Calculer le TPS de la RTX A4 Mobile 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
DeciLM 6B
5.7B · Q3_K_M · 44.9 tok/s
Modèle le plus rapide
Gemma 3 QAT 1B
94.9 tok/s · 1B
Quels modèles d'IA peuvent fonctionner sur un RTX A4 Mobile?
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..
97 les modèles correspondent
Calcul en cours| Quantification | Convient | ||||||
|---|---|---|---|---|---|---|---|
|
94.9
tok/s
81–114 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
94.9
tok/s
81–114 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
94.9
tok/s
57–152 · faible confiance |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
94.9
tok/s
57–152 · faible confiance |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
94.9
tok/s
57–152 · faible confiance |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
94.9
tok/s
57–152 · faible confiance |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
87.8
tok/s
53–141 · faible confiance |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.3
tok/s
52–138 · faible confiance |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.3
tok/s
52–138 · faible confiance |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.3
tok/s
52–138 · faible confiance |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
86.3
tok/s
52–138 · faible confiance |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.1
tok/s
47–126 · faible confiance |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.1
tok/s
47–126 · faible confiance |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.1
tok/s
47–126 · faible confiance |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
79.1
tok/s
47–126 · faible confiance |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
77.1
tok/s
66–93 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 54k jetons | Q8_0 | Confortable |
|
76.1
tok/s
46–122 · faible confiance |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · faible confiance |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · faible confiance |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · faible confiance |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · faible confiance |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · faible confiance |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · faible confiance |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · faible confiance |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
73.0
tok/s
44–117 · 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
RTX A4 Mobile 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
- 4 GB
- Bande passante de la VRAM
- 224 GB/s
- Type de mémoire
- GDDR6
- Largeur du bus mémoire
- 128 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
- GA107
- Architecture
- Ampere
- Génération
- Ampere-MW(Ax000)
- Fonderie
- Samsung
- Taille du processus
- 8 nm
- Transistors
- 8.7 billion
- Densité de transistor
- 43,500 K/mm²
- Taille de die
- 200 mm²
- Paquet
- FCBGA-1358
- Nouvelles versions
- 12 April 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
- 1.3 GHz
- Fréquence d'horloge boost
- 1.77 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
- 2,048
- Unités de cartographie de texture
- 64
- Rendre unités de sortie
- 32
- Multiprocesseurs de flux
- 16
- Cœurs Tensor
- 64
- Cœurs de ray tracing
- 16
- Cache L1
- 128 KB
- Cache L2
- 2 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)
- 7.3 TFLOPS
- Précision simple (FP32)
- 7.3 TFLOPS
- Double précision (FP64)
- 113.3 GFLOPS
- Taux de pixels
- 57 GPixel/s
- Taux de texture
- 113 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.
- Connecteurs d'alimentation
- None
- Interface de bus
- PCIe 4.0 x8
- Largeur de slot
- IGP
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
- 8.6
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modèle de Shader
- 6.8
Annonces
Où acheter un RTX A4 Mobile
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
4 GB
Bande passante
224 GB/s
Modèle le plus grand
DeciLM 6B
RTX A4 Mobile porte seulement 4 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 3.6 GB.
La bande passante de la VRAM atteint 224 GB/s à travers un bus de 128 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.
Le chiffre est la largeur du bus multipliée par une horloge de mémoire de 1.75 GHz. C'est pourquoi les nombres de cœurs prédisent si mal la vitesse de génération.
Le plafond pratique est DeciLM 6B, 5.7B, compressé à Q3_K_M et générant autour 44.9 tokens par seconde
Le chip et comment il a été construit
RTX A4 Mobile est construit sur le processeur graphique GA107, utilisant l'architecture Ampere de NVIDIA, dans le cadre de la génération Ampere-MW(Ax000).
Le chip est fabriqué par Samsung, sur un processus de 8 , avec un dé mesurant 200 mm², tenue 8.7 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 April 2021, approximativement 5.3037815168582 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
7.3 TFLOPS
FP64
113.3 GFLOPS
Cœurs Tensor
64
Sur le papier RTX A4 Mobile atteint 7.3 TFLOPS à demi-précision, et 7.3 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 113.3 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.
La carte porte 64 Cœurs Tensor à travers 16 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 1.3 GHz à un coup de 1.77 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
RTX A4 Mobile a un cache L1 de 128 KO, soutenu par un cache L2 de 2 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 2,048 Unités de shading, 64 Unités de cartographie de texture, et 32 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
La carte occupe igp. 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 4.0 x8. 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 RTX A4 Mobile
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 RTX A4 Mobile
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 RTX A4 Mobile
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 97 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
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. 4 GB donc le réglage vaut la peine d'être bien fait.
-
03
Choisissez jusqu'où vous allez compresser
Par défaut, le tableau sélectionne la copie la moins compressée qui s'adapte. Fixer un seuil élimine les modèles qui ne se qualifient que par une compression importante.
-
04
Regardez la gamme, pas seulement le nombre
Les chiffres sont calculés, pas mesurés. Le résultat le plus rapide sur cette carte est 94.9 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 4 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 RTX A4 Mobile.
Réponses
RTX A4 Mobile — questions courantes
RTX A4 Mobile— peut-il exécuter un modèle qui ne tient pas dans sa VRAM ?
Déchargement au-delà de la carte 4 GB est possible et généralement une fausse économie : la partie mémoire-système est suffisamment lente pour dominer le résultat.
Serait deux RTX A4 Mobile les cartes peuvent-elles être deux fois plus rapides ?
Les associer achète de la marge plutôt que du rythme : 8 GB travailler avec plutôt que deux fois les tokens par seconde — chaque chiffre ici est pour une seule carte.
RTX A4 Mobile— quels modèles d'IA peut-il exécuter ?
97 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.
RTX A4 Mobile— quel est le plus grand modèle AI qu'il peut exécuter ?
Le plus grand modèle de notre catalogue qui s'adapte est DeciLM 6B à 5.7B paramètres, compressé à Q3_K_M. Cela génère à peu près 44.9 tokens par seconde et a besoin d'environ 3.5 Go de la mémoire de la carte.
RTX A4 Mobile— 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 94.9 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.
RTX A4 Mobile— combien de mémoire cela a-t-il?
Cette carte a 4 GB de GDDR6. Environ un dixième est réservé par le runtime d'inférence et le driver, laissant à peu près 3.6 GB disponible pour un modèle et sa conversation.
RTX A4 Mobile— quelle est sa bande passante de VRAM ?
La bande passante de la VRAM atteint 224 GB/s à travers un bus de 128 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.
RTX A4 Mobile— 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.
RTX A4 Mobile— qui le fait ?
Ceci est un produit de NVIDIA, avec la puce fabriquée par Samsung, sur un processus de 8 .
RTX A4 Mobile— quand a-t-il été publié ?
Il a été publié dans April 2021.
RTX A4 Mobile— combien de cache a-t-il ?
Le cache L1 est 128 KO, et le cache L2 est 2 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.
RTX A4 Mobile— quelles sont ses TFLOPS ?
Il est évalué à 7.3 TFLOPS à moitié précision et 7.3 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.
RTX A4 Mobile— combien de cœurs tensoriels a-t-il ?
Il a 64 Cœurs Tensor à travers 16 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.
RTX A4 Mobile— est-ce qu'il prend en charge CUDA ?
Oui. Il rapporte la capacité de calcul CUDA. 8.6. 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.
RTX A4 Mobile— quel interface de bus utilise-t-il ?
Cela utilise PCIe 4.0 x8. 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.
RTX A4 Mobile— 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 97 des modèles que nous suivons. Que cela soit suffisant dépend entièrement du modèle que vous voulez — le tableau ci-dessus répond directement à cela.
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.