Calculer le TPS de la Radeon Instinct MI350X 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
Nemotron 3 Ultra
550B · Q3_K_M · 73.8 tok/s
Modèle le plus rapide
Gemma 3 QAT 1B
2,706 tok/s · 1B
Quels modèles d'IA peuvent fonctionner sur un Radeon Instinct MI350X?
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..
652 les modèles correspondent
Calcul en cours| Quantification | Convient | ||||||
|---|---|---|---|---|---|---|---|
|
2,706
tok/s
1,623–4,329 · faible confiance |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
2,706
tok/s
1,623–4,329 · faible confiance |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k jetons | Q8_0 | Confortable |
|
2,706
tok/s
1,623–4,329 · faible confiance |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,706
tok/s
1,623–4,329 · faible confiance |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,706
tok/s
1,623–4,329 · faible confiance |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,706
tok/s
1,623–4,329 · faible confiance |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,505
tok/s
1,503–4,008 · faible confiance |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,460
tok/s
1,476–3,935 · faible confiance |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,460
tok/s
1,476–3,935 · faible confiance |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,460
tok/s
1,476–3,935 · faible confiance |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,460
tok/s
1,476–3,935 · faible confiance |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,255
tok/s
1,353–3,607 · faible confiance |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,255
tok/s
1,353–3,607 · faible confiance |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,255
tok/s
1,353–3,607 · faible confiance |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,255
tok/s
1,353–3,607 · faible confiance |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,200
tok/s
1,320–3,519 · faible confiance |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k jetons | Q8_0 | Confortable |
|
2,169
tok/s
1,301–3,470 · faible confiance |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · faible confiance |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · faible confiance |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · faible confiance |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · faible confiance |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · faible confiance |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · faible confiance |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · faible confiance |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k jetons ? | Q8_0 | Confortable |
|
2,081
tok/s
1,249–3,330 · 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
Radeon Instinct MI350X 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
- 288 GB
- Bande passante de la VRAM
- 8,190 GB/s
- Type de mémoire
- HBM3e
- Largeur du bus mémoire
- 8,192 bit
- Fréquence mémoire
- 2 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
- Galaxy
- Architecture
- CDNA 4.0
- Génération
- Radeon Instinct(MIx)
- Fonderie
- TSMC
- Taille du processus
- 3 nm
- Nouvelles versions
- 1 January 2025
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 GHz
- Fréquence d'horloge boost
- 2.2 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
- 16,384
- Unités de cartographie de texture
- 1,024
- Cache L1
- 16 KB
- Cache L2
- 16 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)
- 576.7 TFLOPS
- Précision simple (FP32)
- 72.1 TFLOPS
- Double précision (FP64)
- 72.1 TFLOPS
- Taux de texture
- 2,253 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)
- 1,000 W
- Alimentation électrique suggérée
- 1,400 W
- Connecteurs d'alimentation
- None
- Interface de bus
- PCIe 5.0 x16
- Largeur de slot
- OAM Module
- Dimensions
- 102 mm × 165 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.
- OpenCL
- 3.0
Annonces
Où acheter un Radeon Instinct MI350X
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
Pourquoi la mémoire est le nombre qui compte ici
Mémoire
288 GB
Bande passante
8,190 GB/s
Modèle le plus grand
Nemotron 3 Ultra
Radeon Instinct MI350X tient 288 GB de HBM3e. 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 259.2 GB.
La bande passante de la VRAM atteint 8,190 GB/s à travers un bus de 8,192 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.
La bande passante est le produit de la fréquence d'horloge et de la largeur du bus, et cette carte fonctionne sa mémoire à 2 GHz. Les deux moitiés comptent, et aucune n'est visible dans un benchmark de jeu.
La plus grande chose qu'il contient est Nemotron 3 Ultra, 550B, compressé à Q3_K_M et générant autour 73.8 tokens par seconde
Le chip et comment il a été construit
Radeon Instinct MI350X est construit sur le processeur graphique Galaxy, utilisant l'architecture CDNA 4.0 de AMD, dans le cadre de la génération Radeon Instinct(MIx).
Le chip est fabriqué par TSMC, sur un processus de 3 . 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 January 2025, approximativement 1.5804995632925 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
576.7 TFLOPS
FP64
72.1 TFLOPS
Sur le papier Radeon Instinct MI350X atteint 576.7 TFLOPS à demi-précision, et 72.1 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 72.1 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.
Les horloges fonctionnent à partir d'une base de 1 GHz à un coup de 2.2 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
Radeon Instinct MI350X a un cache L1 de 16 KO, soutenu par un cache L2 de 16 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 16,384 Unités de shading, 1,024 Unités de cartographie de texture. 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
1,000 W
Radeon Instinct MI350X est évalué à 1,000 W, et l'alimentation électrique système suggérée est 1,400 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 oam module, mesurer 102 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 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 Radeon Instinct MI350X
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 Radeon Instinct MI350X
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 Radeon Instinct MI350X
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
Trouvez le modèle dans le tableau.
Le tableau liste 652 modèles que cette carte exécute. La recherche affine la liste par nom ou par taille.
-
02
Décidez combien de temps vos conversations tournent
Des conversations plus longues coûtent de la mémoire en plus des poids. 288 GB cela est fréquemment la différence entre un modèle qui s'adapte et un qui ne s'adapte pas.
-
03
Définissez une qualité minimale si vous en avez besoin
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
Chaque vitesse est une estimation pour une seule conversation, avec une plage en dessous. L'extrémité supérieure ici est 2,706 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 288 GB.
-
06
Ouvrez le modèle pour comparer les cartes
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 Radeon Instinct MI350X.
Réponses
Radeon Instinct MI350X — questions courantes
Radeon Instinct MI350X— 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 404 tokens par seconde
Radeon Instinct MI350X— peut-il fonctionner 13B modèles ?
Oui. Par exemple, cela fonctionne. DeepSeekMoE-16B à Q8_0, environ 17.5 Go de mémoire et générant environ 939 tokens par seconde
Radeon Instinct MI350X— 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 537 tokens par seconde
Radeon Instinct MI350X— 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 188 tokens par seconde
Radeon Instinct MI350X— combien de mémoire cela a-t-il?
Cette carte a 288 GB de HBM3e. Environ un dixième est réservé par le runtime d'inférence et le driver, laissant à peu près 259.2 GB disponible pour un modèle et sa conversation.
Radeon Instinct MI350X— quelle est sa bande passante de VRAM ?
La bande passante de la VRAM atteint 8,190 GB/s à travers un bus de 8,192 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.
Radeon Instinct MI350X— Quel type de mémoire utilise-t-il ?
Cela utilise HBM3e à fréquence de 2 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.
Radeon Instinct MI350X— qui le fait ?
Ceci est un produit de AMD, avec la puce fabriquée par TSMC, sur un processus de 3 .
Radeon Instinct MI350X— quand a-t-il été publié ?
Il a été publié dans January 2025.
Radeon Instinct MI350X— combien de puissance cela utilise-t-il ?
La puissance nominale de la carte est 1,000 W, et l'alimentation électrique système suggérée est 1,400 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.
Radeon Instinct MI350X— combien de cache a-t-il ?
Le cache L1 est 16 KO, et le cache L2 est 16 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.
Radeon Instinct MI350X— quelles sont ses TFLOPS ?
Il est évalué à 576.7 TFLOPS à moitié précision et 72.1 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.
Radeon Instinct MI350X— est-ce qu'il prend en charge CUDA ?
Non. CUDA est réservé à NVIDIA, et c'est une carte de AMD. Il exécute des modèles linguistiques via ROCm, Vulkan ou Metal en fonction du logiciel, qui sont moins matures que le chemin CUDA — nos estimations appliquent une pénalité pour cela.
Radeon Instinct MI350X— 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.
Radeon Instinct MI350X— 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 652 des modèles que nous suivons. Que cela soit suffisant dépend entièrement du modèle que vous voulez — le tableau ci-dessus répond directement à cela.
Radeon Instinct MI350X— peut-il exécuter un modèle qui ne tient pas dans sa VRAM ?
Il peut être divisé, avec le débordement conservé en mémoire système au-delà de la carte. 288 GB est possible et généralement une fausse économie : la partie mémoire-système est suffisamment lente pour dominer le résultat.
Serait deux Radeon Instinct MI350X les cartes peuvent-elles être deux fois plus rapides ?
La capacité augmente, le débit ne change pas. Deux d'entre eux vous donnent 576 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.
Radeon Instinct MI350X— quels modèles d'IA peut-il exécuter ?
652 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.
Radeon Instinct MI350X— quel est le plus grand modèle AI qu'il peut exécuter ?
Le plus grand modèle de notre catalogue qui s'adapte est Nemotron 3 Ultra à 550B paramètres, compressé à Q3_K_M. Cela génère à peu près 73.8 tokens par seconde et a besoin d'environ 239.6 Go de la mémoire de la carte.
Radeon Instinct MI350X— 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 2,706 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.
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.