Számítsa ki a TPS-t a A100 PCIe 40 GB helyi AI modellek

NVIDIA 40 GB HBM2e 1,560 GB/s June 2020

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

604 modellek, amelyeket futtathat

721 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Qwen3-Coder-Next

80B · Q3_K_M · 124 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

661 tok/s · 1B

Mely AI modellek futhatnak egy A100 PCIe 40 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.

604 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
661 tok/s 562–793	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
661 tok/s 562–793	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
661 tok/s 396–1,057 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
661 tok/s 396–1,057 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
661 tok/s 396–1,057 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
661 tok/s 396–1,057 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
612 tok/s 367–979 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
601 tok/s 360–961 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
601 tok/s 360–961 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
601 tok/s 360–961 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
601 tok/s 360–961 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
551 tok/s 330–881 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
551 tok/s 330–881 · alacsony bizalom	LFM2-1.2B ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
551 tok/s 330–881 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
551 tok/s 330–881 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
551 tok/s 330–881 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
537 tok/s 457–645	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokenek	Q8_0	Kényelmes
530 tok/s 318–847 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
508 tok/s 305–813 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
508 tok/s 305–813 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
508 tok/s 305–813 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
508 tok/s 305–813 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
508 tok/s 305–813 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
508 tok/s 305–813 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
508 tok/s 305–813 · alacsony bizalom	Otter ≈	1.3B	May 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

A100 PCIe 40 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: 40 GB
Memória sávszélesség: 1,560 GB/s
Memória típus: HBM2e
Memória busz szélessége: 5,120 bit
Memória óra: 1.22 GHz

A chip

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

Grafikus processzor: GA100
Architektúra: Ampere
Generáció: Server Ampere(Axx)
Öntödé: TSMC
Feldolgozási méret: 7 nm
Tranzisztorok: 54.2 billion
Tranzisztor sűrűség: 65,600 K/mm²
Die méret: 826 mm²
Csomag: BGA-2743
Kiadott: 22 June 2020

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: 765 MHz
Turbóóra: 1.41 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: 6,912
Textúrázási egységek: 432
Render kimeneti egységek: 160
Streaming multiprocesszorok: 108
Tenzor magok: 432
L1 gyorsítótár: 192 KB
L2 gyorsítótár: 40 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): 78 TFLOPS
Egyszeres pontosság (FP32): 19.5 TFLOPS
Kettős pontosság (FP64): 9.7 TFLOPS
Pixelek aránya: 226 GPixel/s
Textúra sebesség: 609 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): 250 W
Javasolt tápegység: 600 W
Áramellátó csatlakozók: 8-pin EPS
Busz interfész: PCIe 4.0 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: 8.0
OpenCL: 3.0

Lista

Hol lehet venni egy A100 PCIe 40 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

40 GB

Sávszélesség

1,560 GB/s

Legnagyobb modell

Qwen3-Coder-Next

A100 PCIe 40 GB hordoz 40 GB -nak HBM2e. Ez lefedi a legtöbb ember által valóban futtatott közepes méretű modelleket. Miután a futási idő és a meghajtó lefoglalja a munkaterületét, körülbelül ennyi marad: 36 GB.

A memóriával rendelkező sávszélesség eléri 1,560 GB/s egy buszon keresztül a 5,120 bit. A token generálása azt jelenti, hogy minden súlyt egyszer elolvasunk, így ez a szám inkább meghatározza a tempót, mint bármely más szám itt, és ezen a szinten a szöveg gyorsabban érkezik, mint ahogy a legtöbb ember olvas.

A szám a busz szélessége és a memória óra szorzataként van. 1.22 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 legnagyobb dolog, amit tart, az Qwen3-Coder-Next, 80B, tömörítve Q3_K_M és generálás körül 124 tokenek másodpercenként

A chip és hogy hogyan készült

A100 PCIe 40 GB a grafikus feldolgozón van építve GA100, az architektúra használatával Ampere ból NVIDIA, a generáció részeként Server Ampere(Axx).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 7 , egy kockával, amely méri 826 mm², tartás 54.2 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 June 2020, nagyjából 6.2292900941185 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

78 TFLOPS

FP64

9.7 TFLOPS

Tenzor magok

432

Papíron A100 PCIe 40 GB elér 78 TFLOPS félnyes pontossággal, és 19.5 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 9.7 TFLOPS. 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 432 Tenzor magok át跨 108 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 765 MHz egy gyorsításra 1.41 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

A100 PCIe 40 GB L1 gyorsítótárral rendelkezik 192 Kb, L2 gyorsítótár támogatásával 40 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 6,912 árnyékoló egységek, 432 Textúrázási egységek, és 160 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

250 W

A100 PCIe 40 GB rated at 250 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 8-pin EPS. 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 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 A100 PCIe 40 GB

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 · Q3_K_M · Feb 2026 124 tok/s
02 Qwen3-Next-80B-A3B 80B · Q3_K_M · Sep 2025 124 tok/s
03 Kimi Dev 72b 72B · Q3_K_M · Jun 2025 24.8 tok/s
04 OpenThaiGPT 1.6 / OTG-1.6 (72B) 72B · Q3_K_M · Apr 2025 24.8 tok/s
05 Qwen2.5-VL-72B 72B · Q3_K_M · Feb 2025 24.8 tok/s
06 QVQ 72B · Q3_K_M · Dec 2024 24.8 tok/s
07 Athene-V2 72B · Q3_K_M · Nov 2024 24.8 tok/s
08 Qwen2.5-72B 72.7B · Q3_K_M · Sep 2024 24.5 tok/s
09 Qwen2.5 Instruct (72B) 72.7B · Q3_K_M · Sep 2024 24.5 tok/s
10 Qwen2-72B 72.7B · Q3_K_M · Jun 2024 24.5 tok/s

A leggyorsabb AI modellek egy A100 PCIe 40 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 661 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 661 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 661 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 661 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 661 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 661 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 612 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 601 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 601 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 601 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy A100 PCIe 40 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 a modellt a táblázatban

A táblázat felsorolja 604 modellek, amiket a KÁRTYA kezel. A keresőmező egy nevet vagy egy méretet acceptál, mint például 27b, ami a paraméterszámmal egyezik.
02

Illeszd a kontextust a munkádhoz

Húzza el a csúszkát a tervezett beszélgetési hosszhoz, amin dolgozni kíván. A cache a beszélgetéssel nő, és egy kártyával szemben tart. 40 GB ez gyakran a különbség egy modell illeszkedése és nem illeszkedése között.
03

Állítson be egy minimális minőséget, ha szüksége van rá.

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

Nézd meg a tartományt, ne csak a számot.

Minden sebesség egy becslés egyetlen beszélgetésre, alatta egy tartományral. A felső határ itt 661 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. 40 GB.
06

Ellenőrizze más hardverekkel

Minden modell oldala megismétli ezt a számítást az egész katalógusra. Érdemes megnézni, mielőtt döntesz: megmutatja, mi fut még ugyanazzal a modellel, mellette A100 PCIe 40 GB.

Válaszok

A100 PCIe 40 GB — gyakori kérdések

A100 PCIe 40 GB— futtatható-e 70B modellek?

Igen. Például fut. Qwen3-Coder-Next at Q3_K_M, használva körülbelül 34.1 GB memória és körülbelül generálás 124 tokenek másodpercenként

A100 PCIe 40 GB— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 40 GB -nak HBM2e. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 36 GB elérhető egy AI modell számára és annak beszélgetéséhez.

A100 PCIe 40 GB— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 1,560 GB/s egy buszon keresztül a 5,120 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.

A100 PCIe 40 GB— Milyen típusú MEMORY-t használ?

Használja HBM2e órára állítva 1.22 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.

A100 PCIe 40 GB— ki készíti?

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

A100 PCIe 40 GB— Mikor adták ki?

Megjelent a June 2020.

A100 PCIe 40 GB— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 250 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.

A100 PCIe 40 GB— mennyi cache-e van?

Az L1 gyorsítótár 192 Kb, és az L2 gyorsítótár 40 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.

A100 PCIe 40 GB— mennyi a TFLOPS-ja?

Ez értékelve van 78 TFLOPS fél precízióban és 19.5 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.

A100 PCIe 40 GB— Hány TENSOR CORE-ja van?

Van 432 Tenzor magok át跨 108 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

A100 PCIe 40 GB— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 8.0. 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.

A100 PCIe 40 GB— Milyen busz interfészt használ?

Használja PCIe 4.0 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.

A100 PCIe 40 GB— jó helyi AI modellek futtatására?

A memóriája kényelmesen lefedi a közepes méretű modelleket, amelyeket a legtöbb ember helyben futtat, és a sávszélessége elég magas ahhoz, hogy gyorsabban generáljon szöveget, mint ahogy a legtöbb ember olvas. Összesen fut 604 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

A100 PCIe 40 GB— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 40 GB lehetséges és általában hamis gazdaság: a rendszer-memória rész elég lassú ahhoz, hogy dominálja az eredményt.

Két A100 PCIe 40 GB kártyák kétszer olyan gyorsak lesznek?

A kapacitás hozzáadódik, a throughput nem. Kettő együtt ad neked 80 GB egy GPU-val dolgozni, nem pedig kétszer annyi TOKEN másodpercenként — minden szám egyetlen KÁRTYÁRA vonatkozik.

A100 PCIe 40 GB— Melyik AI modellt tud futtatni?

604 a 721 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.

A100 PCIe 40 GB— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Qwen3-Coder-Next at 80B paraméterek, tömörített Q3_K_M. Körülbelül generál. 124 token másodpercenként és körülbelül 34.1 A kártya memória GB-ja.

A100 PCIe 40 GB— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 661 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.

A100 PCIe 40 GB— futtatható-e 7B modellek?

Igen. Például fut. Gemma 4 E4B at Q8_0, használva körülbelül 9.8 GB memória és körülbelül generálás 147 tokenek másodpercenként

A100 PCIe 40 GB— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q8_0, használva körülbelül 17.5 GB memória és körülbelül generálás 229 tokenek másodpercenként

A100 PCIe 40 GB— futtatható-e 30B modellek?

Igen. Például fut. Qwen3.6-35B-A3B at Q6_K, használva körülbelül 28.0 GB memória és körülbelül generálás 152 tokenek másodpercenként

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