Számítsa ki a TPS-t a CMP 170HX 10 GB helyi AI modellek

NVIDIA 10 GB HBM2e 1,560 GB/s September 2021

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

381 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Ling-lite-1.5 ("Bailing")

16.8B · Q3_K_M · 106 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

661 tok/s · 1B

Mely AI modellek futhatnak egy CMP 170HX 10 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.

381 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
619 tok/s 371–990 · alacsony bizalom	DeepSeekMoE-16B	16B	Jan 2024	8.1 GB	4k tokenek	Q3_K_M	Szoros
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	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

CMP 170HX 10 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: 10 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: Mining GPUs
Öntödé: TSMC
Feldolgozási méret: 7 nm
Tranzisztorok: 54.2 billion
Tranzisztor sűrűség: 65,600 K/mm²
Die méret: 826 mm²
Csomag: BGA-2743
Kiadott: 1 September 2021

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: 1.14 GHz
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: 4,480
Textúrázási egységek: 280
Render kimeneti egységek: 128
Streaming multiprocesszorok: 70
Tenzor magok: 280
L1 gyorsítótár: 192 KB
L2 gyorsítótár: 10 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): 50.5 TFLOPS
Egyszeres pontosság (FP32): 12.6 TFLOPS
Kettős pontosság (FP64): 6.3 TFLOPS
Pixelek aránya: 181 GPixel/s
Textúra sebesség: 395 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: 2x 8-pin
Busz interfész: PCIe 1.0 x4
Bővítőhely szélessége: IGP

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 CMP 170HX 10 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

Memória: a specifikáció, ami mindent eldönt

VRAM

10 GB

Sávszélesség

1,560 GB/s

Legnagyobb modell

Ling-lite-1.5 ("Bailing")

CMP 170HX 10 GB csak hordoz 10 GB -nak HBM2e. Ez korlátozza a katalógus kisebb végére, és egy modellnek teljesen bele kell férnie, mielőtt bármilyen kimenetet generál. Egy futás valójában körülbelül 9 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. Mindkét fél fontos, és egyik sem látható egy játéktesztben.

Összeállítva a legnagyobb modell, ami belefér, az Ling-lite-1.5 ("Bailing"), 16.8B, tömörítve Q3_K_M és generálás körül 106 tokenek másodpercenként

A chip és hogy hogyan készült

CMP 170HX 10 GB a grafikus feldolgozón van építve GA100, az architektúra használatával Ampere ból NVIDIA, a generáció részeként Mining GPUs.

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 September 2021, nagyjából 4.9147453599274 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

50.5 TFLOPS

FP64

6.3 TFLOPS

Tenzor magok

280

Papíron CMP 170HX 10 GB elér 50.5 TFLOPS félnyes pontossággal, és 12.6 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 6.3 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 280 Tenzor magok át跨 70 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 1.14 GHz 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

CMP 170HX 10 GB L1 gyorsítótárral rendelkezik 192 Kb, L2 gyorsítótár támogatásával 10 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 4,480 árnyékoló egységek, 280 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 170HX 10 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 igp, és szükséges 2x 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 x4. 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 170HX 10 GB

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

01 Ring-mini-linear-2.0 16.4B · Q3_K_M · Oct 2025 109 tok/s
02 Ling-mini-base-2.0-20T 16B · Q3_K_M · Sep 2025 111 tok/s
03 Ling-lite-1.5 ("Bailing") 16.8B · Q3_K_M · Mar 2025 106 tok/s
04 Nanbeige2-16B-Chat 15.8B · Q3_K_M · May 2024 113 tok/s
05 DeepSeekMoE-16B 16B · Q3_K_M · Jan 2024 619 tok/s
06 Nanbeige-16B 16B · Q3_K_M · Nov 2023 111 tok/s
07 CodeT5+ 16B · Q3_K_M · May 2023 111 tok/s
08 CodeGen2 16B · Q3_K_M · May 2023 111 tok/s
09 MOSS-Moon-003 16B · Q3_K_M · Apr 2023 111 tok/s
10 CodeGen-Mono 16.1B 16.1B · Q3_K_M · Feb 2023 111 tok/s

A leggyorsabb AI modellek egy CMP 170HX 10 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 DeepSeekMoE-16B 16B · Q3_K_M · 8.1 GB 619 tok/s
08 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 612 tok/s
09 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 601 tok/s
10 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 601 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy CMP 170HX 10 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

Keleti AI model, amely nem illeszthető a GPU VRAM-ba, szoros megszorításokkal futtatható, kényelmesen vagy könnyen fut, nyílt forráskódú AI model, az adatbázisunkban található, legújabb GPU-k, GPU VRAM/bandwidth, GPU kártya, AI kontextusablak.

A táblázat felsorolja 381 modellek, amelyeket ez a kártya futtathat. Keresés név vagy méret szerint — a 27b beírása a paraméterek számán illeszkedik, még akkor is, ha a név soha nem mondja ki.
02

Állítsd be a ténylegesen használt CONTEXT LENGTH-et.

A hosszabb beszélgetések memóriahasználata a súlyok mellett. 10 GB ez gyakran a különbség egy modell illeszkedése és nem illeszkedése között.
03

Rögzítse az összehasonlítást egy minőségi szintre.

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 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

Ellenőrizze a memória oszlopot elköteleződés előtt.

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. 10 GB.
06

Nézd meg ugyanazt a modellt a másik oldalról

Követve egy modellt a saját oldalán, felsorolja az összes hardvert, ami futtathatja, így láthatod, hogyan hasonlít össze CMP 170HX 10 GB.

Válaszok

CMP 170HX 10 GB — gyakori kérdések

CMP 170HX 10 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.

CMP 170HX 10 GB— mennyi cache-e van?

Az L1 gyorsítótár 192 Kb, és az L2 gyorsítótár 10 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.

CMP 170HX 10 GB— mennyi a TFLOPS-ja?

Ez értékelve van 50.5 TFLOPS fél precízióban és 12.6 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.

CMP 170HX 10 GB— Hány TENSOR CORE-ja van?

Van 280 Tenzor magok át跨 70 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

CMP 170HX 10 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.

CMP 170HX 10 GB— Milyen busz interfészt használ?

Használja PCIe 1.0 x4. 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.

CMP 170HX 10 GB— jó helyi AI modellek futtatására?

Its memory limits it to smaller models and its bandwidth is high enough to generate text faster than most people read. In total it runs 381 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

CMP 170HX 10 GB— Futtathat egy modellt, ami nem fér el a VRAM-jában?

A kártya teljesítményén túli terhelés 10 GB lehúzza az egészet, és az ezen az oldalon található számok egyike sem feltételezi azt.

Két CMP 170HX 10 GB kártyák kétszer olyan gyorsak lesznek?

A kapacitás hozzáadódik, a throughput nem. Kettő együtt ad neked 20 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.

CMP 170HX 10 GB— Melyik AI modellt tud futtatni?

381 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.

CMP 170HX 10 GB— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Ling-lite-1.5 ("Bailing") at 16.8B paraméterek, tömörített Q3_K_M. Körülbelül generál. 106 token másodpercenként és körülbelül 8.9 A kártya memória GB-ja.

CMP 170HX 10 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.

CMP 170HX 10 GB— futtatható-e 7B modellek?

Igen. Például fut. DeepSeek Coder 6.7B at Q4_K_M, használva körülbelül 8.3 GB memória és körülbelül generálás 228 tokenek másodpercenként

CMP 170HX 10 GB— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q3_K_M, használva körülbelül 8.1 GB memória és körülbelül generálás 619 tokenek másodpercenként

CMP 170HX 10 GB— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 10 GB -nak HBM2e. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 9 GB elérhető egy AI modell számára és annak beszélgetéséhez.

CMP 170HX 10 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.

CMP 170HX 10 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.

CMP 170HX 10 GB— ki készíti?

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

CMP 170HX 10 GB— Mikor adták ki?

Megjelent a September 2021.

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