Calculer le TPS de la Tesla PG503-216 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
Phi-3.5-MoE
60.8B · Q3_K_M · 118 tok/s
Modèle le plus rapide
Gemma 3 QAT 1B
479 tok/s · 1B
Quels modèles d'IA peuvent fonctionner sur un Tesla PG503-216?
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..
513 les modèles correspondent
Calcul en cours| Quantification | Convient | ||||||
|---|---|---|---|---|---|---|---|
|
479
tok/s
407–574 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
479
tok/s
407–574 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
479
tok/s
287–766 · faible confiance |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
479
tok/s
287–766 · faible confiance |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
479
tok/s
287–766 · faible confiance |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
479
tok/s
287–766 · faible confiance |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
443
tok/s
266–709 · faible confiance |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
435
tok/s
261–696 · faible confiance |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
435
tok/s
261–696 · faible confiance |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
435
tok/s
261–696 · faible confiance |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
435
tok/s
261–696 · faible confiance |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
399
tok/s
239–638 · faible confiance |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
399
tok/s
239–638 · faible confiance |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
399
tok/s
239–638 · faible confiance |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
399
tok/s
239–638 · faible confiance |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
389
tok/s
331–467 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k jetons | Q8_0 | Confortable |
|
384
tok/s
230–614 · faible confiance |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
368
tok/s
221–589 · faible confiance |
Phi-1 ≈ | 1.3B | Oct 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 PG503-216 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
- 32 GB
- Bande passante de la VRAM
- 1,130 GB/s
- Type de mémoire
- HBM2
- Largeur du bus mémoire
- 4,096 bit
- Fréquence mémoire
- 1.11 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
- GV100
- Architecture
- Volta
- Génération
- Tesla Volta(Vxx)
- Fonderie
- TSMC
- Taille du processus
- 12 nm
- Transistors
- 21.1 billion
- Densité de transistor
- 25,900 K/mm²
- Taille de die
- 815 mm²
- Nouvelles versions
- 26 November 2019
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
- 1.31 GHz
- Fréquence d'horloge boost
- 1.53 GHz
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
- 4,608
- Unités de cartographie de texture
- 288
- Rendre unités de sortie
- 128
- Multiprocesseurs de flux
- 80
- Cœurs Tensor
- 640
- Cache L1
- 128 KB
- Cache L2
- 6 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.
- Demi-précision (FP16)
- 28.2 TFLOPS
- Précision simple (FP32)
- 14.1 TFLOPS
- Double précision (FP64)
- 7.1 TFLOPS
- Taux de pixels
- 196 GPixel/s
- Taux de texture
- 441 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)
- 250 W
- Alimentation électrique suggérée
- 600 W
- Connecteurs d'alimentation
- None
- Interface de bus
- PCIe 3.0 x16
- Largeur de slot
- Dual-slot
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
- 7.0
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modèle de Shader
- 6.8
Annonces
Où acheter un Tesla PG503-216
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
Capacité et bande passante
Mémoire
32 GB
Bande passante
1,130 GB/s
Modèle le plus grand
Phi-3.5-MoE
Tesla PG503-216 porte 32 GB de HBM2. Cela couvre les modèles de taille intermédiaire que la plupart des gens exécutent réellement. Une fois que le runtime et le driver ont réservé leur espace de travail, il reste à peu près cette quantité : 28.8 GB.
La bande passante de la VRAM atteint 1,130 GB/s à travers un bus de 4,096 bits. Générer un token signifie lire chaque poids une fois, donc ce chiffre fixe le rythme plus que tout autre nombre ici, et à ce niveau, le texte arrive plus rapidement que la plupart des gens ne lisent.
Cela vient d'une horloge mémoire de 1.11 GHz. Les deux moitiés comptent, et aucune n'est visible dans un benchmark de jeu.
La plus grande chose qu'il contient est Phi-3.5-MoE, 60.8B, compressé à Q3_K_M et générant autour 118 tokens par seconde
Le chip et comment il a été construit
Tesla PG503-216 est construit sur le processeur graphique GV100, utilisant l'architecture Volta de NVIDIA, dans le cadre de la génération Tesla Volta(Vxx).
Le chip est fabriqué par TSMC, sur un processus de 12 , avec un dé mesurant 815 mm², tenue 21.1 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 2019, approximativement 6.6792981144265 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
FP16
28.2 TFLOPS
FP64
7.1 TFLOPS
Cœurs Tensor
640
Sur le papier Tesla PG503-216 atteint 28.2 TFLOPS à demi-précision, et 14.1 TFLOPS à précision unique. Ce sont des chiffres de pointe que aucune charge de travail réelle ne maintient, et la génération de texte n'atteint qu'une petite fraction d'entre eux — le décodage est limité par la mémoire plutôt que par l'arithmétique, c'est pourquoi une carte peut paraître extraordinairement puissante ici et néanmoins produire des tokens à un rythme ordinaire.
Le débit de double précision atteint 7.1 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.
La carte porte 640 Cœurs Tensor à travers 80 Multiprocesseurs de flux. Ces accélèrent l'arithmétique matricielle au cœur d'un transformateur, et ce sont elles qui rendent le traitement des invites — lire un long document avant de répondre — de manière considérablement plus rapide qu'il ne le serait autrement.
Les horloges fonctionnent à partir d'une base de 1.31 GHz à un coup de 1.53 GHz. 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 PG503-216 a un cache L1 de 128 KO, soutenu par un cache L2 de 6 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 4,608 Unités de shading, 288 Unités de cartographie de texture, et 128 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
250 W
Tesla PG503-216 est évalué à 250 W, et l'alimentation électrique système suggérée est 600 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. 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 PG503-216
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 PG503-216
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 PG503-216
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 513 modèles que cette carte peut exécuter. Recherchez par nom ou par taille — taper 27b correspond au nombre de paramètres même lorsque le nom ne l'indique jamais.
-
02
Associez le contexte à votre travail
Des conversations plus longues coûtent de la mémoire en plus des poids. 32 GB donc le réglage vaut la peine d'être bien fait.
-
03
Épinglez la comparaison à un niveau de qualité.
La compression est ce qui permet aux modèles plus grands de s'adapter. Le contrôle de qualité rejette tout modèle qui en a besoin de plus que ce que vous êtes prêt à donner.
-
04
Lisez la vitesse et la portée
Les chiffres sont calculés, pas mesurés. Le résultat le plus rapide sur cette carte est 479 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
Lisez le verdict d'ajustement dernier
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 32 GB.
-
06
Vérifier auprès d'autres matériels
Chaque nom de modèle dans le tableau renvoie à sa propre page, qui effectue le même calcul sur chaque carte que nous détenons. C'est là que vous voyez si le bon achat est Tesla PG503-216.
Réponses
Tesla PG503-216 — questions courantes
Tesla PG503-216— 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 PG503-216— est-ce bon pour exécuter des modèles d'IA locaux ?
Sa mémoire couvre confortablement les modèles de taille moyenne que la plupart des gens exécutent localement et sa bande passante est suffisamment élevée pour générer du texte plus rapidement que la plupart des gens ne lisent. Au total, il fonctionne 513 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 PG503-216— peut-il exécuter un modèle qui ne tient pas dans sa VRAM ?
Seulement en partie. Couches au-delà de la carte 32 GB traîne tout vers le bas, et aucune des données sur cette page ne le suppose.
Serait deux Tesla PG503-216 les cartes peuvent-elles être deux fois plus rapides ?
La capacité augmente, le débit ne change pas. Deux d'entre eux vous donnent 64 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 PG503-216— quels modèles d'IA peut-il exécuter ?
513 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 PG503-216— quel est le plus grand modèle AI qu'il peut exécuter ?
Le plus grand modèle de notre catalogue qui s'adapte est Phi-3.5-MoE à 60.8B paramètres, compressé à Q3_K_M. Cela génère à peu près 118 tokens par seconde et a besoin d'environ 27.2 Go de la mémoire de la carte.
Tesla PG503-216— 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 479 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 PG503-216— peut-il fonctionner 7B modèles ?
Oui. Par exemple, cela fonctionne. Multi-Token Prediction 7B à Q8_0, environ 7.9 Go de mémoire et générant environ 71.4 tokens par seconde
Tesla PG503-216— peut-il fonctionner 13B modèles ?
Oui. Par exemple, cela fonctionne. DeepSeekMoE-16B à Q8_0, environ 17.5 Go de mémoire et générant environ 166 tokens par seconde
Tesla PG503-216— peut-il fonctionner 30B modèles ?
Oui. Par exemple, cela fonctionne. ERNIE-4.5-VL-28B-A3B à Q6_K, environ 22.7 Go de mémoire et générant environ 138 tokens par seconde
Tesla PG503-216— combien de mémoire cela a-t-il?
Cette carte a 32 GB de HBM2. Environ un dixième est réservé par le runtime d'inférence et le driver, laissant à peu près 28.8 GB disponible pour un modèle et sa conversation.
Tesla PG503-216— quelle est sa bande passante de VRAM ?
La bande passante de la VRAM atteint 1,130 GB/s à travers un bus de 4,096 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 PG503-216— Quel type de mémoire utilise-t-il ?
Cela utilise HBM2 à fréquence de 1.11 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 PG503-216— qui le fait ?
Ceci est un produit de NVIDIA, avec la puce fabriquée par TSMC, sur un processus de 12 .
Tesla PG503-216— quand a-t-il été publié ?
Il a été publié dans November 2019.
Tesla PG503-216— combien de puissance cela utilise-t-il ?
La puissance nominale de la carte est 250 W, et l'alimentation électrique système suggérée est 600 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 PG503-216— combien de cache a-t-il ?
Le cache L1 est 128 KO, et le cache L2 est 6 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 PG503-216— quelles sont ses TFLOPS ?
Il est évalué à 28.2 TFLOPS à moitié précision et 14.1 TFLOPS en simple précision. Ceux-ci sont des plafonds arithmétiques de pointe plutôt que des taux réalisables, et la génération de texte n'atteint qu'une petite fraction d'entre eux car elle est limitée par la bande passante de mémoire à la place.
Tesla PG503-216— combien de cœurs tensoriels a-t-il ?
Il a 640 Cœurs Tensor à travers 80 Multiprocesseurs de flux. Ils accélèrent l'arithmétique matricielle dont un transformateur est construit, ce qui permet principalement d'accélérer le traitement d'un long prompt plutôt que de produire la réponse.
Tesla PG503-216— est-ce qu'il prend en charge CUDA ?
Oui. Il rapporte la capacité de calcul CUDA. 7.0. 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.
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.