Számítsa ki a TPS-t a Quadro RTX 8000 Passive helyi AI modellek

NVIDIA 48 GB GDDR6 624 GB/s August 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

576 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Qwen3-Coder-Next

80B · IQ4_XS · 45.1 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

264 tok/s · 1B

Mely AI modellek futhatnak egy Quadro RTX 8000 Passive?

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.

576 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
264 tok/s 225–317	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
264 tok/s 225–317	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
264 tok/s 159–423 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
264 tok/s 159–423 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
264 tok/s 159–423 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
264 tok/s 159–423 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
245 tok/s 147–392 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
240 tok/s 144–384 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
240 tok/s 144–384 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
240 tok/s 144–384 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
240 tok/s 144–384 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
220 tok/s 132–352 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
220 tok/s 132–352 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
220 tok/s 132–352 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
220 tok/s 132–352 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
215 tok/s 183–258	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokenek	Q8_0	Kényelmes
212 tok/s 127–339 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · alacsony bizalom	Otter ≈	1.3B	May 2023	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
203 tok/s 122–325 · 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

Quadro RTX 8000 Passive 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: 48 GB
Memória sávszélesség: 624 GB/s
Memória típus: GDDR6
Memória busz szélessége: 384 bit
Memória óra: 1.63 GHz

A chip

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

Grafikus processzor: TU102
Architektúra: Turing
Generáció: Quadro Turing(Tx000)
Öntödé: TSMC
Feldolgozási méret: 12 nm
Tranzisztorok: 18.6 billion
Tranzisztor sűrűség: 24,700 K/mm²
Die méret: 754 mm²
Kiadott: 13 August 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: 1.23 GHz
Turbóóra: 1.62 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: 4,608
Textúrázási egységek: 288
Render kimeneti egységek: 96
Streaming multiprocesszorok: 72
Tenzor magok: 576
Ray tracing magok: 72
L1 gyorsítótár: 64 KB
L2 gyorsítótár: 6 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): 29.9 TFLOPS
Egyszeres pontosság (FP32): 14.9 TFLOPS
Kettős pontosság (FP64): 466.6 GFLOPS
Pixelek aránya: 156 GPixel/s
Textúra sebesség: 467 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): 260 W
Javasolt tápegység: 600 W
Áramellátó csatlakozók: 1x 6-pin + 1x 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.

CUDA számítási képesség: 7.5
DirectX: 12.2
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Shader modell: 6.8

Lista

Hol lehet venni egy Quadro RTX 8000 Passive

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

48 GB

Sávszélesség

624 GB/s

Legnagyobb modell

Qwen3-Coder-Next

Quadro RTX 8000 Passive hordoz 48 GB -nak GDDR6. Ez lefedi a legtöbb ember által valóban futtatott közepes méretű modelleket. Miután a futási idő és a meghajtó lefoglalja a munkaterületét, körülbelül ennyi marad: 43.2 GB.

A memóriával rendelkező sávszélesség eléri 624 GB/s egy buszon keresztül a 384 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.

A sávszélesség a óra szorozva az busz szélességgel, és ez a KÁRTYA az memória órajelét 1.63 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 Qwen3-Coder-Next, 80B, tömörítve IQ4_XS és generálás körül 45.1 tokenek másodpercenként

A chip és hogy hogyan készült

Quadro RTX 8000 Passive a grafikus feldolgozón van építve TU102, az architektúra használatával Turing ból NVIDIA, a generáció részeként Quadro Turing(Tx000).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 12 , egy kockával, amely méri 754 mm², tartás 18.6 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 August 2018, nagyjából 7.9668173901814 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

29.9 TFLOPS

FP64

466.6 GFLOPS

Tenzor magok

576

Papíron Quadro RTX 8000 Passive elér 29.9 TFLOPS félnyes pontossággal, és 14.9 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 466.6 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 576 Tenzor magok át跨 72 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 1.23 GHz egy gyorsításra 1.62 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

Quadro RTX 8000 Passive L1 gyorsítótárral rendelkezik 64 Kb, L2 gyorsítótár támogatásával 6 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 4,608 árnyékoló egységek, 288 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

260 W

Quadro RTX 8000 Passive rated at 260 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 1x 6-pin + 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 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 Quadro RTX 8000 Passive

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

01 Qwen3-Coder-Next 80B · IQ4_XS · Feb 2026 45.1 tok/s
02 Qwen3-Next-80B-A3B 80B · IQ4_XS · Sep 2025 45.1 tok/s
03 Kimi Dev 72b 72B · IQ4_XS · Jun 2025 9.0 tok/s
04 OpenThaiGPT 1.6 / OTG-1.6 (72B) 72B · IQ4_XS · Apr 2025 9.0 tok/s
05 InternVL2_5-78B 78.4B · Q3_K_M · Dec 2024 9.1 tok/s
06 Qwen2.5-72B 72.7B · Q4_K_M · Sep 2024 8.4 tok/s
07 Qwen2.5 Instruct (72B) 72.7B · Q4_K_M · Sep 2024 8.4 tok/s
08 InternVL2-Llama3-76B 76B · IQ4_XS · Jul 2024 8.5 tok/s
09 Qwen2-72B 72.7B · Q4_K_M · Jun 2024 8.4 tok/s
10 IDEFICS-80B 80B · Q3_K_M · Aug 2023 8.9 tok/s

A leggyorsabb AI modellek egy Quadro RTX 8000 Passive

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 264 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 264 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 264 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 264 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 264 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 264 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 245 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 240 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 240 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 240 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Quadro RTX 8000 Passive

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 576 modellek, amiket a KÁRTYA kezel. A keresőmező egy nevet vagy egy méretet acceptál, mint például 27b, ami a paraméterszámmal egyezik.
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. 48 GB Gyakran az az, ami egy nagy modellt a határvonalon túlra lök.
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

Nézd meg a tartományt, ne csak a számot.

Minden sebesség egy becslés egyetlen beszélgetésre, alatta egy tartományral. A felső határ itt 264 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

A Szoros azt jelenti, hogy ma működik; a Kényelmes azt jelenti, hogy még mindig működik, amikor a beszélgetés nő. Hasonlítsa össze, hogy az egyes modelleknek mire van szükségük egy elérhetővel. 48 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 Quadro RTX 8000 Passive.

Válaszok

Quadro RTX 8000 Passive — gyakori kérdések

Quadro RTX 8000 Passive— ki készíti?

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

Quadro RTX 8000 Passive— Mikor adták ki?

Megjelent a August 2018.

Quadro RTX 8000 Passive— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 260 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.

Quadro RTX 8000 Passive— mennyi cache-e van?

Az L1 gyorsítótár 64 Kb, és az L2 gyorsítótár 6 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.

Quadro RTX 8000 Passive— mennyi a TFLOPS-ja?

Ez értékelve van 29.9 TFLOPS fél precízióban és 14.9 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.

Quadro RTX 8000 Passive— Hány TENSOR CORE-ja van?

Van 576 Tenzor magok át跨 72 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

Quadro RTX 8000 Passive— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 7.5. 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.

Quadro RTX 8000 Passive— 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.

Quadro RTX 8000 Passive— jó helyi AI modellek futtatására?

Its memory is large enough for models most desktop hardware cannot touch and its bandwidth gives usable, if unspectacular, generation speeds. In total it runs 576 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

Quadro RTX 8000 Passive— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 48 GB ül a rendszer memóriájában és a sebesség egy részén fut, így a főleg leterhelt modell ritkán ér meg használni. Minden itt szereplő számadat azt feltételezi, hogy teljesen a kártyán van.

Két Quadro RTX 8000 Passive kártyák kétszer olyan gyorsak lesznek?

Nem. Egy második kártya megduplázza a MEMÓRIÁT a 96 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.

Quadro RTX 8000 Passive— Melyik AI modellt tud futtatni?

576 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.

Quadro RTX 8000 Passive— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Qwen3-Coder-Next at 80B paraméterek, tömörített IQ4_XS. Körülbelül generál. 45.1 token másodpercenként és körülbelül 38.8 A kártya memória GB-ja.

Quadro RTX 8000 Passive— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 264 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.

Quadro RTX 8000 Passive— futtatható-e 7B modellek?

Igen. Például fut. Multi-Token Prediction 7B at Q8_0, használva körülbelül 7.9 GB memória és körülbelül generálás 39.5 tokenek másodpercenként

Quadro RTX 8000 Passive— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q8_0, használva körülbelül 17.5 GB memória és körülbelül generálás 91.8 tokenek másodpercenként

Quadro RTX 8000 Passive— futtatható-e 30B modellek?

Igen. Például fut. ERNIE-4.5-VL-28B-A3B at Q8_0, használva körülbelül 29.2 GB memória és körülbelül generálás 52.4 tokenek másodpercenként

Quadro RTX 8000 Passive— futtatható-e 70B modellek?

Igen. Például fut. Qwen3-Coder-Next at IQ4_XS, használva körülbelül 38.8 GB memória és körülbelül generálás 45.1 tokenek másodpercenként

Quadro RTX 8000 Passive— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 48 GB -nak GDDR6. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 43.2 GB elérhető egy AI modell számára és annak beszélgetéséhez.

Quadro RTX 8000 Passive— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 624 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.

Quadro RTX 8000 Passive— Milyen típusú MEMORY-t használ?

Használja GDDR6 órára állítva 1.63 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..

Minden GPU