Számítsa ki a TPS-t a H100 SXM5 96 GB helyi AI modellek
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
679 modellek az adatbázisunkban összesen
A legnagyobb modell, amit tartalmaz.
dots.llm1
142B · IQ4_XS · 24.6 tok/s
Leggyorsabb modell
Gemma 3 QAT 1B
1,423 tok/s · 1B
Mely AI modellek futhatnak egy H100 SXM5 96 GB?
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..
609 modellek megfelelnek
Számítás| Kvantisálás | Illeszkedik | ||||||
|---|---|---|---|---|---|---|---|
|
1,423
tok/s
1,210–1,708 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokenek | Q8_0 | Kényelmes |
|
1,423
tok/s
1,210–1,708 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokenek | Q8_0 | Kényelmes |
|
1,423
tok/s
854–2,277 · alacsony bizalom |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,423
tok/s
854–2,277 · alacsony bizalom |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,423
tok/s
854–2,277 · alacsony bizalom |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,423
tok/s
854–2,277 · alacsony bizalom |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,318
tok/s
791–2,108 · alacsony bizalom |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,294
tok/s
776–2,070 · alacsony bizalom |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,294
tok/s
776–2,070 · alacsony bizalom |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,294
tok/s
776–2,070 · alacsony bizalom |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,294
tok/s
776–2,070 · alacsony bizalom |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,186
tok/s
712–1,897 · alacsony bizalom |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,186
tok/s
712–1,897 · alacsony bizalom |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,186
tok/s
712–1,897 · alacsony bizalom |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,186
tok/s
712–1,897 · alacsony bizalom |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,157
tok/s
983–1,388 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokenek | Q8_0 | Kényelmes |
|
1,141
tok/s
684–1,825 · alacsony bizalom |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · alacsony bizalom |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · alacsony bizalom |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · alacsony bizalom |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · alacsony bizalom |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · alacsony bizalom |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · alacsony bizalom |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · alacsony bizalom |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokenek ? | Q8_0 | Kényelmes |
|
1,095
tok/s
657–1,751 · 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
H100 SXM5 96 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
- 96 GB
- Memória sávszélesség
- 3,360 GB/s
- Memória típus
- HBM3
- Memória busz szélessége
- 5,120 bit
- Memória óra
- 1.31 GHz
A chip
Melyik processor található az alaplapon és hogyan készült. Egy kisebb gyártási méret általában jobb teljesítményt jelent ugyanazon energiafelhasználás mellett.
- Grafikus processzor
- GH100
- Architektúra
- Hopper
- Generáció
- Server Hopper(Hxx)
- Öntödé
- TSMC
- Feldolgozási méret
- 5 nm
- Tranzisztorok
- 80 billion
- Tranzisztor sűrűség
- 98,300 K/mm²
- Die méret
- 814 mm²
- Kiadott
- 21 March 2023
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
- 1.35 GHz
- Turbóóra
- 1.98 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
- 16,896
- Textúrázási egységek
- 528
- Render kimeneti egységek
- 24
- Streaming multiprocesszorok
- 132
- Tenzor magok
- 528
- L1 gyorsítótár
- 250 KB
- L2 gyorsítótár
- 50 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)
- 267.6 TFLOPS
- Egyszeres pontosság (FP32)
- 66.9 TFLOPS
- Kettős pontosság (FP64)
- 33.5 TFLOPS
- Pixelek aránya
- 48 GPixel/s
- Textúra sebesség
- 1,045 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)
- 700 W
- Javasolt tápegység
- 1,100 W
- Áramellátó csatlakozók
- 8-pin EPS
- Busz interfész
- PCIe 5.0 x16
- Bővítőhely szélessége
- SXM 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
- 9.0
- OpenCL
- 3.0
Lista
Hol lehet venni egy H100 SXM5 96 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
Mit jelent a memóriaalrendszer az AI számára
VRAM
96 GB
Sávszélesség
3,360 GB/s
Legnagyobb modell
dots.llm1
H100 SXM5 96 GB tartalmaz 96 GB -nak HBM3. Ez a hardverosztályba helyezi, amely képes a legnagyobb open WEIGHT modellek tárolására anélkül, hogy azokat gépek között osztaná meg. Egy inference RUNTIME körülbelül elérheti 86.4 GB.
A memóriával rendelkező sávszélesség eléri 3,360 GB/s egy buszon keresztül a 5,120 bit. Ez van a létező dolgok csúcsán. Mivel minden token azt jelenti, hogy az egész modellt egyszerre olvassuk ki a MEMÓRIÁBÓL, szinte közvetlenül a generálási sebességbe fordul — ez a KÁRTYA elég sávszélességgel bír ahhoz, hogy a modell mérete jóval korábban ne legyen a korlátozó tényező, mint ahogy a busz lenne.
Ez egy MEMORY CLOCK-ból származik 1.31 GHz. Mindkét fél fontos, és egyik sem látható egy játéktesztben.
A gyakorlatban ez a kombináció a következőnél végződik dots.llm1, 142B, tömörítve IQ4_XS és generálás körül 24.6 tokenek másodpercenként
A chip és hogy hogyan készült
H100 SXM5 96 GB a grafikus feldolgozón van építve GH100, az architektúra használatával Hopper ból NVIDIA, a generáció részeként Server Hopper(Hxx).
A chip-et a következő gyártó készíti TSMC, egy folyamatban 5 , egy kockával, amely méri 814 mm², tartás 80 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 2023, nagyjából 3.364237616973 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
267.6 TFLOPS
FP64
33.5 TFLOPS
Tenzor magok
528
Papíron H100 SXM5 96 GB elér 267.6 TFLOPS félnyes pontossággal, és 66.9 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 33.5 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 528 Tenzor magok át跨 132 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 1.35 GHz egy gyorsításra 1.98 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
H100 SXM5 96 GB L1 gyorsítótárral rendelkezik 250 Kb, L2 gyorsítótár támogatásával 50 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 16,896 árnyékoló egységek, 528 Textúrázási egységek, és 24 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
700 W
H100 SXM5 96 GB rated at 700 W, és a javasolt rendszer tápegység 1,100 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 sxm module, 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 5.0 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 H100 SXM5 96 GB
A legnagyobb open weight modellek, amelyek elférnek ezen a kártyán, legújabb elöl. Mindegyik a kártya által elérhető legjobb tömörítésben van megjelenítve..
A leggyorsabb AI modellek egy H100 SXM5 96 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..
Lépésről lépésre
Hogyan lehet kiszámolni a tokenek másodpercenként egy H100 SXM5 96 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 609 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. 96 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
Minden sebesség egy becslés egyetlen beszélgetésre, alatta egy tartományral. A felső határ itt 1,423 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.
A megfelelő oszlop elkülöníti azokat a modelleket, amelyek éppen elférnek, azoktól, amelyeknek van szabad helyük — érdemes megnézni, mielőtt döntést hozunk egy elérhetőről. 96 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 H100 SXM5 96 GB.
Válaszok
H100 SXM5 96 GB — gyakori kérdések
H100 SXM5 96 GB— futtatható-e 70B modellek?
Igen. Például fut. Qwen3-Coder-Next at Q8_0, használva körülbelül 80.7 GB memória és körülbelül generálás 98.8 tokenek másodpercenként
H100 SXM5 96 GB— mennyi VRAM-ja van?
Ez a KÁRTYA rendelkezik 96 GB -nak HBM3. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 86.4 GB elérhető egy AI modell számára és annak beszélgetéséhez.
H100 SXM5 96 GB— mi a memória-sávszélessége?
A memóriával rendelkező sávszélesség eléri 3,360 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.
H100 SXM5 96 GB— Milyen típusú MEMORY-t használ?
Használja HBM3 órára állítva 1.31 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.
H100 SXM5 96 GB— ki készíti?
Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 5 .
H100 SXM5 96 GB— Mikor adták ki?
Megjelent a March 2023.
H100 SXM5 96 GB— mennyi áramot fogyaszt?
A minősített kártya teljesítménye 700 W, és a javasolt rendszer tápegység 1,100 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.
H100 SXM5 96 GB— mennyi cache-e van?
Az L1 gyorsítótár 250 Kb, és az L2 gyorsítótár 50 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.
H100 SXM5 96 GB— mennyi a TFLOPS-ja?
Ez értékelve van 267.6 TFLOPS fél precízióban és 66.9 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.
H100 SXM5 96 GB— Hány TENSOR CORE-ja van?
Van 528 Tenzor magok át跨 132 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.
H100 SXM5 96 GB— Támogatja a CUDA-t?
Igen. Jelentést ad a CUDA számítási képességről. 9.0. 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.
H100 SXM5 96 GB— Milyen busz interfészt használ?
Használja PCIe 5.0 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.
H100 SXM5 96 GB— jó helyi AI modellek futtatására?
Elég nagy a memória ahhoz, hogy olyan modelleket támogasson, amelyeket a legtöbb asztali hardver nem tud kezelni, és a sávszélessége a leggyorsabb elérhető hardverek közé helyezi a generáláshoz. Összesen fut 609 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.
H100 SXM5 96 GB— Futtathat egy modellt, ami nem fér el a VRAM-jában?
Fel lehet osztani, az átlépés a rendszer MEMÓRIÁBAN marad, a kártya mögött. 96 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 H100 SXM5 96 GB kártyák kétszer olyan gyorsak lesznek?
Nem. Egy második kártya megduplázza a MEMÓRIÁT a 192 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.
H100 SXM5 96 GB— Melyik AI modellt tud futtatni?
609 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.
H100 SXM5 96 GB— Melyik a legnagyobb AI modell, amit futtatni tud?
A katalógusunkban a legnagyobb modell, ami belefér, az dots.llm1 at 142B paraméterek, tömörített IQ4_XS. Körülbelül generál. 24.6 token másodpercenként és körülbelül 78.3 A kártya memória GB-ja.
H100 SXM5 96 GB— mennyi token másodpercenként?
A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 1,423 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.
H100 SXM5 96 GB— futtatható-e 7B modellek?
Igen. Például fut. Multi-Token Prediction 7B at Q8_0, használva körülbelül 7.9 GB memória és körülbelül generálás 212 tokenek másodpercenként
H100 SXM5 96 GB— futtatható-e 13B modellek?
Igen. Például fut. DeepSeekMoE-16B at Q8_0, használva körülbelül 17.5 GB memória és körülbelül generálás 494 tokenek másodpercenként
H100 SXM5 96 GB— futtatható-e 30B modellek?
Igen. Például fut. ERNIE-4.5-VL-28B-A3B at Q8_0, használva körülbelül 29.2 GB memória és körülbelül generálás 282 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..