Calculer le TPS de la CMP 30HX 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
Qwen-VL
9.6B · Q3_K_M · 40.0 tok/s
Modèle le plus rapide
Gemma 3 QAT 1B
142 tok/s · 1B
Quels modèles d'IA peuvent fonctionner sur un CMP 30HX?
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..
266 les modèles correspondent
Calcul en cours| Quantification | Convient | ||||||
|---|---|---|---|---|---|---|---|
|
142
tok/s
121–171 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
142
tok/s
121–171 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
142
tok/s
85–228 · faible confiance |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
142
tok/s
85–228 · faible confiance |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
142
tok/s
85–228 · faible confiance |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
142
tok/s
85–228 · faible confiance |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
132
tok/s
79–211 · faible confiance |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
129
tok/s
78–207 · faible confiance |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
129
tok/s
78–207 · faible confiance |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
129
tok/s
78–207 · faible confiance |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
129
tok/s
78–207 · faible confiance |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
119
tok/s
71–190 · faible confiance |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
119
tok/s
71–190 · faible confiance |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
119
tok/s
71–190 · faible confiance |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
119
tok/s
71–190 · faible confiance |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
116
tok/s
98–139 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 113k jetons | Q8_0 | Confortable |
|
114
tok/s
68–183 · faible confiance |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · faible confiance |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · faible confiance |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · faible confiance |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · faible confiance |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · faible confiance |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · faible confiance |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · faible confiance |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
109
tok/s
66–175 · 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
CMP 30HX 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
- 6 GB
- Bande passante de la VRAM
- 336 GB/s
- Type de mémoire
- GDDR6
- Largeur du bus mémoire
- 192 bit
- Fréquence mémoire
- 1.75 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
- TU116
- Architecture
- Turing
- Génération
- Mining GPUs
- Fonderie
- TSMC
- Taille du processus
- 12 nm
- Transistors
- 6.6 billion
- Densité de transistor
- 23,200 K/mm²
- Taille de die
- 284 mm²
- Paquet
- BGA-2228
- Nouvelles versions
- 25 February 2021
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
- 1.53 GHz
- Fréquence d'horloge boost
- 1.79 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
- 1,408
- Unités de cartographie de texture
- 88
- Rendre unités de sortie
- 48
- Multiprocesseurs de flux
- 22
- Cache L1
- 64 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.
- Demi-précision (FP16)
- 10.1 TFLOPS
- Précision simple (FP32)
- 5 TFLOPS
- Double précision (FP64)
- 157.1 GFLOPS
- Taux de pixels
- 86 GPixel/s
- Taux de texture
- 157 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)
- 125 W
- Alimentation électrique suggérée
- 300 W
- Connecteurs d'alimentation
- 1x 8-pin
- Interface de bus
- PCIe 1.0 x4
- Largeur de slot
- Dual-slot
- Dimensions
- 229 mm × 35 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
- 7.5
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modèle de Shader
- 6.8
Annonces
Où acheter un CMP 30HX
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
Mémoire : la spécification qui décide de tout
Mémoire
6 GB
Bande passante
336 GB/s
Modèle le plus grand
Qwen-VL
CMP 30HX porte seulement 6 GB de GDDR6. Cela le limite à la petite extrémité du catalogue, et un modèle doit tenir entièrement à l'intérieur avant de générer quoi que ce soit. Un runtime obtient en fait environ 5.4 GB.
La bande passante de la VRAM atteint 336 GB/s à travers un bus de 192 bits. C'est le nombre qui régit la vitesse de génération — l'arithmétique par octet lu est suffisamment petite pour que le bus, et non les cœurs, soit sur quoi tout le monde attend.
La bande passante est le produit de la fréquence d'horloge et de la largeur du bus, et cette carte fonctionne sa mémoire à 1.75 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 Qwen-VL, 9.6B, compressé à Q3_K_M et générant autour 40.0 tokens par seconde
Le chip et comment il a été construit
CMP 30HX est construit sur le processeur graphique TU116, utilisant l'architecture Turing de NVIDIA, dans le cadre de la génération Mining GPUs.
Le chip est fabriqué par TSMC, sur un processus de 12 , avec un dé mesurant 284 mm², tenue 6.6 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 February 2021, approximativement 5.4298066262488 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
10.1 TFLOPS
FP64
157.1 GFLOPS
Sur le papier CMP 30HX atteint 10.1 TFLOPS à demi-précision, et 5 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 157.1 GFLOPS. 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 1.53 GHz à un coup de 1.79 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
CMP 30HX a un cache L1 de 64 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 1,408 Unités de shading, 88 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
125 W
CMP 30HX est évalué à 125 W, et l'alimentation électrique système suggérée est 300 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 229 mm long, et besoins 1x 8-pin. 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 1.0 x4. 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 CMP 30HX
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 CMP 30HX
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 CMP 30HX
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
Recherchez le modèle que vous souhaitez
Le tableau liste 266 modèles que cette carte exécute. La recherche affine la liste par nom ou par taille.
-
02
Associez le contexte à votre travail
Réglez le contexte sur votre vraie longueur de travail. Les courtes questions coûtent presque rien, mais un long document peut consommer une grande part de. 6 GB donc le réglage vaut la peine d'être bien fait.
-
03
Épinglez la comparaison à un niveau de qualité.
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
Lisez la vitesse et la portée
Chaque vitesse est une estimation pour une seule conversation, avec une plage en dessous. L'extrémité supérieure ici est 142 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
Tight signifie que cela fonctionne aujourd'hui ; comfortable signifie que cela fonctionne encore lorsque la conversation s'agrandit. Comparez les besoins de chaque modèle par rapport à une disponible. 6 GB.
-
06
Vérifiez le même modèle de l'autre côté.
Chaque page de modèle répète ce calcul pour l'ensemble du catalogue. Ça vaut le coup d'œil avant de décider : cela montre ce qui d'autre exécute le même modèle, aux côtés CMP 30HX.
Réponses
CMP 30HX — questions courantes
CMP 30HX— qui le fait ?
Ceci est un produit de NVIDIA, avec la puce fabriquée par TSMC, sur un processus de 12 .
CMP 30HX— quand a-t-il été publié ?
Il a été publié dans February 2021.
CMP 30HX— combien de puissance cela utilise-t-il ?
La puissance nominale de la carte est 125 W, et l'alimentation électrique système suggérée est 300 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.
CMP 30HX— combien de cache a-t-il ?
Le cache L1 est 64 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.
CMP 30HX— quelles sont ses TFLOPS ?
Il est évalué à 10.1 TFLOPS à moitié précision et 5 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.
CMP 30HX— est-ce qu'il prend en charge CUDA ?
Oui. Il rapporte la capacité de calcul CUDA. 7.5. 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.
CMP 30HX— quel interface de bus utilise-t-il ?
Cela utilise PCIe 1.0 x4. 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.
CMP 30HX— est-ce bon pour exécuter des modèles d'IA locaux ?
Sa mémoire la limite à des modèles plus petits, bien que sa bande passante signifie que la génération sera lente sur des modèles plus grands. En tout, elle fonctionne 266 des modèles que nous suivons. Que cela soit suffisant dépend entièrement du modèle que vous voulez — le tableau ci-dessus répond directement à cela.
CMP 30HX— peut-il exécuter un modèle qui ne tient pas dans sa VRAM ?
Seulement en partie. Couches au-delà de la carte 6 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.
Serait deux CMP 30HX les cartes peuvent-elles être deux fois plus rapides ?
Non. Une deuxième carte double la mémoire à 12 GB de mémoire combinée, à peu près à la même vitesse de génération qu'un.
CMP 30HX— quels modèles d'IA peut-il exécuter ?
266 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.
CMP 30HX— quel est le plus grand modèle AI qu'il peut exécuter ?
Le plus grand modèle de notre catalogue qui s'adapte est Qwen-VL à 9.6B paramètres, compressé à Q3_K_M. Cela génère à peu près 40.0 tokens par seconde et a besoin d'environ 5.4 Go de la mémoire de la carte.
CMP 30HX— 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 142 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.
CMP 30HX— peut-il fonctionner 7B modèles ?
Oui. Par exemple, cela fonctionne. MetaMath 7B (Mistral finetune) à IQ4_XS, environ 5.1 Go de mémoire et générant environ 49.9 tokens par seconde
CMP 30HX— combien de mémoire cela a-t-il?
Cette carte a 6 GB de GDDR6. Environ un dixième est réservé par le runtime d'inférence et le driver, laissant à peu près 5.4 GB disponible pour un modèle et sa conversation.
CMP 30HX— quelle est sa bande passante de VRAM ?
La bande passante de la VRAM atteint 336 GB/s à travers un bus de 192 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.
CMP 30HX— Quel type de mémoire utilise-t-il ?
Cela utilise GDDR6 à fréquence de 1.75 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.
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.