Calcola il TPS del Tesla K40st sui modelli locali di AI
Ogni modello nel nostro catalogo è valutato rispetto a questa scheda in base alla lunghezza del contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria di questa scheda e dalle dimensioni di ciascun modello una volta compresso..
Calcolato per questa scheda
679 modelli nel nostro catalogo tutto sommato
Il modello più grande che supporta
ERNIE-4.5-21B-A3B
21B · Q3_K_M · 74.1 tok/s
Modello più veloce
Gemma 3 QAT 1B
104 tok/s · 1B
Quali modelli di IA possono essere eseguiti su un Tesla K40st?
Imposta gli input, leggi la risposta
Maggiore contesto significa più memoria per la cache della conversazione. La velocità è per una conversazione fresca e non cambia con questa impostazione..
Nasconde modelli che si adatterebbero solo comprimendosi al di sotto di questo punto.
396 i modelli corrispondono
Calcolo| Quantizzazione | Adatto | ||||||
|---|---|---|---|---|---|---|---|
|
104
tok/s
36–208 · bassa fiducia |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
104
tok/s
36–208 · bassa fiducia |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
104
tok/s
36–208 · bassa fiducia |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
104
tok/s
36–208 · bassa fiducia |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
104
tok/s
36–208 · bassa fiducia |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
104
tok/s
36–208 · bassa fiducia |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
96.1
tok/s
34–192 · bassa fiducia |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
94.4
tok/s
33–189 · bassa fiducia |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
94.4
tok/s
33–189 · bassa fiducia |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
94.4
tok/s
33–189 · bassa fiducia |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
94.4
tok/s
33–189 · bassa fiducia |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
86.5
tok/s
30–173 · bassa fiducia |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
86.5
tok/s
30–173 · bassa fiducia |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
86.5
tok/s
30–173 · bassa fiducia |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
86.5
tok/s
30–173 · bassa fiducia |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
84.4
tok/s
30–169 · bassa fiducia |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k token | Q8_0 | Comodo |
|
83.2
tok/s
29–166 · bassa fiducia |
DeepSeekMoE-16B | 16B | Jan 2024 | 10.0 GB | 4k token | Q4_K_M | Stretto |
|
83.2
tok/s
29–166 · bassa fiducia |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
79.9
tok/s
28–160 · bassa fiducia |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
79.9
tok/s
28–160 · bassa fiducia |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
79.9
tok/s
28–160 · bassa fiducia |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
79.9
tok/s
28–160 · bassa fiducia |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
79.9
tok/s
28–160 · bassa fiducia |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
79.9
tok/s
28–160 · bassa fiducia |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
79.9
tok/s
28–160 · bassa fiducia |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..
In registrazione
Tesla K40st specifiche complete
Tutto ciò che è registrato per questa scheda, ordinato in base a quanto influisce sul funzionamento di un modello di lingua piuttosto che in base a come un documento tecnico lo elencherebbe. La memoria viene prima perché determina l'esito; il resto è contesto..
Memoria
Le due specifiche che decidono cosa può eseguire questa scheda e con quale velocità. La capacità stabilisce quali modelli si adattano; la larghezza di banda stabilisce quanti token al secondo producono una volta che lo fanno.
- Dimensione della memoria
- 12 GB
- Larghezza di banda della memoria
- 288 GB/s
- Tipo di memoria
- GDDR5
- Larghezza del bus di memoria
- 384 bit
- Memory clock
- 1.5 GHz
Il chip
Quale processore è sulla scheda e come è stato fabbricato. Una dimensione del processo più piccola significa generalmente più prestazioni per la stessa potenza.
- Processore grafico
- GK110B
- Architettura
- Kepler
- Generazione
- Tesla Kepler(Kxx)
- Fonderia
- TSMC
- Dimensione del processo
- 28 nm
- Transistor
- 7.1 billion
- Densità dei transistor
- 12,600 K/mm²
- Dimensione
- 561 mm²
- Pacchetto
- BGA-2152
- Rilasciato
- 22 November 2013
Velocità di clock
Quanto velocemente funziona il processore. Vale molto meno qui rispetto a un benchmark di gioco: generare testo è limitato dalla larghezza di banda della memoria, quindi una maggiore frequenza di clock muove a malapena il risultato.
- Frequenza base
- 575 MHz
- Velocità di impulso
- 575 MHz
Unità di elaborazione
Cosa contiene il chip. Questi influenzano le prestazioni grafiche e sono importanti principalmente per l'elaborazione di un lungo prompt piuttosto che per la produzione della risposta.
- Unità di ombreggiatura
- 2,880
- Unità di mappatura delle texture
- 240
- Unità di output di rendering
- 48
- Cache L1
- 16 KB
- Cache L2
- 1.5 MB
Performance teorica
Tassi aritmetici di picco pubblicati per la scheda. Questi sono soffitti che nessun carico di lavoro reale raggiunge, e generare testo raggiunge una piccola frazione di essi perché è limitato dalla memoria piuttosto che dall'aritmetica.
- Precisione singola (FP32)
- 3.3 TFLOPS
- Doppia precisione (FP64)
- 1.1 TFLOPS
- Tasso di pixel
- 35 GPixel/s
- Tasso di texture
- 138 GTexel/s
La scheda
Cosa serve per installare e alimentare fisicamente la scheda — i vincoli pratici che decidono se si adatta alla macchina che possiedi già.
- Consumo di potenza (TDP)
- 245 W
- Alimentatore consigliato
- 550 W
- Interfaccia bus
- PCIe 3.0 x16
- Larghezza dello slot
- Dual-slot
- Dimensioni
- 267 mm
Supporto software
Quali interfacce grafiche e di calcolo supporta la scheda. La capacità di calcolo CUDA è quella che influisce sull'inferenza: al di sotto di 7.0 non ci sono core tensoriali, e il software di inferenza moderno ricade su percorsi di codice più lenti.
- capacitá di calcolo CUDA
- 3.5
- DirectX
- 11.1
- OpenGL
- 4.6
- Vulkan
- 1.2
- OpenCL
- 3.0
- Modello shader
- 5.1
Elenco
Dove comprare un Tesla K40st
Nessun venditore sta attualmente elencando questa scheda. Gli elenchi provengono da venditori che li pubblicano qui direttamente. — sfogliare il direttorio dei fornitori per vedere chi sta vendendo cosa.
Cosa significano i numeri
Capacità e larghezza di banda
Memoria
12 GB
Larghezza di banda
288 GB/s
Modello più grande
ERNIE-4.5-21B-A3B
Tesla K40st trasporta 12 GB di GDDR5. Questo raggiunge comodamente modelli piccoli e medi, anche se i più grandi rimangono fuori portata senza dividerli. L'overhead del driver lascia circa 10.8 GB.
La larghezza di banda della VRAM raggiunge 288 GB/s attraverso un bus di 384 bit. La larghezza di banda è il vero vincolo di questa card. Ogni token richiede di leggere l'intero modello dalla memoria, quindi un grande modello si sentirà lento qui anche quando riesce a stare.
La figura è la larghezza del bus moltiplicata per un clock di memoria di 1.5 GHz. È per questo che i conteggi dei core prevedono così male la velocità di generazione.
In pratica, quella combinazione arriva a ERNIE-4.5-21B-A3B, 21B, compresso a Q3_K_M e generando attorno 74.1 token al secondo
Il chip e come è stato costruito
Tesla K40st è costruito sul PROCESSORE GRAFICO GK110B, utilizzando l'architettura Kepler da NVIDIA, come parte della generazione Tesla Kepler(Kxx).
Il chip è prodotto da TSMC, su un processo di 28 nm, con un dado di misura 561 mm², tenere 7.1 billion Transistor. Un processo più piccolo significa generalmente più prestazioni per la stessa potenza, anche se per i modelli di linguaggio è molto meno importante rispetto al sottosistema di memoria.
È stato rilasciato in November 2013, circa 12.689998785469 anni fa. Il supporto software per l'inferenza tende a seguire l'hardware di un anno o due, quindi una CARD di questa età ha generalmente percorsi di codice maturi e ben ottimizzati disponibili per essa.
Calcola il throughput, e perché conta meno di quanto sembri
FP64
1.1 TFLOPS
Il throughput in doppia precisione raggiunge 1.1 TFLOPS. Non ha alcun impatto sull'esecuzione di un modello linguistico — nessun runtime di inferenza lo utilizza — ma separa le parti del datacenter da quelle dei consumatori, poiché queste ultime lo limitano deliberatamente.
Le clock partono da una base di 575 MHz a un aumento di 575 MHz. Vale molto meno qui che in un benchmark di gioco: aumentare le velocità di clock migliora l'aritmetica, e l'aritmetica non è ciò su cui generazione sta aspettando.
Cache e unità di elaborazione
Tesla K40st ha una cache L1 di 16 KB, supportato da una cache L2 di 1.5 MB. La Cache assorbe una parte del traffico di memoria che altrimenti colpirebbe il bus principale, che è l'unico posto in questa pagina dove un numero diverso dalla larghezza di banda influisce silenziosamente sulla velocità di generazione — un grande L2 consente a una maggiore parte del set di lavoro di rimanere vicino ai core.
Ci sono 2,880 Unità di ombreggiatura, 240 Unità di mappatura delle texture, e 48 Unità di output di rendering. Questi gestiscono i carichi di lavoro grafici e contribuiscono all'elaborazione dei prompt, ma rimangono inattivi per gran parte del tempo che un modello impiega a generare una risposta.
Potenza, dimensione e installazione
Consumo energetico
245 W
Tesla K40st è valutato a 245 W, e l'alimentatore di sistema suggerito è 550 W. Eseguire un modello di linguaggio tiene occupata una scheda in esplosioni piuttosto che continuamente — attinge intensamente durante la generazione e rimane inattivo tra le richieste — quindi il prelievo sostenuto durante una giornata lavorativa è solitamente ben al di sotto del valore dichiarato.
La scheda occupa dual-slot, misurare 267 mm lungo. Vale la pena controllare contro il case e l'alimentatore già presenti nella macchina, poiché le schede più grandi necessitano di entrambi notevolmente di più rispetto a quanto fornisca un desktop tipico.
Si connette a PCIe 3.0 x16. L'interfaccia governa quanto velocemente un modello è caricato dal disco nella scheda, non quanto velocemente gira una volta lì, quindi un collegamento più ristretto costa qualche secondo all'avvio e nulla dopo.
Gli estremi
I più grandi modelli AI che girano su un Tesla K40st
I modelli open-weight più grandi che si adattano a questa scheda, dal più recente al più vecchio. Ognuno è mostrato con la migliore compressione che la scheda può contenere..
I modelli AI più veloci su un Tesla K40st
Dove questa scheda produce i token più rapidamente. I modelli più piccoli dominano qui, perché generare ogni token significa leggere l'intero modello dalla memoria una volta..
Passo dopo passo
Come calcolare i token per secondo di un Tesla K40st
Non devi calcolare nulla a mano — il calcolatore gputps.com su questa pagina ha già calcolato per ogni modello che questa scheda può contenere. Leggere la risposta richiede sei passaggi..
-
01
Trova il modello nella tabella
La tabella elenca 396 modelli che questa scheda esegue. La ricerca restringe l'elenco per nome o per dimensione.
-
02
Imposta la lunghezza del contesto che utilizzerai effettivamente
Conversazioni più lunghe costano memoria oltre ai pesi. Contro 12 GB è spesso ciò che spinge un grande modello oltre il limite.
-
03
Fissa il confronto a un livello di qualità.
Per impostazione predefinita, la tabella seleziona la copia meno compressa che si adatta. Impostare un limite rimuove i modelli che qualificano solo tramite una forte compressione.
-
04
Guarda la gamma, non solo il numero
Le cifre sono calcolate, non misurate. Il risultato più veloce su questa card è 104 tok/s su Gemma 3 QAT 1B. La stessa card e modello variano dal trenta al cinquanta per cento tra i tempi di esecuzione dell'inferenza.
-
05
Controlla la colonna della memoria prima di impegnarti
Un adattamento stretto funziona ma non lascia spazio per aumentare il contesto in seguito; confortevole ha margine. La colonna della memoria mostra ciò di cui ha bisogno ogni modello rispetto a un disponibile. 12 GB.
-
06
Controlla lo stesso modello dall'altro lato
Ogni pagina del modello ripete questo calcolo per l'intero catalogo. Vale la pena dare un'occhiata prima di decidere: mostra cosa altro esegue lo stesso modello, accanto a Tesla K40st.
Risposte
Tesla K40st — domande comuni
Tesla K40st— quanta memoria ha?
Questa scheda ha 12 GB di GDDR5. Circa un decimo è riservato dal runtime di inferenza e dal driver, lasciando circa 10.8 GB disponibile per un modello e la sua conversazione.
Tesla K40st— qual è la sua larghezza di banda della memoria?
La larghezza di banda della VRAM raggiunge 288 GB/s attraverso un bus di 384 bit. Questo è il miglior predittore di quanto velocemente genera testo, perché produrre ogni token significa leggere l'intero modello dalla memoria una volta.
Tesla K40st— che tipo di MEMORY utilizza?
Utilizza GDDR5 a frequenza di 1.5 GHz. I tipi di HBM si trovano sugli acceleratori da datacenter e portano molto più larghezza di banda rispetto al GDDR utilizzato sulle schede desktop, motivo per cui generano token notevolmente più velocemente alla stessa capacità.
Tesla K40st— Chi lo fa?
Questo è un prodotto di NVIDIA, con il chip prodotto da TSMC, su un processo di 28 nm.
Tesla K40st— quando è stato rilasciato?
È stato rilasciato in November 2013.
Tesla K40st— quanta potenza utilizza?
Potenza nominale della scheda è 245 W, e l'alimentatore di sistema suggerito è 550 W. Generare testo richiede molto in picchi e rimane inattivo tra le richieste, quindi il consumo medio durante una sessione di lavoro è normalmente ben al di sotto del valore nominale.
Tesla K40st— quanta cache ha?
La cache L1 è 16 KB, e la cache L2 è 1.5 MB. La Cache assorbe parte del traffico di memoria che altrimenti raggiungerebbe il bus principale, quindi una L2 più grande offre un modesto incremento alla velocità di generazione oltre a quanto previsto solo dalla larghezza di banda.
Tesla K40st— supporta CUDA?
Sì. Riporta la capacità di calcolo CUDA. 3.5, che precede i tensor cores. La capacità 7.0 e superiore ha core tensor, che il software di inferenza moderno utilizza; al di sotto di ciò, si fa riferimento a percorsi di codice più lenti per i modelli quantizzati.
Tesla K40st— che interfaccia bus utilizza?
Utilizza PCIe 3.0 x16. Questo determina quanto velocemente un modello viene caricato sulla GPU anziché quanto velocemente viene eseguito una volta caricato, quindi costa alcuni secondi all'avvio e nulla durante la generazione.
Tesla K40st— è buono per eseguire modelli AI locali?
La sua memoria copre modelli piccoli e medi, anche se i più grandi sono fuori portata, tuttavia la sua larghezza di banda significa che la generazione risulterà lenta sui modelli più grandi. In totale, esegue 396 dei modelli che monitoriamo. Se ciò sia sufficiente dipende interamente dal modello che desideri — la tabella sopra risponde a questo direttamente.
Tesla K40st— può eseguire un modello che non sta nella sua VRAM?
Solo parzialmente. Strati oltre la scheda 12 GB sedere nella VRAM e funzionare a una frazione della velocità, quindi un modello principalmente scaricato è raramente degno di essere utilizzato. Ogni cifra qui presuppone che sia completamente residente sulla scheda.
Sarebbero due Tesla K40st le schede possono essere due volte più veloci?
No. Una seconda CARD raddoppia la MEMORY a 24 GB di memoria combinata, a circa la stessa velocità di generazione di uno.
Tesla K40st— quali modelli AI può eseguire?
396 del 679 i modelli di linguaggio OPEN WEIGHT che monitoriamo si adattano a questa CARD e possono essere eseguiti localmente. La tabella su questa pagina elenca ciascuno, con la MEMORIA di cui ha bisogno, la quantizzazione a cui viene eseguito e una velocità di generazione stimata.
Tesla K40st— qual è il modello AI più grande che può eseguire?
Il modello più grande nel nostro catalogo che si adatta è ERNIE-4.5-21B-A3B nella 21B parametri, compressi a Q3_K_M. Genera all'incirca 74.1 token al secondo e ha bisogno di 10.1 GB della memoria della scheda
Tesla K40st— quanti token al secondo produce?
Dipende dal modello. Il modello più veloce che monitoriamo qui è Gemma 3 QAT 1B circa 104 token al secondo, mentre modelli più grandi funzionano proporzionalmente più lentamente perché ogni token richiede di leggere l'intero modello dalla memoria una volta. Le velocità sono stime per una singola conversazione alla volta.
Tesla K40st— può eseguirlo 7B modelli?
Sì. Ad esempio, funziona DeepSeek Coder 6.7B nella Q6_K, utilizzando circa 9.9 GB di memoria e generando circa 22.5 token al secondo
Tesla K40st— può eseguirlo 13B modelli?
Sì. Ad esempio, funziona DeepSeekMoE-16B nella Q4_K_M, utilizzando circa 10.0 GB di memoria e generando circa 83.2 token al secondo
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dall'hardware. Se già sai quale modello vuoi e hai bisogno di sapere cosa serve per eseguirlo., inizia dal modello invece.