Számítsa ki a TPS-t a Quadro K4000M helyi AI modellek

NVIDIA 4 GB GDDR5 90 GB/s June 2012

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

97 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

DeciLM 6B

5.7B · Q3_K_M · 15.3 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

32.3 tok/s · 1B

Mely AI modellek futhatnak egy Quadro K4000M?

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..

97 modellek megfelelnek

Számítás
Kvantisálás Illeszkedik
32.3 tok/s

11–65 · alacsony bizalom

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
32.3 tok/s

11–65 · alacsony bizalom

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
32.3 tok/s

11–65 · alacsony bizalom

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
32.3 tok/s

11–65 · alacsony bizalom

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
32.3 tok/s

11–65 · alacsony bizalom

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
32.3 tok/s

11–65 · alacsony bizalom

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
29.9 tok/s

10–60 · alacsony bizalom

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokenek ? Q8_0 Kényelmes
29.3 tok/s

10–59 · alacsony bizalom

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
29.3 tok/s

10–59 · alacsony bizalom

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
29.3 tok/s

10–59 · alacsony bizalom

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
29.3 tok/s

10–59 · alacsony bizalom

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
26.9 tok/s

9–54 · alacsony bizalom

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
26.9 tok/s

9–54 · alacsony bizalom

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
26.9 tok/s

9–54 · alacsony bizalom

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
26.9 tok/s

9–54 · alacsony bizalom

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
26.2 tok/s

9–52 · alacsony bizalom

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokenek Q8_0 Kényelmes
25.9 tok/s

9–52 · alacsony bizalom

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

Otter ≈ 1.3B May 2023 2.1 GB 131k tokenek ? Q8_0 Kényelmes
24.8 tok/s

9–50 · alacsony bizalom

Phi-1 ≈ 1.3B Oct 2023 2.1 GB 131k tokenek ? Q8_0 Kényelmes

A sebességek egyetlen kérésre - egy beszélgetés egy időben - vonatkozó becslések, amelyeket a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítanak ki. A valós áteresztőképesség változik az INFERENCE RUNTIME és annak verziója szerint. A HARDWARE VENDORS által közzétett számok sok párhuzamos kérést mérnek, és sokkal magasabbak..

Nyilvántartásban

Quadro K4000M 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, ami meghatározza, hogy ezt a KÁRT mit tud futtatni és milyen gyorsan. A kapacitás határozza meg, hogy mely modellek férnek el; a sávszélesség határozza meg, hány token-t állítanak elő másodpercenként, miután elindultak.

Memóriaméret
4 GB
Memória sávszélesség
90 GB/s
Memória típus
GDDR5
Memória busz szélessége
256 bit
Memória óra
700 MHz

A chip

Melyik processor található az alaplapon és hogyan készült. Egy kisebb gyártási méret általában jobb teljesítményt jelent ugyanazon energiafelhasználás mellett.

Grafikus processzor
GK104
Architektúra
Kepler
Generáció
Quadro Kepler-M(Kx000M)
Öntödé
TSMC
Feldolgozási méret
28 nm
Tranzisztorok
3.5 billion
Tranzisztor sűrűség
12,000 K/mm²
Die méret
294 mm²
Csomag
BGA-1745
Kiadott
1 June 2012

Órajel sebességek

Milyen gyorsan fut a processzor. Itt sokkal kevesebbet ér, mint egy játékbenchmarkon: a szöveg generálása a MEMÓRIA SÁVSZÉLESSÉG által korlátozott, így egy magasabb órajel alig mozdítja el az eredményt.

Alap óra
601 MHz
Turbóóra
601 MHz

Feldolgozó egységek

A chip mit tartalmaz. Ezek a grafikai teljesítményt hajtják, és főként egy hosszú prompt feldolgozása szempontjából számítanak, nem pedig a válasz előállítása szempontjából.

árnyékoló egységek
960
Textúrázási egységek
80
Render kimeneti egységek
32
L1 gyorsítótár
16 KB
L2 gyorsítótár
0.5 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)
1.2 TFLOPS
Kettős pontosság (FP64)
48.1 GFLOPS
Pixelek aránya
12 GPixel/s
Textúra sebesség
48 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)
100 W
Áramellátó csatlakozók
None
Busz interfész
MXM-B (3.0)
Bővítőhely szélessége
MXM Module

Szoftver-támogatás

Mely 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 következtetési szoftver lassabb kódutakra tér vissza.

CUDA számítási képesség
3.0
DirectX
11.0
OpenGL
4.6
Vulkan
1.2
OpenCL
3.0
Shader modell
5.1

Lista

Hol lehet venni egy Quadro K4000M

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

Memória: a specifikáció, ami mindent eldönt

VRAM

4 GB

Sávszélesség

90 GB/s

Legnagyobb modell

DeciLM 6B

Quadro K4000M csak hordoz 4 GB -nak GDDR5. Ez korlátozza a katalógus kisebb végére, és egy modellnek teljesen bele kell férnie, mielőtt bármilyen kimenetet generál. Egy futás valójában körülbelül 3.6 GB.

A memóriával rendelkező sávszélesség eléri 90 GB/s egy buszon keresztül a 256 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.

Ez egy MEMORY CLOCK-ból származik 700 MHz. Mindkét fél fontos, és egyik sem látható egy játéktesztben.

A legnagyobb dolog, amit tart, az DeciLM 6B, 5.7B, tömörítve Q3_K_M és generálás körül 15.3 tokenek másodpercenként

A chip és hogy hogyan készült

Quadro K4000M a grafikus feldolgozón van építve GK104, az architektúra használatával Kepler ból NVIDIA, a generáció részeként Quadro Kepler-M(Kx000M).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 28 , egy kockával, amely méri 294 mm², tartás 3.5 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 June 2012, nagyjából 14.16681713199 évekkel ezelőtt. A következtetési szoftver támogatás általában egy-két évvel követi a hardvert, így egy ilyen korú KÁRTYA általában érett, jól optimalizált kódútvonalakkal rendelkezik.

A számítási teljesítmény, és hogy miért számít kevesebbet, mint amilyennek tűnik

FP64

48.1 GFLOPS

A dupla pontosságú áteresztőképesség eléri 48.1 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 601 MHz egy gyorsításra 601 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

Quadro K4000M L1 gyorsítótárral rendelkezik 16 Kb, L2 gyorsítótár támogatásával 0.5 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 960 árnyékoló egységek, 80 Textúrázási egységek, és 32 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

100 W

Quadro K4000M rated at 100 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 mxm module. 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 MXM-B (3.0). 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 Quadro K4000M

A legnagyobb open weight modellek, amelyek elférnek ezen a kártyán, legújabb elöl. Mindegyik a kártya által elérhető legjobb tömörítésben van megjelenítve..

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 14.4 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 15.8 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 18.6 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 21.8 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 18.6 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 18.6 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 15.5 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 17.7 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 17.7 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 15.3 tok/s

A leggyorsabb AI modellek egy Quadro K4000M

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..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 32.3 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 32.3 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 29.9 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 29.3 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 29.3 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 29.3 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Quadro K4000M

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..

  1. 01

    Keresd meg a kívánt modellt

    A táblázat felsorolja 97 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.

  2. 02

    Illeszd a kontextust a munkádhoz

    Állítsa be a kontextust a valódi munkahosszára. A rövid kérdések szinte semmit sem számítanak, de egy hosszú dokumentum jelentős részesedést fogyaszthat. 4 GB tehát a beállítást megéri jól csinálni.

  3. 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.

  4. 04

    Használja a tartományt válaszként

    A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 32.3 tok/s on Gemma 3 QAT 1B. Ugyanaz a Kártya és Modell harminc és ötven százalékos eltérést mutat a következtetési futási idők között.

  5. 05

    Olvasd el a "fit" verdiktet utoljára.

    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. 4 GB.

  6. 06

    Ellenőrizze más hardverekkel

    Minden modell neve a táblázatban a saját oldalára mutat, amely ugyanazt a számítást végzi el az összes kártyán, amelyet birtoklunk. Itt láthatja, hogy a megfelelő vásárlás megfelel-e Quadro K4000M.

Válaszok

Quadro K4000M — gyakori kérdések

01

Quadro K4000M— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az DeciLM 6B at 5.7B paraméterek, tömörített Q3_K_M. Körülbelül generál. 15.3 token másodpercenként és körülbelül 3.5 A kártya memória GB-ja.

02

Quadro K4000M— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 32.3 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.

03

Quadro K4000M— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 4 GB -nak GDDR5. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 3.6 GB elérhető egy AI modell számára és annak beszélgetéséhez.

04

Quadro K4000M— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 90 GB/s egy buszon keresztül a 256 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.

05

Quadro K4000M— Milyen típusú MEMORY-t használ?

Használja GDDR5 órára állítva 700 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.

06

Quadro K4000M— ki készíti?

Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 28 .

07

Quadro K4000M— Mikor adták ki?

Megjelent a June 2012.

08

Quadro K4000M— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 100 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.

09

Quadro K4000M— mennyi cache-e van?

Az L1 gyorsítótár 16 Kb, és az L2 gyorsítótár 0.5 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.

10

Quadro K4000M— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 3.0, 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.

11

Quadro K4000M— Milyen busz interfészt használ?

Használja MXM-B (3.0). 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.

12

Quadro K4000M— 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 97 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

13

Quadro K4000M— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 4 GB lehetséges és általában hamis gazdaság: a rendszer-memória rész elég lassú ahhoz, hogy dominálja az eredményt.

14

Két Quadro K4000M kártyák kétszer olyan gyorsak lesznek?

Nem. Egy második kártya megduplázza a MEMÓRIÁT a 8 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.

15

Quadro K4000M— Melyik AI modellt tud futtatni?

97 a 679 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.

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..

Minden GPU