Számítsa ki a TPS-t a Tesla M2075 helyi AI modellek
Minden modell a katalógusunkban, amelyet ezzel a kártyával értékeltünk a kiválasztott kontextus hosszán és minimális minőségen. A sebesség egyetlen kérés becslése, amelyet ezen kártya memória sávszélessége és minden modell mérete alapján számoltak ki, miután tömörítették..
Kiszámítva ehhez a kártyához
721 modellek az adatbázisunkban összesen
A legnagyobb modell, amit tartalmaz.
Qwen-VL
9.6B · Q3_K_M · 15.2 tok/s
Leggyorsabb modell
Gemma 3 QAT 1B
54.1 tok/s · 1B
Mely AI modellek futhatnak egy Tesla M2075?
Állítsa be a bemeneteket, olvassa el a választ
Több kontextus több MEMÓRIÁT jelent a beszélgetés gyorsítótárához. A sebesség egy friss beszélgetéshez való, és nem változik ezzel a beállítással..
Elrejti azokat a modelleket, amelyek csak ezen a ponton alá tömörítve férnének el..
280 modellek megfelelnek
Számítás| Kvantisálás | Illeszkedik | ||||||
|---|---|---|---|---|---|---|---|
|
54.1
tok/s
19–108 · alacsony bizalom |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokenek | Q8_0 | Kényelmes |
|
54.1
tok/s
19–108 · alacsony bizalom |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokenek | Q8_0 | Kényelmes |
|
54.1
tok/s
19–108 · alacsony bizalom |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
54.1
tok/s
19–108 · alacsony bizalom |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
54.1
tok/s
19–108 · alacsony bizalom |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
54.1
tok/s
19–108 · alacsony bizalom |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
50.1
tok/s
18–100 · alacsony bizalom |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
49.2
tok/s
17–98 · alacsony bizalom |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
49.2
tok/s
17–98 · alacsony bizalom |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
49.2
tok/s
17–98 · alacsony bizalom |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
49.2
tok/s
17–98 · alacsony bizalom |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
45.1
tok/s
16–90 · alacsony bizalom |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
45.1
tok/s
16–90 · alacsony bizalom |
LFM2-1.2B ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
45.1
tok/s
16–90 · alacsony bizalom |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
45.1
tok/s
16–90 · alacsony bizalom |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
45.1
tok/s
16–90 · alacsony bizalom |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
44.0
tok/s
15–88 · alacsony bizalom |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 113k tokenek | Q8_0 | Kényelmes |
|
43.4
tok/s
15–87 · alacsony bizalom |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
41.6
tok/s
15–83 · alacsony bizalom |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
41.6
tok/s
15–83 · alacsony bizalom |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
41.6
tok/s
15–83 · alacsony bizalom |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
41.6
tok/s
15–83 · alacsony bizalom |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
41.6
tok/s
15–83 · alacsony bizalom |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
41.6
tok/s
15–83 · alacsony bizalom |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
41.6
tok/s
15–83 · alacsony bizalom |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
A sebességek egyetlen kérésre vonatkozó becslések — egy beszélgetés egyszerre — a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítva. A valódi áteresztő képesség változik az INFERENCE RUNTIME-jal és annak verziójával. A HARDWARE VENDORS által közzétett számadatok sok egyidejű kérést mérnek és sokkal magasabbak..
Nyilvántartásban
Tesla M2075 Teljes specifikáció
Minden az erre a lapra vonatkozóan, rendezve aszerint, mennyire befolyásolja egy nyelvi modell futtatását, nem pedig aszerint, ahogyan egy specifikációs táblázat felsorolná. A MEMORY az első, mert ez határozza meg az eredményt; a többi a CONTEXT..
VRAM
A két specifikáció, amely meghatározza, hogy ez a KÁRTYA mit tud futtatni és milyen gyorsan. A kapacitás határozza meg, hogy mely modellek férnek el; a sávszélesség határozza meg, hogy másodpercenként hány tokent termelnek, miután elindultak.
- Memóriaméret
- 6 GB
- Memória sávszélesség
- 150 GB/s
- Memória típus
- GDDR5
- Memória busz szélessége
- 384 bit
- Memória óra
- 783 MHz
A chip
Milyen processzor található az alaplapon és hogyan gyártották? A kisebb gyártási méret általában nagyobb teljesítményt jelent ugyanazon energiafogyasztás mellett.
- Grafikus feldolgozó
- GF110
- Architektúra
- Fermi 2.0
- Generáció
- Tesla Fermi(x20xx)
- Öntödé
- TSMC
- Feldolgozási méret
- 40 nm
- Tranzisztorok
- 3 billion
- Tranzisztor sűrűség
- 5,800 K/mm²
- Die méret
- 520 mm²
- Csomag
- BGA-1981
- Kiadott
- 25 July 2011
Óra sebességek
Milyen gyorsan fut a processzor. Itt sokkal kevesebbet ér, mint egy játékteszt során: a szöveggenerálás a memória sávszélessége által korlátozott, így egy magasabb órajel alig mozdítja el az eredményt.
- Alap óra
- 574 MHz
- Turbóóra
- 574 MHz
Feldolgozó egységek
Mit tartalmaz a chip. Ezek hajtják a grafikai teljesítményt, és elsősorban a hosszú prompt feldolgozása szempontjából számítanak, nem pedig a válasz előállítása miatt.
- árnyékoló egységek
- 448
- Textúrázási egységek
- 56
- Kép renderelő egységek
- 48
- Streaming multiprocesszorok
- 14
- L1 gyorsítótár
- 64 KB
- L2 gyorsítótár
- 0.75 MB
Elméleti teljesítmény
A lapra közzétett csúcsaritmetikai sebességek. Ezek olyan plafonok, amelyeket egy valódi munkaterhelés sem ér el, és a szöveg generálása csak ezek kis részét éri el, mert a memória korlátozza, nem az aritmetika.
- Egyszeres pontosság (FP32)
- 1 TFLOPS
- Kettős pontosság (FP64)
- 513.9 GFLOPS
- Pixelek aránya
- 16 GPixel/s
- Textúra sebesség
- 32 GTexel/s
A lap
Mi szükséges a kártya fizikális telepítéséhez és működtetéséhez - azok a gyakorlati korlátok, amelyek eldöntik, hogy illeszkedik-e a már meglévő géphez.
- Teljesítményfelvétel (TDP)
- 225 W
- Javasolt tápegység
- 550 W
- Áramellátó csatlakozók
- 1x 6-pin + 1x 8-pin
- Busz interfész
- PCIe 2.0 x16
- Slot szélesség
- Dual-slot
- Dimenziók
- 248 mm
Szoftver-támogatás
Milyen grafikai és számítási interfészeket támogat a kártya. A CUDA számítási képesség az, amely hatással van a következtetésre: 7.0 alatt nincsenek tensor magok, és a modern következtető szoftver a lassabb kódpathokra tér vissza.
- CUDA számítási képesség
- 2.0
- DirectX
- 11.0
- OpenGL
- 4.6
- OpenCL
- 1.1
- Shader modell
- 5.1
Lista
Hol lehet venni egy Tesla M2075
Jelenleg egyetlen forgalmazó sem listázza ezt a kártyát. A listák olyan forgalmazóktól származnak, akik közvetlenül itt publikálják őket. — böngészés a forgalmazói könyvtárban látni, hogy ki mit árul.
Mit jelentenek a számok
Mit jelent a memóriaalrendszer az AI számára
VRAM
6 GB
Sávszélesség
150 GB/s
Legnagyobb modell
Qwen-VL
Tesla M2075 csak hordoz 6 GB -nak GDDR5. Ez korlátozza a katalógus kisebb végére, és egy modellnek teljesen bele kell férnie, mielőtt bármilyen kimenetet generál. Egy futás valójában körülbelül 5.4 GB.
A memóriával rendelkező sávszélesség eléri 150 GB/s egy buszon keresztül a 384 bit. A Sávszélesség ennek a kártyának a valódi korlátozása. Minden token megköveteli az egész modell kiolvasását a memóriából, így egy nagy modell lassúnak tűnik itt, még akkor is, ha belefér.
A szám a busz szélessége és a memória óra szorzataként van. 783 MHz. Mindkét fél fontos, és egyik sem látható egy játéktesztben.
Összeállítva a legnagyobb modell, ami belefér, az Qwen-VL, 9.6B, tömörítve Q3_K_M és generálás körül 15.2 tokenek másodpercenként
A chip és hogy hogyan építették.
Tesla M2075 a grafikus feldolgozón van építve GF110, az architektúra használatával Fermi 2.0 ból NVIDIA, a generáció részeként Tesla Fermi(x20xx).
A chip-et a következő gyártó készíti TSMC, egy folyamatban 40 , egy kockával, amely méri 520 mm², tartás 3 billion Tranzisztorok. Egy kisebb folyamat általában nagyobb teljesítményt jelent ugyanannyi energia mellett, bár a nyelvi modellek esetében ez sokkal kevésbé számít, mint a memória alrendszer.
Megjelent a July 2011, nagyjából 15.142597518016 évekkel ezelőtt. A következtetési szoftver támogatás általában egy-két évvel követi a hardvert, így egy ilyen korú KÁRTYA általában érett, jól optimalizált kódútvonalakkal rendelkezik.
Számítási áteresztőképesség, és hogy miért számít kevesebbet, mint amilyennek látszik
FP64
513.9 GFLOPS
A dupla pontosságú áteresztőképesség eléri 513.9 GFLOPS. Nincs hatással a nyelvi modell futtatására — a következtetési futási idő nem használja — de elválasztja az adatközponti részeket a fogyasztóiaktól, mivel az utóbbi szándékosan korlátozza azt.
Az órajelek egy alapból futnak 574 MHz egy gyorsításra 574 MHz. Itt sokkal kevesebbet ér, mint egy játékbenchmarkon: az órajelek emelése felgyorsítja az aritmetikát, és az aritmetika nem az, amire a generáció vár.
Cache és feldolgozó egységek
Tesla M2075 L1 gyorsítótárral rendelkezik 64 Kb, L2 gyorsítótár támogatásával 0.75 MB. A cache egy részesedést felszív a memóriaforgalomból, ami egyébként a fő buszt érné el, ami az egyetlen hely ezen az oldalon, ahol a sávszélességen kívül más szám is csendben befolyásolja a generálási sebességet — egy nagy L2 lehetővé teszi, hogy a munkakészlet több része közel maradjon a magokhoz.
Vannak 448 árnyékoló egységek, 56 Textúrázási egységek, és 48 Render kimeneti egységek. Ezek grafikai munkaterheket kezelnek és hozzájárulnak a prompt feldolgozáshoz, de a modell válasz generálásával töltött idő nagy részében tétlenül állnak.
Teljesítmény, méret és telepítés
Teljesítményfogyasztás
225 W
Tesla M2075 rated at 225 W, és a javasolt rendszer tápegység 550 W. Egy nyelvi modell futtatása egy kártyát inkább rövid ideig foglalkoztat, mint folyamatosan — nagy terhelést jelent a generálás során, és kérések között tétlenkedik — így a folyamatos terhelés egy munkanap alatt általában jól a megadott érték alatt van.
A panel elfoglalja dual-slot, mérés 248 mm hosszú, és szükséges 1x 6-pin + 1x 8-pin. Érdemes ellenőrizni a gépben lévő házat és tápegységet, mivel a legnagyobb kártyáknak lényegesen több mindkettőre van szükségük, mint amit egy tipikus asztali gép biztosít.
Csatlakozik a PCIe 2.0 x16. A felület szabályozza, hogy a modell milyen gyorsan töltődik be a lemezről a kártyára, nem azt, hogy ott milyen gyorsan fut, így egy szűkebb kapcsolat néhány másodpercbe kerül a rendszerindításkor, és utána semmi.
Az extremitások
A legnagyobb AI modellek, amelyek futnak egy Tesla M2075
A legnagyobb open weight modellek, amelyek elférnek ezen a kártyán, legújabb elöl. Mindegyik a kártya által elérhető legjobb tömörítésben van megjelenítve..
A leggyorsabb AI modellek egy Tesla M2075
Ahol ez a KÁRTYA a leggyorsabban állítja elő a tokeneket. A kisebb modellek itt dominálnak, mert minden token előállítása azt jelenti, hogy az egész modellt egyszer kell kiolvasni a memóriából..
Lépésről lépésre
Hogyan lehet kiszámolni a tokenek másodpercenként egy Tesla M2075
Nem kell semmit kézzel kiszámolnod — a gputps.com kalkulátor ezen az oldalon már kiszámította minden modelféleséghez, amit ez a kártya elbír. A válasz leolvasása hat lépést igényel..
-
01
Keresd a modellt a táblázatban
A táblázat felsorolja 280 modellek, amelyeket ez a kártya futtathat. Keresés név vagy méret szerint — a 27b beírása a paraméterek számán illeszkedik, még akkor is, ha a név soha nem mondja ki.
-
02
Döntsön arról, hogy mennyi ideig tartanak a beszélgetései.
Húzza el a csúszkát a tervezett beszélgetési hosszhoz, amin dolgozni kíván. A cache a beszélgetéssel nő, és egy kártyával szemben tart. 6 GB tehát a beállítást megéri jól csinálni.
-
03
Válaszd ki, meddig szeretnéd tömöríteni.
Minden modell a legjobb tömörítésnél van megjelenítve, amit ez a KÁRTYA elbír. Egy minimális minőség elrejti azokat, amelyek csak úgy férnek el, ha további szorításra kerülnek, mint amit te elfogadnál.
-
04
Olvasd el a sebességet és a hatótávolságot
A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 54.1 tok/s on Gemma 3 QAT 1B. Ugyanaz a Kártya és Modell harminc és ötven százalékos eltérést mutat a következtetési futási idők között.
-
05
Ellenőrizze a szabad helyet, mielőtt döntést hozna
A Szoros azt jelenti, hogy ma működik; a Kényelmes azt jelenti, hogy még mindig működik, amikor a beszélgetés nő. Hasonlítsa össze, hogy az egyes modelleknek mire van szükségük egy elérhetővel. 6 GB.
-
06
Nézd meg ugyanazt a modellt a másik oldalról
Minden modell oldala megismétli ezt a számítást az egész katalógusra. Érdemes megnézni, mielőtt döntesz: megmutatja, mi fut még ugyanazzal a modellel, mellette Tesla M2075.
Válaszok
Tesla M2075 — gyakori kérdések
Tesla M2075— mi a memória-sávszélessége?
A memóriával rendelkező sávszélesség eléri 150 GB/s egy buszon keresztül a 384 bit. Ez a legjobb előrejelzője annak, hogy milyen gyorsan generál szöveget, mert minden egyes token előállítása azt jelenti, hogy az egész modellt egyszer el kell olvasni a memóriából.
Tesla M2075— Milyen típusú MEMORY-t használ?
Használja GDDR5 órára állítva 783 MHz. A HBM típusok adatközponti gyorsítókon találhatók, és sokkal nagyobb sávszélességgel rendelkeznek, mint a GDDR, amit asztali kártyákon használnak, ezért ugyanazon kapacitás mellett jelentősen gyorsabban generálnak tokeneket.
Tesla M2075— ki készíti?
Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 40 .
Tesla M2075— Mikor adták ki?
Megjelent a July 2011.
Tesla M2075— mennyi áramot fogyaszt?
A minősített kártya teljesítménye 225 W, és a javasolt rendszer tápegység 550 W. A szöveg generálása nagy terhelést jelent rövid időszakokra, és a kérések között inaktív, így egy munkamenet alatt a fogyasztás általában jól below van a megadott értéknél.
Tesla M2075— mennyi cache-e van?
Az L1 gyorsítótár 64 Kb, és az L2 gyorsítótár 0.75 MB. A Cache felszívja a memóriaforgalom egy részét, amely egyébként elérné a fő buszt, így egy nagyobb L2 szerény mértékben növeli a generálási sebességet, a sávszélesség által egyedül előre jelzett értékhez képest.
Tesla M2075— Támogatja a CUDA-t?
Igen. Jelentést ad a CUDA számítási képességről. 2.0, ami megelőzi a TENSOR CORES-t. A 7.0 és annál magasabb képességű modellek rendelkeznek tenzormagokkal, amelyeket a modern inferencia szoftver használ; ennél alacsonyabb szinten lassabb kódú utakat használ a kvantált modellekhez.
Tesla M2075— Milyen busz interfészt használ?
Használja PCIe 2.0 x16. Ez szabályozza, hogy milyen gyorsan töltődik be egy modell a kártyára, ahelyett, hogy azt nézné, milyen gyorsan fut, miután betöltődött, így ez néhány másodpercet vesz igénybe a rendszerindításkor, és semmit a generálás során.
Tesla M2075— jó helyi AI modellek futtatására?
Memóriája miatt kisebb modellekre korlátozódik, bár sávszélessége azt jelenti, hogy a generálás lassúnak fog tűnni a nagyobb modellek esetében. Összesen fut 280 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.
Tesla M2075— Futtathat egy modellt, ami nem fér el a VRAM-jában?
Fel lehet osztani, az átlépés a rendszer MEMÓRIÁBAN marad, a kártya mögött. 6 GB lehúzza az egészet, és az ezen az oldalon található számok egyike sem feltételezi azt.
Két Tesla M2075 kártyák kétszer olyan gyorsak lesznek?
A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 12 GB egy GPU-val dolgozni, nem pedig kétszer annyi TOKEN másodpercenként — minden szám egyetlen KÁRTYÁRA vonatkozik.
Tesla M2075— Melyik AI modellt tud futtatni?
280 a 721 A nyomon követett open-weight nyelvi modellek elférnek ezen a kártyán, és helyben futtathatók. Az ezen az oldalon található táblázat minden egyes modellt felsorol, beleértve a szükséges memória mennyiségét, a futtatási kvantálást és a becsült generálási sebességet.
Tesla M2075— Melyik a legnagyobb AI modell, amit futtatni tud?
A katalógusunkban a legnagyobb modell, ami belefér, az Qwen-VL at 9.6B paraméterek, tömörített Q3_K_M. Körülbelül generál. 15.2 token másodpercenként és körülbelül 5.4 A kártya memória GB-ja.
Tesla M2075— mennyi token másodpercenként?
A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 54.1 tokenek másodpercenként, míg a nagyobb modellek arányosan lassabban futnak, mert minden token megköveteli az egész modell memória-ből való egyszeri kiolvasását. A sebességek becslések egyetlen beszélgetés egyidejűleg.
Tesla M2075— futtatható-e 7B modellek?
Igen. Például fut. Gemma 4 E4B at Q3_K_M, használva körülbelül 5.2 GB memória és körülbelül generálás 32.5 tokenek másodpercenként
Tesla M2075— mennyi VRAM-ja van?
Ez a KÁRTYA rendelkezik 6 GB -nak GDDR5. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 5.4 GB elérhető egy AI modell számára és annak beszélgetéséhez.
A másik irány
Másik oldalról nézve?
Ez az oldal a hardverrel kezdődik. Ha már tudod, melyik AI modelt szeretnéd, és tudni szeretnéd, mi szükséges a futtatásához, Kezdje a MODELBŐL..