Számítsa ki a TPS-t a B200 helyi AI modellek

NVIDIA 180 GB HBM3e 8,000 GB/s January 2024

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

633 modellek, amelyeket futtathat

679 modellek az adatbázisunkban összesen

A legnagyobb modell, amit tartalmaz.

GLM-4.7

358B · Q3_K_M · 142 tok/s

Leggyorsabb modell

Gemma 3 QAT 1B

3,388 tok/s · 1B

Mely AI modellek futhatnak egy B200?

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..

633 modellek megfelelnek

Számítás
Kvantisálás Illeszkedik
3,388 tok/s

2,880–4,066

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
3,388 tok/s

2,880–4,066

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokenek Q8_0 Kényelmes
3,388 tok/s

2,033–5,421 · alacsony bizalom

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
3,388 tok/s

2,033–5,421 · alacsony bizalom

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
3,388 tok/s

2,033–5,421 · alacsony bizalom

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokenek ? Q8_0 Kényelmes
3,388 tok/s

2,033–5,421 · alacsony bizalom

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokenek ? Q8_0 Kényelmes
3,137 tok/s

1,882–5,020 · alacsony bizalom

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokenek ? Q8_0 Kényelmes
3,080 tok/s

1,848–4,928 · alacsony bizalom

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
3,080 tok/s

1,848–4,928 · alacsony bizalom

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
3,080 tok/s

1,848–4,928 · alacsony bizalom

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
3,080 tok/s

1,848–4,928 · alacsony bizalom

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokenek ? Q8_0 Kényelmes
2,824 tok/s

1,694–4,518 · alacsony bizalom

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
2,824 tok/s

1,694–4,518 · alacsony bizalom

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
2,824 tok/s

1,694–4,518 · alacsony bizalom

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
2,824 tok/s

1,694–4,518 · alacsony bizalom

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokenek ? Q8_0 Kényelmes
2,755 tok/s

2,341–3,306

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokenek Q8_0 Kényelmes
2,716 tok/s

1,630–4,346 · alacsony bizalom

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · alacsony bizalom

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · alacsony bizalom

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · alacsony bizalom

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · alacsony bizalom

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · alacsony bizalom

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · alacsony bizalom

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · alacsony bizalom

Otter ≈ 1.3B May 2023 2.1 GB 131k tokenek ? Q8_0 Kényelmes
2,606 tok/s

1,564–4,170 · 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

B200 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
180 GB
Memória sávszélesség
8,000 GB/s
Memória típus
HBM3e
Memória busz szélessége
8,192 bit
Memória óra
1.95 GHz

A chip

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

Grafikus processzor
GB100
Architektúra
Blackwell
Generáció
Server Blackwell(Bxx)
Öntödé
TSMC
Feldolgozási méret
5 nm
Tranzisztorok
104 billion
Kiadott
1 January 2024

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
700 MHz
Turbóóra
1.97 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
18,944
Textúrázási egységek
592
Render kimeneti egységek
24
Streaming multiprocesszorok
148
Tenzor magok
592
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)
1,191.2 TFLOPS
Egyszeres pontosság (FP32)
74.5 TFLOPS
Kettős pontosság (FP64)
37.2 TFLOPS
Pixelek aránya
47 GPixel/s
Textúra sebesség
1,163 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)
1,000 W
Javasolt tápegység
1,400 W
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
10.0
OpenCL
3.0

Lista

Hol lehet venni egy B200

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

180 GB

Sávszélesség

8,000 GB/s

Legnagyobb modell

GLM-4.7

B200 tartalmaz 180 GB -nak HBM3e. Ez a hardverosztályba helyezi, amely képes a legnagyobb open WEIGHT modellek tárolására anélkül, hogy azokat gépek között osztaná meg. Egy inference RUNTIME körülbelül elérheti 162 GB.

A memóriával rendelkező sávszélesség eléri 8,000 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.

A sávszélesség a óra szorozva az busz szélességgel, és ez a KÁRTYA az memória órajelét 1.95 GHz. Ezért a magok száma olyan rosszul jósolja a generálási sebességet.

A gyakorlati plafon GLM-4.7, 358B, tömörítve Q3_K_M és generálás körül 142 tokenek másodpercenként

A chip és hogy hogyan készült

B200 a grafikus feldolgozón van építve GB100, az architektúra használatával Blackwell ból NVIDIA, a generáció részeként Server Blackwell(Bxx).

A chip-et a következő gyártó készíti TSMC, egy folyamatban 5 , tartás 104 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 2024, nagyjából 2.5804971727984 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

1,191.2 TFLOPS

FP64

37.2 TFLOPS

Tenzor magok

592

Papíron B200 elér 1,191.2 TFLOPS félnyes pontossággal, és 74.5 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 37.2 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 592 Tenzor magok át跨 148 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 700 MHz egy gyorsításra 1.97 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

B200 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 18,944 árnyékoló egységek, 592 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

1,000 W

B200 rated at 1,000 W, és a javasolt rendszer tápegység 1,400 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. 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 B200

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

  1. 01 Solar Open2 250B 250.3B · Q4_K_M · Jun 2026 174 tok/s
  2. 02 DeepSeek-V4-Flash 284B · Q4_K_M · Apr 2026 153 tok/s
  3. 03 Tencent Hy3 preview 295B · Q4_K_M · Apr 2026 147 tok/s
  4. 04 GLM-4.7 358B · Q3_K_M · Dec 2025 142 tok/s
  5. 05 MiMo-V2-Flash 309B · Q3_K_M · Dec 2025 29.6 tok/s
  6. 06 ERNIE-4.5-300B-A47B 300B · IQ4_XS · Jun 2025 154 tok/s
  7. 07 Llama Nemotron Ultra 253B 253B · Q4_K_M · Mar 2025 30.9 tok/s
  8. 08 Ling-Plus ("Bailing") 290B · IQ4_XS · Mar 2025 28.7 tok/s
  9. 09 DeepSeek-V2.5 236B · Q5_K_M · Sep 2024 142 tok/s
  10. 10 Grok-1 314B · Q3_K_M · Nov 2023 29.1 tok/s

A leggyorsabb AI modellek egy B200

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..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 3,388 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 3,388 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 3,388 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 3,388 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 3,388 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 3,388 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 3,137 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 3,080 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 3,080 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 3,080 tok/s

Lépésről lépésre

Hogyan lehet kiszámolni a tokenek másodpercenként egy B200

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..

  1. 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 633 modellek, amelyeket ez a kártya futtat. A keresés szűkíti a listát név vagy méret alapján.

  2. 02

    Illeszd a kontextust a munkádhoz

    A hosszabb beszélgetések memóriahasználata a súlyok mellett. 180 GB ez gyakran a különbség egy modell illeszkedése és nem illeszkedése között.

  3. 03

    Rögzítse az összehasonlítást egy minőségi szintre.

    Alapértelmezés szerint a táblázat a legkevésbé tömörített másolatot választja, ami elfér. A padló beállítása eltávolítja azokat a modelleket, amelyek csak erős tömörítéssel felelnek meg.

  4. 04

    Használja a tartományt válaszként

    A sebességek hibahatárokkal járnak okkal. A legjobb eset itt 3,388 tok/s on Gemma 3 QAT 1B. Ugyanaz a Kártya és Modell harminc és ötven százalékos eltérést mutat a következtetési futási idők között.

  5. 05

    Ellenőrizze a szabad helyet, mielőtt döntést hozna

    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. 180 GB.

  6. 06

    Nézd meg ugyanazt a modellt a másik oldalról

    Minden modell neve a táblázatban a saját oldalára mutat, amely ugyanazt a számítást végzi el az összes kártyán, amelyet birtoklunk. Itt láthatja, hogy a megfelelő vásárlás megfelel-e B200.

Válaszok

B200 — gyakori kérdések

01

B200— mennyi a TFLOPS-ja?

Ez értékelve van 1,191.2 TFLOPS fél precízióban és 74.5 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.

02

B200— Hány TENSOR CORE-ja van?

Van 592 Tenzor magok át跨 148 Streaming multiprocesszorok. Felgyorsítják a mátrixaritmetikát, amelyből a transformer fel van építve, ami elsősorban a hosszú prompt feldolgozását gyorsítja, nem pedig a válasz előállítását.

03

B200— Támogatja a CUDA-t?

Igen. Jelentést ad a CUDA számítási képességről. 10.0. 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.

04

B200— 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.

05

B200— 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 633 a modellek számára, amelyeket nyomon követünk. Hogy ez elég-e, az teljesen attól függ, hogy melyik modellt szeretnéd - a fenti táblázat közvetlenül erre válaszol.

06

B200— Futtathat egy modellt, ami nem fér el a VRAM-jában?

Csak részben. Rétegek a kártyán túl. 180 GB lehetséges és általában hamis gazdaság: a rendszer-memória rész elég lassú ahhoz, hogy dominálja az eredményt.

07

Két B200 kártyák kétszer olyan gyorsak lesznek?

A párosításuk fejlesztési lehetőséget biztosít a sebesség helyett: 360 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.

08

B200— Melyik AI modellt tud futtatni?

633 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.

09

B200— Melyik a legnagyobb AI modell, amit futtatni tud?

A katalógusunkban a legnagyobb modell, ami belefér, az GLM-4.7 at 358B paraméterek, tömörített Q3_K_M. Körülbelül generál. 142 token másodpercenként és körülbelül 155.2 A kártya memória GB-ja.

10

B200— mennyi token másodpercenként?

A modell függvénye. A leggyorsabb modell, amit itt követünk, az Gemma 3 QAT 1B körülbelül 3,388 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.

11

B200— futtatható-e 7B modellek?

Igen. Például fut. Multi-Token Prediction 7B at Q8_0, használva körülbelül 7.9 GB memória és körülbelül generálás 506 tokenek másodpercenként

12

B200— futtatható-e 13B modellek?

Igen. Például fut. DeepSeekMoE-16B at Q8_0, használva körülbelül 17.5 GB memória és körülbelül generálás 1,176 tokenek másodpercenként

13

B200— 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 672 tokenek másodpercenként

14

B200— futtatható-e 70B modellek?

Igen. Például fut. Qwen3-Coder-Next at Q8_0, használva körülbelül 80.7 GB memória és körülbelül generálás 235 tokenek másodpercenként

15

B200— mennyi VRAM-ja van?

Ez a KÁRTYA rendelkezik 180 GB -nak HBM3e. Körülbelül egy tizedet tartanak fenn az inference futási idő és a meghajtó, így körülbelül 162 GB elérhető egy AI modell számára és annak beszélgetéséhez.

16

B200— mi a memória-sávszélessége?

A memóriával rendelkező sávszélesség eléri 8,000 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.

17

B200— Milyen típusú MEMORY-t használ?

Használja HBM3e órára állítva 1.95 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.

18

B200— ki készíti?

Ez egy terméke a NVIDIA, a chip általi gyártásával TSMC, egy folyamatban 5 .

19

B200— Mikor adták ki?

Megjelent a January 2024.

20

B200— mennyi áramot fogyaszt?

A minősített kártya teljesítménye 1,000 W, és a javasolt rendszer tápegység 1,400 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.

21

B200— 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.

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