Számítsa ki a TPS-t a Data Center GPU Flex 170 helyi AI modellek

Intel 16 GB GDDR6 512 GB/s August 2022

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 · 66.9 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

141 tok/s · 1B

Mely AI modellek futhatnak egy Data Center GPU Flex 170?

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.

432 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
141 tok/s 85–226 · alacsony bizalom	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
141 tok/s 85–226 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
131 tok/s 78–209 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
128 tok/s 77–205 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
128 tok/s 77–205 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
128 tok/s 77–205 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
128 tok/s 77–205 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
117 tok/s 70–188 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
117 tok/s 70–188 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
117 tok/s 70–188 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
117 tok/s 70–188 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
115 tok/s 69–183 · alacsony bizalom	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokenek	Q8_0	Kényelmes
113 tok/s 68–181 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · alacsony bizalom	Otter ≈	1.3B	May 2023	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
108 tok/s 65–173 · 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

Data Center GPU Flex 170 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: 512 GB/s
Memória típus: GDDR6
Memória busz szélessége: 256 bit
Memória óra: 2 GHz

A chip

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

Grafikus processzor: DG2-512
Architektúra: Xe-HPG
Generáció: Data Center GPU(Arctic Sound)
Öntödé: TSMC
Feldolgozási méret: 6 nm
Tranzisztorok: 21.7 billion
Tranzisztor sűrűség: 53,400 K/mm²
Die méret: 406 mm²
Kiadott: 24 August 2022

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: 1.95 GHz
Turbóóra: 2.05 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: 4,096
Textúrázási egységek: 256
Render kimeneti egységek: 128
Ray tracing magok: 32
L2 gyorsítótár: 16 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): 33.6 TFLOPS
Egyszeres pontosság (FP32): 16.8 TFLOPS
Pixelek aránya: 262 GPixel/s
Textúra sebesség: 525 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): 150 W
Javasolt tápegység: 450 W
Áramellátó csatlakozók: 1x 8-pin
Busz interfész: PCIe 4.0 x16
Bővítőhely szélessége: Dual-slot
Kimenetek megjelenítése: 1x HDMI 2.1, 3x DisplayPort 2.0

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: 12.2
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Shader modell: 6.6

Lista

Hol lehet venni egy Data Center GPU Flex 170

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

16 GB

Sávszélesség

512 GB/s

Legnagyobb modell

Nemotron 3-Nano-30B-A3B

Data Center GPU Flex 170 hordoz 16 GB -nak GDDR6. 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 512 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.

Ez egy MEMORY CLOCK-ból származik 2 GHz. Mindkét fél fontos, és egyik sem látható egy játéktesztben.

A gyakorlati plafon Nemotron 3-Nano-30B-A3B, 31.6B, tömörítve Q3_K_M és generálás körül 66.9 tokenek másodpercenként

A chip és hogy hogyan készült

Data Center GPU Flex 170 a grafikus feldolgozón van építve DG2-512, az architektúra használatával Xe-HPG ból Intel, a generáció részeként Data Center GPU(Arctic Sound).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 6 , egy kockával, amely méri 406 mm², tartás 21.7 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 August 2022, nagyjából 3.9365745750955 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

33.6 TFLOPS

Papíron Data Center GPU Flex 170 elér 33.6 TFLOPS félnyes pontossággal, és 16.8 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.

Az órajelek egy alapból futnak 1.95 GHz egy gyorsításra 2.05 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 16 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 4,096 árnyékoló egységek, 256 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

150 W

Data Center GPU Flex 170 rated at 150 W, és a javasolt rendszer tápegység 450 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, és szükséges 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 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 Data Center GPU Flex 170

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

01 North Mini Code 30B · Q3_K_M · Jun 2026 70.4 tok/s
02 Qwen 3.6-27B 27B · Q3_K_M · Apr 2026 14.1 tok/s
03 Qwen3.5-27B 27B · Q3_K_M · Feb 2026 14.1 tok/s
04 Nemotron 3-Nano-30B-A3B 31.6B · Q3_K_M · Dec 2025 66.9 tok/s
05 Nomos 1 30B · Q3_K_M · Dec 2025 70.4 tok/s
06 C2S-Scale 27B · Q3_K_M · Oct 2025 14.1 tok/s
07 Gemma-SEA-LION-v4-27B-IT 27B · Q3_K_M · Aug 2025 14.1 tok/s
08 ERNIE-4.5-VL-28B-A3B 28B · Q3_K_M · Jun 2025 75.5 tok/s
09 Qwen3-30B-A3B 30B · Q3_K_M · Apr 2025 70.4 tok/s
10 Gemma 3 QAT 27B 27B · Q3_K_M · Apr 2025 14.1 tok/s

A leggyorsabb AI modellek egy Data Center GPU Flex 170

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 141 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 141 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 141 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 141 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 141 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 141 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 131 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 128 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 128 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 128 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Data Center GPU Flex 170

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 432 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.

A hosszabb beszélgetések memóriahasználata a súlyok mellett. 16 GB Gyakran az az, ami egy nagy modellt a határvonalon túlra lök.
03

Rögzítse az összehasonlítást egy minőségi szintre.

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.
04

Olvasd el a sebességet és a hatótávolságot

A számok kiszámolt, nem mért. A leggyorsabb eredmény ezen a KÁRTYÁN 141 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 megfelelő oszlop elkülöníti azokat a modelleket, amelyek éppen elférnek, azoktól, amelyeknek van szabad helyük — érdemes megnézni, mielőtt döntést hozunk egy elérhetőről. 16 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 Data Center GPU Flex 170.

Válaszok

Data Center GPU Flex 170 — gyakori kérdések

Data Center GPU Flex 170— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q6_K, használva körülbelül 13.7 GB memória és körülbelül generálás 71.1 tokenek másodpercenként

Data Center GPU Flex 170— 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 75.5 tokenek másodpercenként

Data Center GPU Flex 170— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 16 GB -nak GDDR6. 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.

Data Center GPU Flex 170— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 512 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.

Data Center GPU Flex 170— Milyen típusú MEMORY-t használ?

Használja GDDR6 órára állítva 2 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.

Data Center GPU Flex 170— ki készíti?

Ez egy terméke a Intel, a chip általi gyártásával TSMC, egy folyamatban 6 .

Data Center GPU Flex 170— Mikor adták ki?

Megjelent a August 2022.

Data Center GPU Flex 170— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 150 W, és a javasolt rendszer tápegység 450 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.

Data Center GPU Flex 170— mennyi cache-e van?

és az L2 gyorsítótár 16 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.

Data Center GPU Flex 170— mennyi a TFLOPS-ja?

Ez értékelve van 33.6 TFLOPS fél precízióban és 16.8 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.

Data Center GPU Flex 170— Támogatja a CUDA-t?

Nem. A CUDA kizárólag NVIDIA, és ez egy kártya a Intel. A nyelvi modellek futtatása ROCm, Vulkan vagy Metal segítségével történik a szoftvertől függően, amelyek éretlenebbek a CUDA úthoz képest — becsléseink büntetést alkalmaznak emiatt.

Data Center GPU Flex 170— 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.

Data Center GPU Flex 170— jó helyi AI modellek futtatására?

A memóriája kis és közepes méretű modelleket fed le, bár a legnagyobbak elérhetetlenek, és a sávszélessége használható, ha nem is látványos, generálási sebességeket biztosít. Összességében 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.

Data Center GPU Flex 170— 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.

Két Data Center GPU Flex 170 kártyák kétszer olyan gyorsak lesznek?

A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 32 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.

Data Center GPU Flex 170— 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.

Data Center GPU Flex 170— 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. 66.9 token másodpercenként és körülbelül 14.4 A kártya memória GB-ja.

Data Center GPU Flex 170— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 141 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.

Data Center GPU Flex 170— futtatható-e 7B modellek?

Igen. Például fut. Multi-Token Prediction 7B at Q8_0, használva körülbelül 7.9 GB memória és körülbelül generálás 21.0 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