Chaque modèle est affiché dans la meilleure compression que cette carte peut supporter. Une qualité minimale cache ceux qui ne rentrent que s'ils sont comprimés au-delà de ce que vous accepteriez.
-
04
Prenez la plage comme réponse
Chaque vitesse est une estimation pour une seule conversation, avec une plage en dessous. L'extrémité supérieure ici est 104 tok/s sur Gemma 3 QAT 1B. La même carte et le même modèle varient de trente à cinquante pour cent entre les temps d'inférence.
-
05
Vérifiez la marge de manœuvre avant de décider
La colonne d'ajustement sépare les modèles qui s'ajustent juste de ceux qui ont de la place en trop — cela vaut la peine de vérifier avant de se fixer sur un, par rapport à un disponible 12 GB.
-
06
Vérifier auprès d'autres matériels
Suivre un modèle jusqu'à sa propre page liste tout le matériel qui peut l'exécuter, afin que vous puissiez voir comment il se compare à Tesla K40d.
Réponses
Tesla K40d — questions courantes
Serait deux Tesla K40d les cartes peuvent-elles être deux fois plus rapides ?
La capacité augmente, le débit ne change pas. Deux d'entre eux vous donnent 24 GB ce qui vous permet de maintenir des modèles que ni l'un ni l'autre ne pourrait maintenir seul, mais la génération ne se divise pas de cette manière. Ces chiffres décrivent une carte.
Tesla K40d— quels modèles d'IA peut-il exécuter ?
396 du 679 les modèles de langage open-weight que nous suivons s'adaptent sur cette carte et peuvent être exécutés localement. Le tableau sur cette page répertorie chacun d'eux, avec la mémoire dont il a besoin, la quantification à laquelle il s'exécute et une vitesse de génération estimée.
Tesla K40d— quel est le plus grand modèle AI qu'il peut exécuter ?
Le plus grand modèle de notre catalogue qui s'adapte est ERNIE-4.5-21B-A3B à 21B paramètres, compressé à Q3_K_M. Cela génère à peu près 74.1 tokens par seconde et a besoin d'environ 10.1 Go de la mémoire de la carte.
Tesla K40d— combien de tokens par seconde cela produit-il ?
Cela dépend du modèle. Le modèle le plus rapide que nous suivons ici est Gemma 3 QAT 1B à propos de 104 tokens par seconde, tandis que les modèles plus grands fonctionnent proportionnellement plus lentement car chaque token nécessite de lire l'ensemble du modèle hors de la mémoire une fois. Les vitesses sont des estimations pour une seule conversation à la fois.
Tesla K40d— peut-il fonctionner 7B modèles ?
Oui. Par exemple, cela fonctionne. DeepSeek Coder 6.7B à Q6_K, environ 9.9 Go de mémoire et générant environ 22.5 tokens par seconde
Tesla K40d— peut-il fonctionner 13B modèles ?
Oui. Par exemple, cela fonctionne. DeepSeekMoE-16B à Q4_K_M, environ 10.0 Go de mémoire et générant environ 83.2 tokens par seconde
Tesla K40d— combien de mémoire cela a-t-il?
Cette carte a 12 GB de GDDR5. Environ un dixième est réservé par le runtime d'inférence et le driver, laissant à peu près 10.8 GB disponible pour un modèle et sa conversation.
Tesla K40d— quelle est sa bande passante de VRAM ?
La bande passante de la VRAM atteint 288 GB/s à travers un bus de 384 bits. C'est le meilleur prédicteur de la vitesse à laquelle il génère du texte, car produire chaque jeton signifie lire l'ensemble du modèle hors de la mémoire une fois.
Tesla K40d— Quel type de mémoire utilise-t-il ?
Cela utilise GDDR5 à fréquence de 1.5 GHz. Les types de HBM se trouvent sur les accélérateurs de datacentre et portent beaucoup plus de bande passante que la GDDR utilisée sur les cartes de bureau, c'est pourquoi ils génèrent des jetons considérablement plus rapidement à la même capacité.
Tesla K40d— qui le fait ?
Ceci est un produit de NVIDIA, avec la puce fabriquée par TSMC, sur un processus de 28 .
Tesla K40d— quand a-t-il été publié ?
Il a été publié dans November 2013.
Tesla K40d— combien de puissance cela utilise-t-il ?
La puissance nominale de la carte est 245 W, et l'alimentation électrique système suggérée est 550 W. La génération de texte sollicite intensément par rafales et reste inactive entre les requêtes, donc la consommation moyenne sur une session de travail est normalement bien en dessous de la valeur nominale.
Tesla K40d— combien de cache a-t-il ?
Le cache L1 est 16 KO, et le cache L2 est 1.5 Mo. Le Cache absorbe une partie du trafic mémoire qui atteindrait autrement le bus principal, donc un L2 plus grand offre un léger avantage en vitesse de génération au-delà de ce que la bande passante prédit seule.
Tesla K40d— est-ce qu'il prend en charge CUDA ?
Oui. Il rapporte la capacité de calcul CUDA. 3.5, qui précède les noyaux tensoriels. La Capacité 7.0 et au-dessus a des cœurs tensoriels, que les logiciels d'inférence modernes utilisent ; en dessous, il revient à des chemins de code plus lents pour les modèles quantifiés.
Tesla K40d— quel interface de bus utilise-t-il ?
Cela utilise PCIe 3.0 x16. Cela régit la vitesse à laquelle un modèle est chargé sur la carte plutôt que la vitesse à laquelle il fonctionne une fois chargé, donc cela coûte quelques secondes au démarrage et rien pendant la génération.
Tesla K40d— est-ce bon pour exécuter des modèles d'IA locaux ?
Sa mémoire couvre des modèles petits et moyens, bien que les plus grands soient hors de portée, bien que sa bande passante signifie que la génération sera lente sur les modèles plus grands. En tout, il fonctionne 396 des modèles que nous suivons. Que cela soit suffisant dépend entièrement du modèle que vous voulez — le tableau ci-dessus répond directement à cela.
Tesla K40d— peut-il exécuter un modèle qui ne tient pas dans sa VRAM ?
Déchargement au-delà de la carte 12 GB s'asseoir dans la MÉMOIRE système et fonctionner à une fraction de la vitesse, donc un modèle principalement déchargé vaut rarement la peine d'être utilisé. Chaque chiffre ici suppose qu'il est entièrement résident sur la CARTE.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le matériel. Si vous savez déjà quel modèle vous voulez et avez besoin de savoir ce qu'il faut pour le faire fonctionner, commencer par le modèle au lieu.