Számítsa ki a TPS-t a Data Center GPU Max Subsystem helyi AI modellek

Intel 128 GB HBM2e 3,210 GB/s January 2023

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

658 modellek, amelyeket futtathat

721 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

Solar Open2 250B

250.3B · Q3_K_M · 52.9 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

884 tok/s · 1B

Mely AI modellek futhatnak egy Data Center GPU Max Subsystem?

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.

658 modellek megfelelnek

Számítás

						Kvantisálás	Illeszkedik
884 tok/s 530–1,414 · alacsony bizalom	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
884 tok/s 530–1,414 · alacsony bizalom	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokenek	Q8_0	Kényelmes
884 tok/s 530–1,414 · alacsony bizalom	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
884 tok/s 530–1,414 · alacsony bizalom	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
884 tok/s 530–1,414 · alacsony bizalom	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
884 tok/s 530–1,414 · alacsony bizalom	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokenek ?	Q8_0	Kényelmes
818 tok/s 491–1,309 · alacsony bizalom	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
803 tok/s 482–1,285 · alacsony bizalom	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
803 tok/s 482–1,285 · alacsony bizalom	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
803 tok/s 482–1,285 · alacsony bizalom	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
803 tok/s 482–1,285 · alacsony bizalom	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokenek ?	Q8_0	Kényelmes
736 tok/s 442–1,178 · alacsony bizalom	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
736 tok/s 442–1,178 · alacsony bizalom	LFM2-1.2B ≈	1.2B	Jul 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
736 tok/s 442–1,178 · alacsony bizalom	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
736 tok/s 442–1,178 · alacsony bizalom	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
736 tok/s 442–1,178 · alacsony bizalom	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
718 tok/s 431–1,150 · alacsony bizalom	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokenek	Q8_0	Kényelmes
708 tok/s 425–1,133 · alacsony bizalom	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokenek ?	Q8_0	Kényelmes
680 tok/s 408–1,088 · alacsony bizalom	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
680 tok/s 408–1,088 · alacsony bizalom	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
680 tok/s 408–1,088 · alacsony bizalom	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
680 tok/s 408–1,088 · alacsony bizalom	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
680 tok/s 408–1,088 · alacsony bizalom	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
680 tok/s 408–1,088 · alacsony bizalom	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokenek ?	Q8_0	Kényelmes
680 tok/s 408–1,088 · 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

Data Center GPU Max Subsystem 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: 128 GB
Memória sávszélesség: 3,210 GB/s
Memória típus: HBM2e
Memória busz szélessége: 8,192 bit
Memória óra: 1.57 GHz

A chip

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

Grafikus processzor: Ponte Vecchio
Architektúra: Generation 12.5
Generáció: Data Center GPU(Ponte Vecchio)
Öntödé: Intel
Feldolgozási méret: 10 nm
Tranzisztorok: 100 billion
Tranzisztor sűrűség: 78,100 K/mm²
Die méret: 1,280 mm²
Kiadott: 10 January 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: 900 MHz
Turbóóra: 1.6 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: 16,384
Textúrázási egységek: 1,024
Ray tracing magok: 128
L1 gyorsítótár: 64 KB
L2 gyorsítótár: 408 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): 52.4 TFLOPS
Egyszeres pontosság (FP32): 52.4 TFLOPS
Kettős pontosság (FP64): 52.4 TFLOPS
Textúra sebesség: 1,638 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): 2,400 W
Javasolt tápegység: 2,800 W
Áramellátó csatlakozók: 1x 16-pin
Busz interfész: PCIe 5.0 x16
Bővítőhely szélessége: Dual-slot
Dimenziók: 267 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.

DirectX: 12.1
OpenGL: 4.6
OpenCL: 3.0
Shader modell: 6.6

Lista

Hol lehet venni egy Data Center GPU Max Subsystem

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

128 GB

Sávszélesség

3,210 GB/s

Legnagyobb modell

Solar Open2 250B

Data Center GPU Max Subsystem tartalmaz 128 GB -nak HBM2e. Ez a hardverosztályba helyezi, amely képes a legnagyobb open WEIGHT modellek tárolására anélkül, hogy azokat gépek között osztaná meg. Egy inference RUNTIME körülbelül elérheti 115.2 GB.

A memóriával rendelkező sávszélesség eléri 3,210 GB/s egy buszon keresztül a 8,192 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 1.57 GHz. A busz szélesítése és az óra megemelése az a két kar, amellyel egy gyártó rendelkezik, ezért egy közönséges magokkal rendelkező kártya is gyorsan tud generálni.

A gyakorlati plafon Solar Open2 250B, 250.3B, tömörítve Q3_K_M és generálás körül 52.9 tokenek másodpercenként

A chip és hogy hogyan készült

Data Center GPU Max Subsystem a grafikus feldolgozón van építve Ponte Vecchio, az architektúra használatával Generation 12.5 ból Intel, a generáció részeként Data Center GPU(Ponte Vecchio).

A chip-et a következő gyártó készíti Intel, egy folyamatban 10 , egy kockával, amely méri 1,280 mm², tartás 100 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 2023, nagyjából 3.6782234900376 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

52.4 TFLOPS

FP64

52.4 TFLOPS

Papíron Data Center GPU Max Subsystem elér 52.4 TFLOPS félnyes pontossággal, és 52.4 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 52.4 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.

Az órajelek egy alapból futnak 900 MHz egy gyorsításra 1.6 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

Data Center GPU Max Subsystem L1 gyorsítótárral rendelkezik 64 Kb, L2 gyorsítótár támogatásával 408 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 16,384 árnyékoló egységek, 1,024 Textúrázási 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

2,400 W

Data Center GPU Max Subsystem rated at 2,400 W, és a javasolt rendszer tápegység 2,800 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 16-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 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 Data Center GPU Max Subsystem

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

01 Solar Open2 250B 250.3B · Q3_K_M · Jun 2026 52.9 tok/s
02 MiniMax-M2.7 229B · Q3_K_M · Mar 2026 10.4 tok/s
03 MiniMax-M2.5 229B · Q3_K_M · Feb 2026 10.4 tok/s
04 MiniMax-M2.1 229B · Q3_K_M · Dec 2025 10.4 tok/s
05 P1-235B-A22B 235B · Q3_K_M · Nov 2025 56.4 tok/s
06 Qwen3-235B-A22B-Thinking (Jul 2025) 235B · Q3_K_M · Jul 2025 56.4 tok/s
07 Qwen3-235B-A22B (Jul 2025) 235B · Q3_K_M · Jul 2025 56.4 tok/s
08 Qwen3-235B-A22B 235B · IQ4_XS · Apr 2025 51.3 tok/s
09 DeepSeek-V2.5 236B · Q3_K_M · Sep 2024 56.1 tok/s
10 DeepSeek-V2 (MoE-236B) 236B · Q3_K_M · May 2024 56.1 tok/s

A leggyorsabb AI modellek egy Data Center GPU Max Subsystem

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 884 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 884 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 884 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 884 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 884 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 884 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 818 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 803 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 803 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 803 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy Data Center GPU Max Subsystem

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 meg a kívánt modellt

A táblázat felsorolja 658 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

Illeszd a kontextust a munkádhoz

A hosszabb beszélgetések memóriahasználata a súlyok mellett. 128 GB Gyakran az az, ami egy nagy modellt a határvonalon túlra lök.
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.
04

Használja a tartományt válaszként

A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 884 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 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. 128 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 Data Center GPU Max Subsystem.

Válaszok

Data Center GPU Max Subsystem — gyakori kérdések

Data Center GPU Max Subsystem— mennyi a TFLOPS-ja?

Ez értékelve van 52.4 TFLOPS fél precízióban és 52.4 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 Max Subsystem— 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 Max Subsystem— 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.

Data Center GPU Max Subsystem— 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 658 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 Max Subsystem— Futtathat egy modellt, ami nem fér el a VRAM-jában?

A kártya teljesítményén túli terhelés 128 GB lehetséges és általában hamis gazdaság: a rendszer-memória rész elég lassú ahhoz, hogy dominálja az eredményt.

Két Data Center GPU Max Subsystem kártyák kétszer olyan gyorsak lesznek?

A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 256 GB kombinált memória, körülbelül ugyanazon generációs sebességgel, mint egy.

Data Center GPU Max Subsystem— Melyik AI modellt tud futtatni?

658 a 721 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 Max Subsystem— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az Solar Open2 250B at 250.3B paraméterek, tömörített Q3_K_M. Körülbelül generál. 52.9 token másodpercenként és körülbelül 106.6 A kártya memória GB-ja.

Data Center GPU Max Subsystem— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 884 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 Max Subsystem— futtatható-e 7B modellek?

Igen. Például fut. Gemma 4 E4B at Q8_0, használva körülbelül 9.8 GB memória és körülbelül generálás 196 tokenek másodpercenként

Data Center GPU Max Subsystem— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q8_0, használva körülbelül 17.5 GB memória és körülbelül generálás 307 tokenek másodpercenként

Data Center GPU Max Subsystem— 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 175 tokenek másodpercenként

Data Center GPU Max Subsystem— futtatható-e 70B modellek?

Igen. Például fut. Qwen3-Coder-Next at Q8_0, használva körülbelül 80.7 GB memória és körülbelül generálás 61.4 tokenek másodpercenként

Data Center GPU Max Subsystem— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 128 GB -nak HBM2e. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 115.2 GB elérhető egy AI modell számára és annak beszélgetéséhez.

Data Center GPU Max Subsystem— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 3,210 GB/s egy buszon keresztül a 8,192 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 Max Subsystem— Milyen típusú MEMORY-t használ?

Használja HBM2e órára állítva 1.57 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 Max Subsystem— ki készíti?

Ez egy terméke a Intel, a chip általi gyártásával Intel, egy folyamatban 10 .

Data Center GPU Max Subsystem— Mikor adták ki?

Megjelent a January 2023.

Data Center GPU Max Subsystem— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 2,400 W, és a javasolt rendszer tápegység 2,800 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 Max Subsystem— mennyi cache-e van?

Az L1 gyorsítótár 64 Kb, és az L2 gyorsítótár 408 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.

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