Számítsa ki a TPS-t a CMP 100HX-210 helyi AI modellek

NVIDIA 16 GB HBM2 829 GB/s January 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

432 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Nemotron 3-Nano-30B-A3B

31.6B · Q3_K_M · 167 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

351 tok/s · 1B

Mely AI modellek futhatnak egy CMP 100HX-210?

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..

432 modellek megfelelnek

Számítás
Kvantisálás Illeszkedik
351 tok/s

299–422

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

299–422

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

211–562 · alacsony bizalom

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

211–562 · alacsony bizalom

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

211–562 · alacsony bizalom

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

211–562 · alacsony bizalom

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

195–520 · alacsony bizalom

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

192–511 · alacsony bizalom

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

192–511 · alacsony bizalom

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

192–511 · alacsony bizalom

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

192–511 · alacsony bizalom

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

176–468 · alacsony bizalom

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

176–468 · alacsony bizalom

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

176–468 · alacsony bizalom

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

176–468 · alacsony bizalom

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

243–343

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokenek Q8_0 Kényelmes
282 tok/s

169–451 · alacsony bizalom

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

162–432 · alacsony bizalom

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

162–432 · alacsony bizalom

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

162–432 · alacsony bizalom

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

162–432 · alacsony bizalom

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

162–432 · alacsony bizalom

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

162–432 · alacsony bizalom

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

162–432 · alacsony bizalom

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

162–432 · 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

CMP 100HX-210 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
829 GB/s
Memória típus
HBM2
Memória busz szélessége
4,096 bit
Memória óra
810 MHz

A chip

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

Grafikus processzor
GV100
Architektúra
Volta
Generáció
Mining GPUs
Öntödé
TSMC
Feldolgozási méret
12 nm
Tranzisztorok
21.1 billion
Tranzisztor sűrűség
25,900 K/mm²
Die méret
815 mm²
Kiadott
1 January 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
555 MHz
Turbóóra
1.15 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
5,120
Textúrázási egységek
320
Render kimeneti egységek
128
Streaming multiprocesszorok
80
Tenzor magok
640
L1 gyorsítótár
96 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)
23.5 TFLOPS
Egyszeres pontosság (FP32)
11.8 TFLOPS
Kettős pontosság (FP64)
5.9 TFLOPS
Pixelek aránya
147 GPixel/s
Textúra sebesség
367 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
1x 6-pin + 1x 8-pin
Busz interfész
PCIe 1.0 x1
Bővítőhely szélessége
Dual-slot
Dimenziók
267 mm × 40 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
7.0
DirectX
12.1
OpenGL
4.6
Vulkan
1.4
OpenCL
3.0
Shader modell
6.8

Lista

Hol lehet venni egy CMP 100HX-210

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

16 GB

Sávszélesség

829 GB/s

Legnagyobb modell

Nemotron 3-Nano-30B-A3B

CMP 100HX-210 hordoz 16 GB -nak HBM2. 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 829 GB/s egy buszon keresztül a 4,096 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 sávszélesség a óra szorozva az busz szélességgel, és ez a KÁRTYA az memória órajelét 810 MHz. Ezért a magok száma olyan rosszul jósolja a generálási sebességet.

A legnagyobb dolog, amit tart, az Nemotron 3-Nano-30B-A3B, 31.6B, tömörítve Q3_K_M és generálás körül 167 tokenek másodpercenként

A chip és hogy hogyan készült

CMP 100HX-210 a grafikus feldolgozón van építve GV100, az architektúra használatával Volta ból NVIDIA, a generáció részeként Mining GPUs.

A chip-et a következő gyártó készíti TSMC, egy folyamatban 12 , egy kockával, amely méri 815 mm², tartás 21.1 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 2020, nagyjából 6.5805172589916 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

23.5 TFLOPS

FP64

5.9 TFLOPS

Tenzor magok

640

Papíron CMP 100HX-210 elér 23.5 TFLOPS félnyes pontossággal, és 11.8 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 5.9 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 640 Tenzor magok át跨 80 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 555 MHz egy gyorsításra 1.15 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

CMP 100HX-210 L1 gyorsítótárral rendelkezik 96 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 5,120 árnyékoló egységek, 320 Textúrázási egységek, és 128 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

CMP 100HX-210 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 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 1.0 x1. 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 CMP 100HX-210

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

  1. 01 North Mini Code 30B · Q3_K_M · Jun 2026 176 tok/s
  2. 02 Qwen 3.6-27B 27B · Q3_K_M · Apr 2026 35.1 tok/s
  3. 03 Qwen3.5-27B 27B · Q3_K_M · Feb 2026 35.1 tok/s
  4. 04 Nemotron 3-Nano-30B-A3B 31.6B · Q3_K_M · Dec 2025 167 tok/s
  5. 05 Nomos 1 30B · Q3_K_M · Dec 2025 176 tok/s
  6. 06 C2S-Scale 27B · Q3_K_M · Oct 2025 35.1 tok/s
  7. 07 Gemma-SEA-LION-v4-27B-IT 27B · Q3_K_M · Aug 2025 35.1 tok/s
  8. 08 ERNIE-4.5-VL-28B-A3B 28B · Q3_K_M · Jun 2025 188 tok/s
  9. 09 Qwen3-30B-A3B 30B · Q3_K_M · Apr 2025 176 tok/s
  10. 10 Gemma 3 QAT 27B 27B · Q3_K_M · Apr 2025 35.1 tok/s

A leggyorsabb AI modellek egy CMP 100HX-210

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 351 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 351 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 351 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 351 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 351 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 351 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 325 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 319 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 319 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 319 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy CMP 100HX-210

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 a modellt a táblázatban

    A táblázat felsorolja 432 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. 16 GB tehát a beállítást megéri jól csinálni.

  3. 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.

  4. 04

    Használja a tartományt válaszként

    Minden sebesség egy becslés egyetlen beszélgetésre, alatta egy tartományral. A felső határ itt 351 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 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. 16 GB.

  6. 06

    Nézd meg ugyanazt a modellt a másik oldalról

    Minden modell oldala megismétli ezt a számítást az egész katalógusra. Érdemes megnézni, mielőtt döntesz: megmutatja, mi fut még ugyanazzal a modellel, mellette CMP 100HX-210.

Válaszok

CMP 100HX-210 — gyakori kérdések

01

CMP 100HX-210— mennyi cache-e van?

Az L1 gyorsítótár 96 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.

02

CMP 100HX-210— mennyi a TFLOPS-ja?

Ez értékelve van 23.5 TFLOPS fél precízióban és 11.8 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.

03

CMP 100HX-210— Hány TENSOR CORE-ja van?

Van 640 Tenzor magok át跨 80 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

04

CMP 100HX-210— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 7.0. 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.

05

CMP 100HX-210— Milyen busz interfészt használ?

Használja PCIe 1.0 x1. 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.

06

CMP 100HX-210— jó helyi AI modellek futtatására?

Memóriája kis és közepes méretű modelleket fed le, bár a legnagyobbak elérhetetlenek, és a sávszélessége elég magas ahhoz, hogy szöveget generáljon gyorsabban, mint amit a legtöbb ember olvas. Összesen 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.

07

CMP 100HX-210— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 16 GB lehúzza az egészet, és az ezen az oldalon található számok egyike sem feltételezi azt.

08

Két CMP 100HX-210 kártyák kétszer olyan gyorsak lesznek?

A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 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.

09

CMP 100HX-210— 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.

10

CMP 100HX-210— 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. 167 token másodpercenként és körülbelül 14.4 A kártya memória GB-ja.

11

CMP 100HX-210— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 351 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.

12

CMP 100HX-210— futtatható-e 7B modellek?

Igen. Például fut. Multi-Token Prediction 7B at Q8_0, használva körülbelül 7.9 GB memória és körülbelül generálás 52.4 tokenek másodpercenként

13

CMP 100HX-210— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q6_K, használva körülbelül 13.7 GB memória és körülbelül generálás 177 tokenek másodpercenként

14

CMP 100HX-210— 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 188 tokenek másodpercenként

15

CMP 100HX-210— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 16 GB -nak HBM2. 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.

16

CMP 100HX-210— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 829 GB/s egy buszon keresztül a 4,096 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.

17

CMP 100HX-210— Milyen típusú MEMORY-t használ?

Használja HBM2 órára állítva 810 MHz. 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.

18

CMP 100HX-210— ki készíti?

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

19

CMP 100HX-210— Mikor adták ki?

Megjelent a January 2020.

20

CMP 100HX-210— 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.

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