Számítsa ki a TPS-t a GeForce RTX 2070 Max-Q Refresh helyi AI modellek

NVIDIA 8 GB GDDR6 352 GB/s March 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

337 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Baichuan 1-13B

13.3B · Q3_K_M · 30.3 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

149 tok/s · 1B

Mely AI modellek futhatnak egy GeForce RTX 2070 Max-Q Refresh?

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.

337 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
149 tok/s 127–179	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
149 tok/s 127–179	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
149 tok/s 89–239 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
149 tok/s 89–239 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
149 tok/s 89–239 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
149 tok/s 89–239 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
138 tok/s 83–221 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
136 tok/s 81–217 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
136 tok/s 81–217 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
136 tok/s 81–217 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
136 tok/s 81–217 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
124 tok/s 75–199 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
124 tok/s 75–199 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
124 tok/s 75–199 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
124 tok/s 75–199 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
121 tok/s 103–145	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokenek	Q8_0	Kényelmes
120 tok/s 72–191 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	Otter ≈	1.3B	May 2023	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · 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

GeForce RTX 2070 Max-Q Refresh 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: 8 GB
Memória sávszélesség: 352 GB/s
Memória típus: GDDR6
Memória busz szélessége: 256 bit
Memória óra: 1.38 GHz

A chip

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

Grafikus processzor: TU106B
Architektúra: Turing
Generáció: GeForce 20 Mobile
Öntödé: TSMC
Feldolgozási méret: 12 nm
Tranzisztorok: 10.8 billion
Tranzisztor sűrűség: 24,300 K/mm²
Die méret: 445 mm²
Csomag: BGA-2228
Kiadott: 4 March 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: 900 MHz
Turbóóra: 1.13 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: 2,304
Textúrázási egységek: 144
Render kimeneti egységek: 64
Streaming multiprocesszorok: 36
Tenzor magok: 288
Ray tracing magok: 36
L1 gyorsítótár: 64 KB
L2 gyorsítótár: 4 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): 10.4 TFLOPS
Egyszeres pontosság (FP32): 5.2 TFLOPS
Kettős pontosság (FP64): 162 GFLOPS
Pixelek aránya: 72 GPixel/s
Textúra sebesség: 162 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): 115 W
Áramellátó csatlakozók: None
Busz interfész: PCIe 3.0 x16
Bővítőhely szélessége: MXM Module

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 GeForce RTX 2070 Max-Q Refresh

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

Memória: a specifikáció, ami mindent eldönt

VRAM

8 GB

Sávszélesség

352 GB/s

Legnagyobb modell

Baichuan 1-13B

GeForce RTX 2070 Max-Q Refresh csak hordoz 8 GB -nak GDDR6. Ez korlátozza a katalógus kisebb végére, és egy modellnek teljesen bele kell férnie, mielőtt bármilyen kimenetet generál. Egy futás valójában körülbelül 7.2 GB.

A memóriával rendelkező sávszélesség eléri 352 GB/s egy buszon keresztül a 256 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 1.38 GHz. Mindkét fél fontos, és egyik sem látható egy játéktesztben.

A gyakorlati plafon Baichuan 1-13B, 13.3B, tömörítve Q3_K_M és generálás körül 30.3 tokenek másodpercenként

A chip és hogy hogyan készült

GeForce RTX 2070 Max-Q Refresh a grafikus feldolgozón van építve TU106B, az architektúra használatával Turing ból NVIDIA, a generáció részeként GeForce 20 Mobile.

A chip-et a következő gyártó készíti TSMC, egy folyamatban 12 , egy kockával, amely méri 445 mm², tartás 10.8 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 March 2020, nagyjából 6.4106518093933 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

10.4 TFLOPS

FP64

162 GFLOPS

Tenzor magok

288

Papíron GeForce RTX 2070 Max-Q Refresh elér 10.4 TFLOPS félnyes pontossággal, és 5.2 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 162 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 288 Tenzor magok át跨 36 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 900 MHz egy gyorsításra 1.13 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

GeForce RTX 2070 Max-Q Refresh L1 gyorsítótárral rendelkezik 64 Kb, L2 gyorsítótár támogatásával 4 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 2,304 árnyékoló egységek, 144 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

Teljesítményfogyasztás

115 W

GeForce RTX 2070 Max-Q Refresh rated at 115 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 mxm module. 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 GeForce RTX 2070 Max-Q Refresh

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

01 OLMo 2 Furious 13B 13B · Q3_K_M · Dec 2024 31.0 tok/s
02 Cambrian-1-13B 13B · Q3_K_M · Jun 2024 31.0 tok/s
03 Fugaku-LLM 13B · Q3_K_M · May 2024 31.0 tok/s
04 OpenThaiGPT v1.0.0 (13B) 13.1B · Q3_K_M · Apr 2024 30.7 tok/s
05 Aya 13B · Q3_K_M · Feb 2024 31.0 tok/s
06 Elyza 13B · Q3_K_M · Dec 2023 31.0 tok/s
07 NexusRaven-V2 13B · Q3_K_M · Dec 2023 31.0 tok/s
08 Baize-v2-13B (白泽) 13B · Q3_K_M · Dec 2023 31.0 tok/s
09 Stockmark-13B 13.2B · Q3_K_M · Oct 2023 30.5 tok/s
10 Baichuan 1-13B 13.3B · Q3_K_M · Jul 2023 30.3 tok/s

A leggyorsabb AI modellek egy GeForce RTX 2070 Max-Q Refresh

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 149 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 149 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 149 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 149 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 149 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 149 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 138 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 136 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 136 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 136 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy GeForce RTX 2070 Max-Q Refresh

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 337 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. 8 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

Használja a tartományt válaszként

A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 149 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. 8 GB.
06

Nyisd meg a modellt, hogy összehasonlíthasd a kártyákat.

Követve egy modellt a saját oldalán, felsorolja az összes hardvert, ami futtathatja, így láthatod, hogyan hasonlít össze GeForce RTX 2070 Max-Q Refresh.

Válaszok

GeForce RTX 2070 Max-Q Refresh — gyakori kérdések

GeForce RTX 2070 Max-Q Refresh— Mikor adták ki?

Megjelent a March 2020.

GeForce RTX 2070 Max-Q Refresh— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 115 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.

GeForce RTX 2070 Max-Q Refresh— mennyi cache-e van?

Az L1 gyorsítótár 64 Kb, és az L2 gyorsítótár 4 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.

GeForce RTX 2070 Max-Q Refresh— mennyi a TFLOPS-ja?

Ez értékelve van 10.4 TFLOPS fél precízióban és 5.2 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.

GeForce RTX 2070 Max-Q Refresh— Hány TENSOR CORE-ja van?

Van 288 Tenzor magok át跨 36 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

GeForce RTX 2070 Max-Q Refresh— 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.

GeForce RTX 2070 Max-Q Refresh— 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.

GeForce RTX 2070 Max-Q Refresh— 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 337 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

GeForce RTX 2070 Max-Q Refresh— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 8 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 GeForce RTX 2070 Max-Q Refresh kártyák kétszer olyan gyorsak lesznek?

Nem. Egy második kártya megduplázza a MEMÓRIÁT a 16 GB egy GPU-val dolgozni, nem pedig kétszer annyi TOKEN másodpercenként — minden szám egyetlen KÁRTYÁRA vonatkozik.

GeForce RTX 2070 Max-Q Refresh— Melyik AI modellt tud futtatni?

337 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.

GeForce RTX 2070 Max-Q Refresh— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Baichuan 1-13B at 13.3B paraméterek, tömörített Q3_K_M. Körülbelül generál. 30.3 token másodpercenként és körülbelül 7.2 A kártya memória GB-ja.

GeForce RTX 2070 Max-Q Refresh— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 149 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.

GeForce RTX 2070 Max-Q Refresh— futtatható-e 7B modellek?

Igen. Például fut. MetaMath 7B (LLaMa finetune) at Q4_K_M, használva körülbelül 6.5 GB memória és körülbelül generálás 49.2 tokenek másodpercenként

GeForce RTX 2070 Max-Q Refresh— futtatható-e 13B modellek?

Igen. Például fut. Gemma 4 12B at Q3_K_M, használva körülbelül 6.5 GB memória és körülbelül generálás 33.7 tokenek másodpercenként

GeForce RTX 2070 Max-Q Refresh— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 8 GB -nak GDDR6. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 7.2 GB elérhető egy AI modell számára és annak beszélgetéséhez.

GeForce RTX 2070 Max-Q Refresh— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 352 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.

GeForce RTX 2070 Max-Q Refresh— Milyen típusú MEMORY-t használ?

Használja GDDR6 órára állítva 1.38 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.

GeForce RTX 2070 Max-Q Refresh— ki készíti?

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

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