Számítsa ki a TPS-t a Radeon Pro 5300M helyi AI modellek

AMD 4 GB GDDR6 192 GB/s November 2019

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 · 30.0 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

63.4 tok/s · 1B

Mely AI modellek futhatnak egy Radeon Pro 5300M?

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..

97 modellek megfelelnek

Számítás
Kvantisálás Illeszkedik
63.4 tok/s

38–101 · alacsony bizalom

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
63.4 tok/s

38–101 · alacsony bizalom

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
63.4 tok/s

38–101 · alacsony bizalom

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
63.4 tok/s

38–101 · alacsony bizalom

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
63.4 tok/s

38–101 · alacsony bizalom

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
63.4 tok/s

38–101 · alacsony bizalom

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
58.7 tok/s

35–94 · alacsony bizalom

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokenek ? Q8_0 Kényelmes
57.7 tok/s

35–92 · alacsony bizalom

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
57.7 tok/s

35–92 · alacsony bizalom

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
57.7 tok/s

35–92 · alacsony bizalom

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
57.7 tok/s

35–92 · alacsony bizalom

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
52.9 tok/s

32–85 · alacsony bizalom

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
52.9 tok/s

32–85 · alacsony bizalom

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
52.9 tok/s

32–85 · alacsony bizalom

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
52.9 tok/s

32–85 · alacsony bizalom

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
51.6 tok/s

31–83 · alacsony bizalom

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokenek Q8_0 Kényelmes
50.9 tok/s

31–81 · alacsony bizalom

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · alacsony bizalom

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · alacsony bizalom

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · alacsony bizalom

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · alacsony bizalom

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · alacsony bizalom

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · alacsony bizalom

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · alacsony bizalom

Otter ≈ 1.3B May 2023 2.1 GB 131k tokenek ? Q8_0 Kényelmes
48.8 tok/s

29–78 · 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

Radeon Pro 5300M 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
192 GB/s
Memória típus
GDDR6
Memória busz szélessége
128 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
Navi 14
Architektúra
RDNA 1.0
Generáció
Radeon Pro Mac(Navi Mobile)
Öntödé
TSMC
Feldolgozási méret
7 nm
Tranzisztorok
6.4 billion
Tranzisztor sűrűség
40,500 K/mm²
Die méret
158 mm²
Csomag
BGA-1125
Kiadott
13 November 2019

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 GHz
Turbóóra
1.25 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
1,280
Textúrázási egységek
80
Render kimeneti egységek
32
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)
6.4 TFLOPS
Egyszeres pontosság (FP32)
3.2 TFLOPS
Kettős pontosság (FP64)
200 GFLOPS
Pixelek aránya
40 GPixel/s
Textúra sebesség
100 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)
85 W
Áramellátó csatlakozók
None
Busz interfész
PCIe 4.0 x8

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
12.1
OpenGL
4.6
Vulkan
1.4
OpenCL
2.1
Shader modell
6.8

Lista

Hol lehet venni egy Radeon Pro 5300M

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

4 GB

Sávszélesség

192 GB/s

Legnagyobb modell

DeciLM 6B

Radeon Pro 5300M csak hordoz 4 GB -nak GDDR6. 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 192 GB/s egy buszon keresztül a 128 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 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 gyakorlati plafon DeciLM 6B, 5.7B, tömörítve Q3_K_M és generálás körül 30.0 tokenek másodpercenként

A chip és hogy hogyan készült

Radeon Pro 5300M a grafikus feldolgozón van építve Navi 14, az architektúra használatával RDNA 1.0 ból AMD, a generáció részeként Radeon Pro Mac(Navi Mobile).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 7 , egy kockával, amely méri 158 mm², tartás 6.4 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 2019, nagyjából 6.7147639513914 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

6.4 TFLOPS

FP64

200 GFLOPS

Papíron Radeon Pro 5300M elér 6.4 TFLOPS félnyes pontossággal, és 3.2 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 200 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 GHz egy gyorsításra 1.25 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

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 1,280 árnyékoló egységek, 80 Textúrázási egységek, és 32 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

85 W

Radeon Pro 5300M rated at 85 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.

Csatlakozik a PCIe 4.0 x8. 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 Radeon Pro 5300M

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

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 28.3 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 31.2 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 36.6 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 42.8 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 36.6 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 36.6 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 30.6 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 34.9 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 34.9 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 30.0 tok/s

A leggyorsabb AI modellek egy Radeon Pro 5300M

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..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 63.4 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 63.4 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 63.4 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 63.4 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 63.4 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 63.4 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 58.7 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 57.7 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 57.7 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 57.7 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Radeon Pro 5300M

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..

  1. 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.

  2. 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 ez gyakran a különbség egy modell illeszkedése és nem illeszkedése között.

  3. 03

    Válaszd ki, meddig szeretnéd tömöríteni.

    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.

  4. 04

    Olvasd el a sebességet és a hatótávolságot

    Minden sebesség egy becslés egyetlen beszélgetésre, alatta egy tartományral. A felső határ itt 63.4 tok/s on Gemma 3 QAT 1B. Ugyanaz a Kártya és Modell harminc és ötven százalékos eltérést mutat a következtetési futási idők között.

  5. 05

    Ellenőrizze a memória oszlopot elköteleződés előtt.

    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.

  6. 06

    Nézd meg ugyanazt a modellt a másik oldalról

    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 Radeon Pro 5300M.

Válaszok

Radeon Pro 5300M — gyakori kérdések

01

Radeon Pro 5300M— 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. 30.0 token másodpercenként és körülbelül 3.5 A kártya memória GB-ja.

02

Radeon Pro 5300M— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 63.4 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.

03

Radeon Pro 5300M— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 4 GB -nak GDDR6. 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.

04

Radeon Pro 5300M— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 192 GB/s egy buszon keresztül a 128 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.

05

Radeon Pro 5300M— Milyen típusú MEMORY-t használ?

Használja GDDR6 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.

06

Radeon Pro 5300M— ki készíti?

Ez egy terméke a AMD, a chip általi gyártásával TSMC, egy folyamatban 7 .

07

Radeon Pro 5300M— Mikor adták ki?

Megjelent a November 2019.

08

Radeon Pro 5300M— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 85 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.

09

Radeon Pro 5300M— mennyi cache-e van?

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.

10

Radeon Pro 5300M— mennyi a TFLOPS-ja?

Ez értékelve van 6.4 TFLOPS fél precízióban és 3.2 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.

11

Radeon Pro 5300M— 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.

12

Radeon Pro 5300M— Milyen busz interfészt használ?

Használja PCIe 4.0 x8. 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.

13

Radeon Pro 5300M— 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.

14

Radeon Pro 5300M— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Fel lehet osztani, az átlépés a rendszer MEMÓRIÁBAN marad, a kártya mögött. 4 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.

15

Két Radeon Pro 5300M kártyák kétszer olyan gyorsak lesznek?

A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 8 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.

16

Radeon Pro 5300M— 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.

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