Számítsa ki a TPS-t a P104-101 helyi AI modellek

NVIDIA 4 GB GDDR5 256 GB/s January 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

97 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

DeciLM 6B

5.7B · Q3_K_M · 43.7 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

92.3 tok/s · 1B

Mely AI modellek futhatnak egy P104-101?

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
92.3 tok/s 32–185 · alacsony bizalom	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
92.3 tok/s 32–185 · alacsony bizalom	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
92.3 tok/s 32–185 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
92.3 tok/s 32–185 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
92.3 tok/s 32–185 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
92.3 tok/s 32–185 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
85.4 tok/s 30–171 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
83.9 tok/s 29–168 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
83.9 tok/s 29–168 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
83.9 tok/s 29–168 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
83.9 tok/s 29–168 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
76.9 tok/s 27–154 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
76.9 tok/s 27–154 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
76.9 tok/s 27–154 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
76.9 tok/s 27–154 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
75.0 tok/s 26–150 · alacsony bizalom	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	54k tokenek	Q8_0	Kényelmes
74.0 tok/s 26–148 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · alacsony bizalom	Otter ≈	1.3B	May 2023	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
71.0 tok/s 25–142 · 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

P104-101 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: 256 GB/s
Memória típus: GDDR5
Memória busz szélessége: 256 bit
Memória óra: 2 GHz

A chip

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

Grafikus processzor: GP104
Architektúra: Pascal
Generáció: Mining GPUs
Öntödé: TSMC
Feldolgozási méret: 16 nm
Tranzisztorok: 7.2 billion
Tranzisztor sűrűség: 22,900 K/mm²
Die méret: 314 mm²
Csomag: BGA-2150
Kiadott: 5 January 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: 1.51 GHz
Turbóóra: 1.68 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: 2,560
Textúrázási egységek: 160
Render kimeneti egységek: 64
Streaming multiprocesszorok: 20
L1 gyorsítótár: 48 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.

Fél precizitás (FP16): 134.6 GFLOPS
Egyszeres pontosság (FP32): 8.6 TFLOPS
Kettős pontosság (FP64): 269.3 GFLOPS
Pixelek aránya: 108 GPixel/s
Textúra sebesség: 269 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.

Javasolt tápegység: 200 W
Áramellátó csatlakozók: 1x 8-pin
Busz interfész: PCIe 1.0 x4
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: 6.1
DirectX: 12.1
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Shader modell: 6.8

Lista

Hol lehet venni egy P104-101

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

256 GB/s

Legnagyobb modell

DeciLM 6B

P104-101 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 256 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.

A szám a busz szélessége és a memória óra szorzataként van. 2 GHz. 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 43.7 tokenek másodpercenként

A chip és hogy hogyan készült

P104-101 a grafikus feldolgozón van építve GP104, az architektúra használatával Pascal ból NVIDIA, a generáció részeként Mining GPUs.

A chip-et a következő gyártó készíti TSMC, egy folyamatban 16 , egy kockával, amely méri 314 mm², tartás 7.2 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 January 2018, nagyjából 8.5695432156545 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

134.6 GFLOPS

FP64

269.3 GFLOPS

Papíron P104-101 elér 134.6 GFLOPS félnyes pontossággal, és 8.6 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 269.3 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 1.51 GHz egy gyorsításra 1.68 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

P104-101 L1 gyorsítótárral rendelkezik 48 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 2,560 árnyékoló egységek, 160 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

A panel elfoglalja dual-slot, mérés 267 mm hosszú, és szükséges 1x 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 1.0 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 P104-101

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 41.2 tok/s
02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 45.3 tok/s
03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 53.3 tok/s
04 Qwen3-4B 4B · Q3_K_M · Apr 2025 62.2 tok/s
05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 53.3 tok/s
06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 53.3 tok/s
07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 44.5 tok/s
08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 50.7 tok/s
09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 50.7 tok/s
10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 43.7 tok/s

A leggyorsabb AI modellek egy P104-101

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 92.3 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 92.3 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 92.3 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 92.3 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 92.3 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 92.3 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 85.4 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 83.9 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 83.9 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 83.9 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy P104-101

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 97 modellek, amelyeket ez a kártya futtat. A keresés szűkíti a listát név vagy méret alapján.
02

Illeszd a kontextust a munkádhoz

A hosszabb beszélgetések memóriahasználata a súlyok mellett. 4 GB ez gyakran a különbség egy modell illeszkedése és nem illeszkedése között.
03

Rögzítse az összehasonlítást egy minőségi szintre.

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.
04

Olvasd el a sebességet és a hatótávolságot

A számok kiszámolt, nem mért. A leggyorsabb eredmény ezen a KÁRTYÁN 92.3 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. 4 GB.
06

Ellenőrizze más hardverekkel

Követve egy modellt a saját oldalán, felsorolja az összes hardvert, ami futtathatja, így láthatod, hogyan hasonlít össze P104-101.

Válaszok

P104-101 — gyakori kérdések

P104-101— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 6.1, 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.

P104-101— Milyen busz interfészt használ?

Használja PCIe 1.0 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.

P104-101— 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.

P104-101— 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 P104-101 kártyák kétszer olyan gyorsak lesznek?

A kapacitás hozzáadódik, a throughput nem. Kettő együtt ad neked 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.

P104-101— 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.

P104-101— 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. 43.7 token másodpercenként és körülbelül 3.5 A kártya memória GB-ja.

P104-101— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 92.3 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.

P104-101— 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.

P104-101— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 256 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.

P104-101— Milyen típusú MEMORY-t használ?

Használja GDDR5 órára állítva 2 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.

P104-101— ki készíti?

Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 16 .

P104-101— Mikor adták ki?

Megjelent a January 2018.

P104-101— mennyi cache-e van?

Az L1 gyorsítótár 48 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.

P104-101— mennyi a TFLOPS-ja?

Ez értékelve van 134.6 GFLOPS fél precízióban és 8.6 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.

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