Calculer le TPS de la H100 PCIe 96 GB 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
dots.llm1
142B · IQ4_XS · 24.6 tok/s
Modèle le plus rapide
Gemma 3 QAT 1B
1,423 tok/s · 1B
Quels modèles d'IA peuvent fonctionner sur un H100 PCIe 96 GB?
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..
609 les modèles correspondent
Calcul en cours| Quantification | Convient | ||||||
|---|---|---|---|---|---|---|---|
|
1,423
tok/s
1,210–1,708 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
1,423
tok/s
1,210–1,708 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
1,423
tok/s
854–2,277 · faible confiance |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,423
tok/s
854–2,277 · faible confiance |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,423
tok/s
854–2,277 · faible confiance |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,423
tok/s
854–2,277 · faible confiance |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,318
tok/s
791–2,108 · faible confiance |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,294
tok/s
776–2,070 · faible confiance |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,294
tok/s
776–2,070 · faible confiance |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,294
tok/s
776–2,070 · faible confiance |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,294
tok/s
776–2,070 · faible confiance |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,186
tok/s
712–1,897 · faible confiance |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,186
tok/s
712–1,897 · faible confiance |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,186
tok/s
712–1,897 · faible confiance |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,186
tok/s
712–1,897 · faible confiance |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,157
tok/s
983–1,388 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k jetons | Q8_0 | Confortable |
|
1,141
tok/s
684–1,825 · faible confiance |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · faible confiance |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · faible confiance |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · faible confiance |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · faible confiance |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · faible confiance |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · faible confiance |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · faible confiance |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
1,095
tok/s
657–1,751 · 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
H100 PCIe 96 GB 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
- 96 GB
- Bande passante de la VRAM
- 3,360 GB/s
- Type de mémoire
- HBM3
- Largeur du bus mémoire
- 5,120 bit
- Fréquence mémoire
- 1.31 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
- GH100
- Architecture
- Hopper
- Génération
- Server Hopper(Hxx)
- Fonderie
- TSMC
- Taille du processus
- 5 nm
- Transistors
- 80 billion
- Densité de transistor
- 98,300 K/mm²
- Taille de die
- 814 mm²
- Nouvelles versions
- 21 March 2023
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
- 1.67 GHz
- Fréquence d'horloge boost
- 1.84 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
- 16,896
- Unités de cartographie de texture
- 528
- Rendre unités de sortie
- 24
- Multiprocesseurs de flux
- 132
- Cœurs Tensor
- 528
- Cache L1
- 250 KB
- Cache L2
- 50 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)
- 248.3 TFLOPS
- Précision simple (FP32)
- 62.1 TFLOPS
- Double précision (FP64)
- 31 TFLOPS
- Taux de pixels
- 44 GPixel/s
- Taux de texture
- 970 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)
- 700 W
- Alimentation électrique suggérée
- 1,100 W
- Connecteurs d'alimentation
- 8-pin EPS
- Interface de bus
- PCIe 5.0 x16
- Largeur de slot
- Dual-slot
- Dimensions
- 268 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
- 9.0
- OpenCL
- 3.0
Annonces
Où acheter un H100 PCIe 96 GB
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
96 GB
Bande passante
3,360 GB/s
Modèle le plus grand
dots.llm1
H100 PCIe 96 GB tient 96 GB de HBM3. Cela le place dans la catégorie de matériel qui accueille les plus grands modèles open-weight sans les répartir sur plusieurs machines. Un temps d'inférence peut atteindre environ 86.4 GB.
La bande passante de la VRAM atteint 3,360 GB/s à travers un bus de 5,120 bits. C'est au sommet de ce qui existe. Puisque chaque jeton signifie lire le modèle entier hors de la VRAM une fois, cela se traduit presque directement en vitesse de génération — cette CARTE est suffisamment riche en bande passante pour que la taille du modèle cesse d'être le facteur limitant bien avant que le bus ne le soit.
Le chiffre est la largeur du bus multipliée par une horloge de mémoire de 1.31 GHz. Les deux moitiés comptent, et aucune n'est visible dans un benchmark de jeu.
Dans la pratique, cette combinaison atteint un maximum de dots.llm1, 142B, compressé à IQ4_XS et générant autour 24.6 tokens par seconde
Le chip et comment il a été construit
H100 PCIe 96 GB est construit sur le processeur graphique GH100, utilisant l'architecture Hopper de NVIDIA, dans le cadre de la génération Server Hopper(Hxx).
Le chip est fabriqué par TSMC, sur un processus de 5 , avec un dé mesurant 814 mm², tenue 80 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 March 2023, approximativement 3.3640602468745 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
248.3 TFLOPS
FP64
31 TFLOPS
Cœurs Tensor
528
Sur le papier H100 PCIe 96 GB atteint 248.3 TFLOPS à demi-précision, et 62.1 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 31 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 528 Cœurs Tensor à travers 132 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 1.67 GHz à un coup de 1.84 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
H100 PCIe 96 GB a un cache L1 de 250 KO, soutenu par un cache L2 de 50 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 16,896 Unités de shading, 528 Unités de cartographie de texture, et 24 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
700 W
H100 PCIe 96 GB est évalué à 700 W, et l'alimentation électrique système suggérée est 1,100 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 268 mm long, et besoins 8-pin EPS. 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 5.0 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 H100 PCIe 96 GB
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 H100 PCIe 96 GB
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 H100 PCIe 96 GB
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 609 modèles que cette carte exécute. La recherche affine la liste par nom ou par taille.
-
02
Associez le contexte à votre travail
Des conversations plus longues coûtent de la mémoire en plus des poids. 96 GB c'est souvent ce qui pousse un grand modèle au-delà du seuil.
-
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 1,423 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 colonne de mémoire avant de vous engager
Un ajustement serré fonctionne mais ne laisse aucune place pour augmenter le contexte plus tard ; confortable a de la marge. La colonne de mémoire montre ce que chaque modèle nécessite par rapport à un disponible. 96 GB.
-
06
Ouvrez le modèle pour comparer les cartes
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 H100 PCIe 96 GB.
Réponses
H100 PCIe 96 GB — questions courantes
H100 PCIe 96 GB— quand a-t-il été publié ?
Il a été publié dans March 2023.
H100 PCIe 96 GB— combien de puissance cela utilise-t-il ?
La puissance nominale de la carte est 700 W, et l'alimentation électrique système suggérée est 1,100 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.
H100 PCIe 96 GB— combien de cache a-t-il ?
Le cache L1 est 250 KO, et le cache L2 est 50 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.
H100 PCIe 96 GB— quelles sont ses TFLOPS ?
Il est évalué à 248.3 TFLOPS à moitié précision et 62.1 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.
H100 PCIe 96 GB— combien de cœurs tensoriels a-t-il ?
Il a 528 Cœurs Tensor à travers 132 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.
H100 PCIe 96 GB— est-ce qu'il prend en charge CUDA ?
Oui. Il rapporte la capacité de calcul CUDA. 9.0. 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.
H100 PCIe 96 GB— quel interface de bus utilise-t-il ?
Cela utilise PCIe 5.0 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.
H100 PCIe 96 GB— est-ce bon pour exécuter des modèles d'IA locaux ?
Sa mémoire est suffisamment grande pour des modèles que la plupart des matériels de bureau ne peuvent pas toucher et sa bande passante la place parmi le matériel le plus rapide disponible pour la génération. En tout, elle fonctionne 609 des modèles que nous suivons. Que cela soit suffisant dépend entièrement du modèle que vous voulez — le tableau ci-dessus répond directement à cela.
H100 PCIe 96 GB— peut-il exécuter un modèle qui ne tient pas dans sa VRAM ?
Déchargement au-delà de la carte 96 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 H100 PCIe 96 GB les cartes peuvent-elles être deux fois plus rapides ?
Les associer achète de la marge plutôt que du rythme : 192 GB de mémoire combinée, à peu près à la même vitesse de génération qu'un.
H100 PCIe 96 GB— quels modèles d'IA peut-il exécuter ?
609 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.
H100 PCIe 96 GB— quel est le plus grand modèle AI qu'il peut exécuter ?
Le plus grand modèle de notre catalogue qui s'adapte est dots.llm1 à 142B paramètres, compressé à IQ4_XS. Cela génère à peu près 24.6 tokens par seconde et a besoin d'environ 78.3 Go de la mémoire de la carte.
H100 PCIe 96 GB— 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 1,423 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.
H100 PCIe 96 GB— 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 212 tokens par seconde
H100 PCIe 96 GB— peut-il fonctionner 13B modèles ?
Oui. Par exemple, cela fonctionne. DeepSeekMoE-16B à Q8_0, environ 17.5 Go de mémoire et générant environ 494 tokens par seconde
H100 PCIe 96 GB— peut-il fonctionner 30B modèles ?
Oui. Par exemple, cela fonctionne. ERNIE-4.5-VL-28B-A3B à Q8_0, environ 29.2 Go de mémoire et générant environ 282 tokens par seconde
H100 PCIe 96 GB— peut-il fonctionner 70B modèles ?
Oui. Par exemple, cela fonctionne. Qwen3-Coder-Next à Q8_0, environ 80.7 Go de mémoire et générant environ 98.8 tokens par seconde
H100 PCIe 96 GB— combien de mémoire cela a-t-il?
Cette carte a 96 GB de HBM3. Environ un dixième est réservé par le runtime d'inférence et le driver, laissant à peu près 86.4 GB disponible pour un modèle et sa conversation.
H100 PCIe 96 GB— quelle est sa bande passante de VRAM ?
La bande passante de la VRAM atteint 3,360 GB/s à travers un bus de 5,120 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.
H100 PCIe 96 GB— Quel type de mémoire utilise-t-il ?
Cela utilise HBM3 à fréquence de 1.31 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.
H100 PCIe 96 GB— qui le fait ?
Ceci est un produit de NVIDIA, avec la puce fabriquée par TSMC, sur un processus de 5 .
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.