Számítsa ki a TPS-t a Jetson AGX Xavier 16 GB helyi AI modellek

NVIDIA 16 GB LPDDR4X 137 GB/s October 2018

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

432 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Nemotron 3-Nano-30B-A3B

31.6B · Q3_K_M · 27.4 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

57.8 tok/s · 1B

Mely AI modellek futhatnak egy Jetson AGX Xavier 16 GB?

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.

432 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
57.8 tok/s 49–69	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
57.8 tok/s 49–69	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
57.8 tok/s 35–93 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
57.8 tok/s 35–93 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
57.8 tok/s 35–93 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
57.8 tok/s 35–93 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
53.5 tok/s 32–86 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
52.6 tok/s 32–84 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
52.6 tok/s 32–84 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
52.6 tok/s 32–84 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
52.6 tok/s 32–84 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
48.2 tok/s 29–77 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
48.2 tok/s 29–77 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
48.2 tok/s 29–77 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
48.2 tok/s 29–77 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
47.0 tok/s 40–56	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokenek	Q8_0	Kényelmes
46.3 tok/s 28–74 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · alacsony bizalom	Otter ≈	1.3B	May 2023	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
44.5 tok/s 27–71 · 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

Jetson AGX Xavier 16 GB 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: 16 GB
Memória sávszélesség: 137 GB/s
Memória típus: LPDDR4X
Memória busz szélessége: 256 bit
Memória óra: 2.13 GHz

A chip

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

Grafikus processzor: GV10B
Architektúra: Volta
Generáció: Tegra(Volta)
Öntödé: TSMC
Feldolgozási méret: 12 nm
Tranzisztorok: 9 billion
Tranzisztor sűrűség: 25,700 K/mm²
Die méret: 350 mm²
Kiadott: 1 October 2018

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: 854 MHz
Turbóóra: 1.38 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: 512
Textúrázási egységek: 32
Render kimeneti egységek: 16
Streaming multiprocesszorok: 8
Tenzor magok: 64
L1 gyorsítótár: 128 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.

Fél precizitás (FP16): 2.8 TFLOPS
Egyszeres pontosság (FP32): 1.4 TFLOPS
Kettős pontosság (FP64): 705 GFLOPS
Pixelek aránya: 22 GPixel/s
Textúra sebesség: 44 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): 30 W
Busz interfész: PCIe 4.0 x4
Bővítőhely szélessége: IGP
Dimenziók: 100 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: 7.2
DirectX: 12.1
OpenGL: 4.6
Vulkan: 1.2
OpenCL: 1.2
Shader modell: 6.0

Lista

Hol lehet venni egy Jetson AGX Xavier 16 GB

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

Miért a memória az a szám, ami itt számít

VRAM

16 GB

Sávszélesség

137 GB/s

Legnagyobb modell

Nemotron 3-Nano-30B-A3B

Jetson AGX Xavier 16 GB hordoz 16 GB -nak LPDDR4X. Ez kényelmesen elérhető a kis és közepes modellekhez, bár a legnagyobbak elérhetetlenek maradnak, ha nem osztják őket. A meghajtói terhelés körülbelül 14.4 GB.

A memóriával rendelkező sávszélesség eléri 137 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 2.13 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 gyakorlati plafon Nemotron 3-Nano-30B-A3B, 31.6B, tömörítve Q3_K_M és generálás körül 27.4 tokenek másodpercenként

A chip és hogy hogyan készült

Jetson AGX Xavier 16 GB a grafikus feldolgozón van építve GV10B, az architektúra használatával Volta ból NVIDIA, a generáció részeként Tegra(Volta).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 12 , egy kockával, amely méri 350 mm², tartás 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 October 2018, nagyjából 7.8329200924567 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

FP16

2.8 TFLOPS

FP64

705 GFLOPS

Tenzor magok

Papíron Jetson AGX Xavier 16 GB elér 2.8 TFLOPS félnyes pontossággal, és 1.4 TFLOPS egyszeres pontossággal. Ezek csúcsértékek, amelyeket valós terhelés nem fenntart, és a szöveggenerálás csak ezek egy kis töredékét éri el - a dekódolás a memória által korlátozott, nem pedig a számítási műveletek által, ezért egy kártya itt rendkívül erősnek tűnhet, mégis normális sebességgel állít elő tokeneket.

A dupla pontosságú áteresztőképesség eléri 705 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.

A kártya hordozza 64 Tenzor magok át跨 8 Streaming multiprocesszorok. Ezek felgyorsítják a mátrix aritmetikát, amely a transzformátor szívében található, és ők azok, akik drámaian gyorsabbá teszik a prompt feldolgozást — egy hosszú dokumentum elolvasását mielőtt válaszolnának — mint ahogyan az máskülönben lenne.

Az órajelek egy alapból futnak 854 MHz egy gyorsításra 1.38 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

Jetson AGX Xavier 16 GB L1 gyorsítótárral rendelkezik 128 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 512 árnyékoló egységek, 32 Textúrázási egységek, és 16 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

30 W

Jetson AGX Xavier 16 GB rated at 30 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 igp, mérés 100 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 4.0 x4. 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 Jetson AGX Xavier 16 GB

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

01 North Mini Code 30B · Q3_K_M · Jun 2026 28.9 tok/s
02 Qwen 3.6-27B 27B · Q3_K_M · Apr 2026 5.8 tok/s
03 Qwen3.5-27B 27B · Q3_K_M · Feb 2026 5.8 tok/s
04 Nemotron 3-Nano-30B-A3B 31.6B · Q3_K_M · Dec 2025 27.4 tok/s
05 Nomos 1 30B · Q3_K_M · Dec 2025 28.9 tok/s
06 C2S-Scale 27B · Q3_K_M · Oct 2025 5.8 tok/s
07 Gemma-SEA-LION-v4-27B-IT 27B · Q3_K_M · Aug 2025 5.8 tok/s
08 ERNIE-4.5-VL-28B-A3B 28B · Q3_K_M · Jun 2025 31.0 tok/s
09 Qwen3-30B-A3B 30B · Q3_K_M · Apr 2025 28.9 tok/s
10 Gemma 3 QAT 27B 27B · Q3_K_M · Apr 2025 5.8 tok/s

A leggyorsabb AI modellek egy Jetson AGX Xavier 16 GB

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 57.8 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 57.8 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 57.8 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 57.8 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 57.8 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 57.8 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 53.5 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 52.6 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 52.6 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 52.6 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Jetson AGX Xavier 16 GB

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 meg a kívánt modellt

A táblázat felsorolja 432 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.

Állítsa be a kontextust a valódi munkahosszára. A rövid kérdések szinte semmit sem számítanak, de egy hosszú dokumentum jelentős részesedést fogyaszthat. 16 GB ez gyakran a különbség egy modell illeszkedése és nem illeszkedése között.
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

Használja a tartományt válaszként

Minden sebesség egy becslés egyetlen beszélgetésre, alatta egy tartományral. A felső határ itt 57.8 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. 16 GB.
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 Jetson AGX Xavier 16 GB.

Válaszok

Jetson AGX Xavier 16 GB — gyakori kérdések

Jetson AGX Xavier 16 GB— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 137 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.

Jetson AGX Xavier 16 GB— Milyen típusú MEMORY-t használ?

Használja LPDDR4X órára állítva 2.13 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.

Jetson AGX Xavier 16 GB— ki készíti?

Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 12 .

Jetson AGX Xavier 16 GB— Mikor adták ki?

Megjelent a October 2018.

Jetson AGX Xavier 16 GB— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 30 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.

Jetson AGX Xavier 16 GB— mennyi cache-e van?

Az L1 gyorsítótár 128 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.

Jetson AGX Xavier 16 GB— mennyi a TFLOPS-ja?

Ez értékelve van 2.8 TFLOPS fél precízióban és 1.4 TFLOPS egyszeres pontossággal. Ezek a csúcs aritmetikai plafonok, nem pedig elérhető sebességek, és a szöveggenerálás csak e plafonok kis részét éri el, mert inkább a memóriabandwidth korlátozza.

Jetson AGX Xavier 16 GB— Hány TENSOR CORE-ja van?

Van 64 Tenzor magok át跨 8 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

Jetson AGX Xavier 16 GB— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 7.2. 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.

Jetson AGX Xavier 16 GB— Milyen busz interfészt használ?

Használja PCIe 4.0 x4. 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.

Jetson AGX Xavier 16 GB— 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 432 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

Jetson AGX Xavier 16 GB— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Fel lehet osztani, az átlépés a rendszer MEMÓRIÁBAN marad, a kártya mögött. 16 GB lehetséges és általában hamis gazdaság: a rendszer-memória rész elég lassú ahhoz, hogy dominálja az eredményt.

Két Jetson AGX Xavier 16 GB kártyák kétszer olyan gyorsak lesznek?

Nem. Egy második kártya megduplázza a MEMÓRIÁT a 32 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.

Jetson AGX Xavier 16 GB— Melyik AI modellt tud futtatni?

432 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.

Jetson AGX Xavier 16 GB— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Nemotron 3-Nano-30B-A3B at 31.6B paraméterek, tömörített Q3_K_M. Körülbelül generál. 27.4 token másodpercenként és körülbelül 14.4 A kártya memória GB-ja.

Jetson AGX Xavier 16 GB— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 57.8 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.

Jetson AGX Xavier 16 GB— futtatható-e 7B modellek?

Igen. Például fut. Multi-Token Prediction 7B at Q8_0, használva körülbelül 7.9 GB memória és körülbelül generálás 8.6 tokenek másodpercenként

Jetson AGX Xavier 16 GB— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q6_K, használva körülbelül 13.7 GB memória és körülbelül generálás 29.2 tokenek másodpercenként

Jetson AGX Xavier 16 GB— futtatható-e 30B modellek?

Igen. Például fut. ERNIE-4.5-VL-28B-A3B at Q3_K_M, használva körülbelül 12.9 GB memória és körülbelül generálás 31.0 tokenek másodpercenként

Jetson AGX Xavier 16 GB— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 16 GB -nak LPDDR4X. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 14.4 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..

Minden GPU