Számítsa ki a TPS-t a Tesla M40 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 M40?
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 M40 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
- GM200
- Architektúra
- Maxwell 2.0
- Generáció
- Tesla Maxwell(Mxx)
- Öntödé
- TSMC
- Feldolgozási méret
- 28 nm
- Tranzisztorok
- 8 billion
- Tranzisztor sűrűség
- 13,300 K/mm²
- Die méret
- 601 mm²
- Csomag
- BGA-2152
- Kiadott
- 10 November 2015
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
- 948 MHz
- Turbóóra
- 1.11 GHz
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
- 3,072
- Textúrázási egységek
- 192
- Render kimeneti egységek
- 96
- Streaming multiprocesszorok
- 24
- L1 gyorsítótár
- 48 KB
- L2 gyorsítótár
- 3 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)
- 6.8 TFLOPS
- Kettős pontosság (FP64)
- 213.5 GFLOPS
- Pixelek aránya
- 107 GPixel/s
- Textúra sebesség
- 214 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)
- 250 W
- Javasolt tápegység
- 600 W
- Áramellátó csatlakozók
- 8-pin EPS
- 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
- 5.2
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader modell
- 6.8
Lista
Hol lehet venni egy Tesla M40
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 M40 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 sávszélesség a óra szorozva az busz szélességgel, és ez a KÁRTYA az memória órajelét 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.
A legnagyobb dolog, amit tart, 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 M40 a grafikus feldolgozón van építve GM200, az architektúra használatával Maxwell 2.0 ból NVIDIA, a generáció részeként Tesla Maxwell(Mxx).
A chip-et a következő gyártó készíti TSMC, egy folyamatban 28 , egy kockával, amely méri 601 mm², tartás 8 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 2015, nagyjából 10.722970754314 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
213.5 GFLOPS
A dupla pontosságú áteresztőképesség eléri 213.5 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 948 MHz egy gyorsításra 1.11 GHz. 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 M40 L1 gyorsítótárral rendelkezik 48 Kb, L2 gyorsítótár támogatásával 3 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 3,072 árnyékoló egységek, 192 Textúrázási egységek, és 96 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
250 W
Tesla M40 rated at 250 W, és a javasolt rendszer tápegység 600 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, és szükséges 8-pin EPS. 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 M40
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 M40
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 M40
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
Keleti AI model, amely nem illeszthető a GPU VRAM-ba, szoros megszorításokkal futtatható, kényelmesen vagy könnyen fut, nyílt forráskódú AI model, az adatbázisunkban található, legújabb GPU-k, GPU VRAM/bandwidth, GPU kártya, AI kontextusablak.
A táblázat felsorolja 396 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
Illeszd a kontextust a munkádhoz
Húzza el a csúszkát a tervezett beszélgetési hosszhoz, amin dolgozni kíván. A cache a beszélgetéssel nő, és egy kártyával szemben tart. 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
Olvasd el a sebességet és a hatótávolságot
A számok kiszámolt, nem mért. A leggyorsabb eredmény ezen a KÁRTYÁN 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
Ellenőrizze a szabad helyet, mielőtt döntést hozna
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 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 Tesla M40.
Válaszok
Tesla M40 — gyakori kérdések
Tesla M40— 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.
Tesla M40— ki készíti?
Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 28 .
Tesla M40— Mikor adták ki?
Megjelent a November 2015.
Tesla M40— mennyi áramot fogyaszt?
A minősített kártya teljesítménye 250 W, és a javasolt rendszer tápegység 600 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 M40— mennyi cache-e van?
Az L1 gyorsítótár 48 Kb, és az L2 gyorsítótár 3 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 M40— Támogatja a CUDA-t?
Igen. Jelentést ad a CUDA számítási képességről. 5.2, 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 M40— 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 M40— 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 M40— 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 M40 kártyák kétszer olyan gyorsak lesznek?
A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 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 M40— 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 M40— 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 M40— 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 M40— 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 M40— 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 M40— 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 M40— 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.
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..