Számítsa ki a TPS-t a FirePro S9300 X2 helyi AI modellek

AMD 4 GB HBM 512 GB/s March 2016

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 · 80.1 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

169 tok/s · 1B

Mely AI modellek futhatnak egy FirePro S9300 X2?

Állítsa be a bemeneteket, olvassa el a választ

Kontekthossz tokenek

Több kontextus több MEMÓRIÁT jelent a beszélgetés gyorsítótárához. A sebesség egy friss beszélgetéshez való, és nem változik ezzel a beállítással..

Minimum minőség

Elrejti azokat a modelleket, amelyek csak ezen a ponton alá tömörítve férnének el..

Modellek keresése

Modell méret

Kiadott

Ismertesse a modelleket, amelyeket nem tud futtatni.

97 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
169 tok/s 101–271 · alacsony bizalom	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
169 tok/s 101–271 · alacsony bizalom	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
169 tok/s 101–271 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
169 tok/s 101–271 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
169 tok/s 101–271 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
169 tok/s 101–271 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
157 tok/s 94–251 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
154 tok/s 92–246 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
154 tok/s 92–246 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
154 tok/s 92–246 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
154 tok/s 92–246 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
138 tok/s 83–220 · alacsony bizalom	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	54k tokenek	Q8_0	Kényelmes
136 tok/s 81–217 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · alacsony bizalom	Otter ≈	1.3B	May 2023	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
130 tok/s 78–208 · 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

FirePro S9300 X2 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: 512 GB/s
Memória típus: HBM
Memória busz szélessége: 4,096 bit
Memória óra: 500 MHz

A chip

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

Grafikus processzor: Capsaicin
Architektúra: GCN 3.0
Generáció: FirePro Server(Sx300)
Öntödé: TSMC
Feldolgozási méret: 28 nm
Tranzisztorok: 8.9 billion
Tranzisztor sűrűség: 14,900 K/mm²
Die méret: 596 mm²
Kiadott: 31 March 2016

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: 975 MHz
Turbóóra: 975 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: 4,096
Textúrázási egységek: 256
Render kimeneti egységek: 64
L1 gyorsítótár: 16 KB
L2 gyorsítótár: 2 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): 8 TFLOPS
Kettős pontosság (FP64): 499.2 GFLOPS
Pixelek aránya: 62 GPixel/s
Textúra sebesség: 250 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): 300 W
Javasolt tápegység: 700 W
Áramellátó csatlakozók: 2x 8-pin
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.

DirectX: 12.0
OpenGL: 4.6
Vulkan: 1.2
OpenCL: 2.1
Shader modell: 6.5

Lista

Hol lehet venni egy FirePro S9300 X2

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

Kapacitás és sávszélesség

VRAM

4 GB

Sávszélesség

512 GB/s

Legnagyobb modell

DeciLM 6B

FirePro S9300 X2 csak hordoz 4 GB -nak HBM. 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 512 GB/s egy buszon keresztül a 4,096 bit. Ez a szám szabályozza a generálási sebességet — az egy bájtra vonatkozó aritmetika elég kicsi ahhoz, hogy a busz, ne pedig a magok legyenek azok, amire mindenki vár.

Ez egy MEMORY CLOCK-ból származik 500 MHz. Mindkét fél fontos, és egyik sem látható egy játéktesztben.

A gyakorlati plafon DeciLM 6B, 5.7B, tömörítve Q3_K_M és generálás körül 80.1 tokenek másodpercenként

A chip és hogy hogyan készült

FirePro S9300 X2 a grafikus feldolgozón van építve Capsaicin, az architektúra használatával GCN 3.0 ból AMD, a generáció részeként FirePro Server(Sx300).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 28 , egy kockával, amely méri 596 mm², tartás 8.9 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 March 2016, nagyjából 10.33667240065 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

499.2 GFLOPS

A dupla pontosságú áteresztőképesség eléri 499.2 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 975 MHz egy gyorsításra 975 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

FirePro S9300 X2 L1 gyorsítótárral rendelkezik 16 Kb, L2 gyorsítótár támogatásával 2 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 4,096 árnyékoló egységek, 256 Textúrázási egységek, és 64 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

300 W

FirePro S9300 X2 rated at 300 W, és a javasolt rendszer tápegység 700 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 2x 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 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 FirePro S9300 X2

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

01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 75.5 tok/s
02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 83.1 tok/s
03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 97.6 tok/s
04 Qwen3-4B 4B · Q3_K_M · Apr 2025 114 tok/s
05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 97.6 tok/s
06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 97.6 tok/s
07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 81.5 tok/s
08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 93.0 tok/s
09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 93.0 tok/s
10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 80.1 tok/s

A leggyorsabb AI modellek egy FirePro S9300 X2

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..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 169 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 169 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 169 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 169 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 169 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 169 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 157 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 154 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 154 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 154 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy FirePro S9300 X2

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 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.
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 Gyakran az az, ami egy nagy modellt a határvonalon túlra lök.
03

Válaszd ki, meddig szeretnéd tömöríteni.

Alapértelmezés szerint a táblázat a legkevésbé tömörített másolatot választja, ami elfér. A padló beállítása eltávolítja azokat a modelleket, amelyek csak erős tömörítéssel felelnek meg.
04

Olvasd el a sebességet és a hatótávolságot

A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 169 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. 4 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 FirePro S9300 X2.

Válaszok

FirePro S9300 X2 — gyakori kérdések

FirePro S9300 X2— Mikor adták ki?

Megjelent a March 2016.

FirePro S9300 X2— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 300 W, és a javasolt rendszer tápegység 700 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.

FirePro S9300 X2— mennyi cache-e van?

Az L1 gyorsítótár 16 Kb, és az L2 gyorsítótár 2 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.

FirePro S9300 X2— Támogatja a CUDA-t?

Nem. A CUDA kizárólag NVIDIA, és ez egy kártya a AMD. A nyelvi modellek futtatása ROCm, Vulkan vagy Metal segítségével történik a szoftvertől függően, amelyek éretlenebbek a CUDA úthoz képest — becsléseink büntetést alkalmaznak emiatt.

FirePro S9300 X2— 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.

FirePro S9300 X2— jó helyi AI modellek futtatására?

Its memory limits it to smaller models and its bandwidth gives usable, if unspectacular, generation speeds. In total it runs 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.

FirePro S9300 X2— 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.

Két FirePro S9300 X2 kártyák kétszer olyan gyorsak lesznek?

A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 8 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.

FirePro S9300 X2— 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.

FirePro S9300 X2— 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. 80.1 token másodpercenként és körülbelül 3.5 A kártya memória GB-ja.

FirePro S9300 X2— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 169 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.

FirePro S9300 X2— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 4 GB -nak HBM. 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.

FirePro S9300 X2— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 512 GB/s egy buszon keresztül a 4,096 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.

FirePro S9300 X2— Milyen típusú MEMORY-t használ?

Használja HBM órára állítva 500 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.

FirePro S9300 X2— ki készíti?

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

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