Számítsa ki a TPS-t a Tesla K40s 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
679 modellek az adatbázisunkban összesen
A legnagyobb modell, amit tartalmaz.
ERNIE-4.5-21B-A3B
21B · Q3_K_M · 74.1 tok/s
Leggyorsabb modell
Gemma 3 QAT 1B
104 tok/s · 1B
Mely AI modellek futhatnak egy Tesla K40s?
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..
396 modellek megfelelnek
Számítás| Kvantisálás | Illeszkedik | ||||||
|---|---|---|---|---|---|---|---|
|
104
tok/s
36–208 · alacsony bizalom |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokenek | Q8_0 | Kényelmes |
|
104
tok/s
36–208 · alacsony bizalom |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokenek | Q8_0 | Kényelmes |
|
104
tok/s
36–208 · alacsony bizalom |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
104
tok/s
36–208 · alacsony bizalom |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
104
tok/s
36–208 · alacsony bizalom |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
104
tok/s
36–208 · alacsony bizalom |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
96.1
tok/s
34–192 · alacsony bizalom |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
94.4
tok/s
33–189 · alacsony bizalom |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
94.4
tok/s
33–189 · alacsony bizalom |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
94.4
tok/s
33–189 · alacsony bizalom |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
94.4
tok/s
33–189 · alacsony bizalom |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
86.5
tok/s
30–173 · alacsony bizalom |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
86.5
tok/s
30–173 · alacsony bizalom |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
86.5
tok/s
30–173 · alacsony bizalom |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
86.5
tok/s
30–173 · alacsony bizalom |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
84.4
tok/s
30–169 · alacsony bizalom |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokenek | Q8_0 | Kényelmes |
|
83.2
tok/s
29–166 · alacsony bizalom |
DeepSeekMoE-16B | 16B | Jan 2024 | 10.0 GB | 4k tokenek | Q4_K_M | Szoros |
|
83.2
tok/s
29–166 · alacsony bizalom |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
79.9
tok/s
28–160 · alacsony bizalom |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
79.9
tok/s
28–160 · alacsony bizalom |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
79.9
tok/s
28–160 · alacsony bizalom |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
79.9
tok/s
28–160 · alacsony bizalom |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
79.9
tok/s
28–160 · alacsony bizalom |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
79.9
tok/s
28–160 · alacsony bizalom |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
79.9
tok/s
28–160 · alacsony bizalom |
Otter ≈ | 1.3B | May 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
Tesla K40s 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
- 12 GB
- Memória sávszélesség
- 288 GB/s
- Memória típus
- GDDR5
- Memória busz szélessége
- 384 bit
- Memória óra
- 1.5 GHz
A chip
Melyik processor található az alaplapon és hogyan készült. Egy kisebb gyártási méret általában jobb teljesítményt jelent ugyanazon energiafelhasználás mellett.
- Grafikus processzor
- GK110B
- Architektúra
- Kepler
- Generáció
- Tesla Kepler(Kxx)
- Öntödé
- TSMC
- Feldolgozási méret
- 28 nm
- Tranzisztorok
- 7.1 billion
- Tranzisztor sűrűség
- 12,600 K/mm²
- Die méret
- 561 mm²
- Csomag
- BGA-2152
- Kiadott
- 22 November 2013
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
- 706 MHz
- Turbóóra
- 706 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
- 2,880
- Textúrázási egységek
- 240
- Render kimeneti egységek
- 48
- L1 gyorsítótár
- 16 KB
- L2 gyorsítótár
- 1.5 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)
- 4.1 TFLOPS
- Kettős pontosság (FP64)
- 1.4 TFLOPS
- Pixelek aránya
- 42 GPixel/s
- Textúra sebesség
- 169 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)
- 245 W
- Javasolt tápegység
- 550 W
- Busz interfész
- PCIe 3.0 x16
- Bővítőhely szélessége
- Dual-slot
- Dimenziók
- 267 mm
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
- 3.5
- DirectX
- 11.1
- OpenGL
- 4.6
- Vulkan
- 1.2
- OpenCL
- 3.0
- Shader modell
- 5.1
Lista
Hol lehet venni egy Tesla K40s
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
12 GB
Sávszélesség
288 GB/s
Legnagyobb modell
ERNIE-4.5-21B-A3B
Tesla K40s hordoz 12 GB -nak GDDR5. Ez kényelmesen elérhető a kis és közepes modellekhez, bár a legnagyobbak elérhetetlenek maradnak, ha nem osztják őket. A meghajtói terhelés körülbelül 10.8 GB.
A memóriával rendelkező sávszélesség eléri 288 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. 1.5 GHz. A busz szélesítése és az óra megemelése az a két kar, amellyel egy gyártó rendelkezik, ezért egy közönséges magokkal rendelkező kártya is gyorsan tud generálni.
Összeállítva a legnagyobb modell, ami belefér, az ERNIE-4.5-21B-A3B, 21B, tömörítve Q3_K_M és generálás körül 74.1 tokenek másodpercenként
A chip és hogy hogyan készült
Tesla K40s a grafikus feldolgozón van építve GK110B, az architektúra használatával Kepler ból NVIDIA, a generáció részeként Tesla Kepler(Kxx).
A chip-et a következő gyártó készíti TSMC, egy folyamatban 28 , egy kockával, amely méri 561 mm², tartás 7.1 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 November 2013, nagyjából 12.690106016879 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
1.4 TFLOPS
A dupla pontosságú áteresztőképesség eléri 1.4 TFLOPS. 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 706 MHz egy gyorsításra 706 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 K40s L1 gyorsítótárral rendelkezik 16 Kb, L2 gyorsítótár támogatásával 1.5 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 2,880 árnyékoló egységek, 240 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
245 W
Tesla K40s rated at 245 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 267 mm hosszú. 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 3.0 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 K40s
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 K40s
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 K40s
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 396 modellek, amelyeket ez a kártya futtat. A keresés szűkíti a listát név vagy méret alapján.
-
02
Állítsd be a ténylegesen használt CONTEXT LENGTH-et.
Állítsa be a kontextust a valódi munkahosszára. A rövid kérdések szinte semmit sem számítanak, de egy hosszú dokumentum jelentős részesedést fogyaszthat. 12 GB ez gyakran a különbség egy modell illeszkedése és nem illeszkedése között.
-
03
Állítson be egy minimális minőséget, ha szüksége van rá.
A tömörítés az, ami lehetővé teszi, hogy a nagyobb modellek elférjenek. A minőségellenőrzés elutasít minden olyan modellt, amely több tömörítést igényel, mint amennyit hajlandó vagy adni.
-
04
Használja a tartományt válaszként
A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 104 tok/s on Gemma 3 QAT 1B. Ugyanaz a Kártya és Modell harminc és ötven százalékos eltérést mutat a következtetési futási idők között.
-
05
Olvasd el a "fit" verdiktet utoljára.
Egy szoros illeszkedés fut, de nem hagy helyet a későbbi kontextus növelésére; a kényelmesnek van fejtérfölénye. A memória oszlop megmutatja, hogy minden modellnek mire van szüksége a rendelkezésre állóval szemben. 12 GB.
-
06
Nyisd meg a modellt, hogy összehasonlíthasd a kártyákat.
Minden modell oldala megismétli ezt a számítást az egész katalógusra. Érdemes megnézni, mielőtt döntesz: megmutatja, mi fut még ugyanazzal a modellel, mellette Tesla K40s.
Válaszok
Tesla K40s — gyakori kérdések
Tesla K40s— ki készíti?
Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 28 .
Tesla K40s— Mikor adták ki?
Megjelent a November 2013.
Tesla K40s— mennyi áramot fogyaszt?
A minősített kártya teljesítménye 245 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 K40s— mennyi cache-e van?
Az L1 gyorsítótár 16 Kb, és az L2 gyorsítótár 1.5 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.
Tesla K40s— Támogatja a CUDA-t?
Igen. Jelentést ad a CUDA számítási képességről. 3.5, 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 K40s— Milyen busz interfészt használ?
Használja PCIe 3.0 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 K40s— jó helyi AI modellek futtatására?
A memóriája a kis és közepes modelleket fedi le, bár a legnagyobbak elérhetetlenek, mivel a sávszélessége miatt a generálás lassúnak tűnik a nagyobb modellek esetén. Összességében fut 396 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 K40s— Futtathat egy modellt, ami nem fér el a VRAM-jában?
Csak részben. Rétegek a kártyán túl. 12 GB lehúzza az egészet, és az ezen az oldalon található számok egyike sem feltételezi azt.
Két Tesla K40s kártyák kétszer olyan gyorsak lesznek?
Nem. Egy második kártya megduplázza a MEMÓRIÁT a 24 GB amely lehetővé teszi, hogy olyan modelleket tarts meg, amelyeket egyedül nem tudtak volna, de a generálás nem így oszlik meg. Ezek a számok egy kártyát írnak le.
Tesla K40s— Melyik AI modellt tud futtatni?
396 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.
Tesla K40s— Melyik a legnagyobb AI modell, amit futtatni tud?
A katalógusunkban a legnagyobb modell, ami belefér, az ERNIE-4.5-21B-A3B at 21B paraméterek, tömörített Q3_K_M. Körülbelül generál. 74.1 token másodpercenként és körülbelül 10.1 A kártya memória GB-ja.
Tesla K40s— mennyi token másodpercenként?
A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 104 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 K40s— futtatható-e 7B modellek?
Igen. Például fut. DeepSeek Coder 6.7B at Q6_K, használva körülbelül 9.9 GB memória és körülbelül generálás 22.5 tokenek másodpercenként
Tesla K40s— futtatható-e 13B modellek?
Igen. Például fut. DeepSeekMoE-16B at Q4_K_M, használva körülbelül 10.0 GB memória és körülbelül generálás 83.2 tokenek másodpercenként
Tesla K40s— mennyi VRAM-ja van?
Ez a KÁRTYA rendelkezik 12 GB -nak GDDR5. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 10.8 GB elérhető egy AI modell számára és annak beszélgetéséhez.
Tesla K40s— mi a memória-sávszélessége?
A memóriával rendelkező sávszélesség eléri 288 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 K40s— Milyen típusú MEMORY-t használ?
Használja GDDR5 órára állítva 1.5 GHz. 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.
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..