Calcola il TPS del Quadro M4000M 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
DeciLM 6B
5.7B · Q3_K_M · 27.3 tok/s
Modello più veloce
Gemma 3 QAT 1B
57.7 tok/s · 1B
Quali modelli di IA possono essere eseguiti su un Quadro M4000M?
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.
97 i modelli corrispondono
Calcolo| Quantizzazione | Adatto | ||||||
|---|---|---|---|---|---|---|---|
|
57.7
tok/s
20–115 · bassa fiducia |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
57.7
tok/s
20–115 · bassa fiducia |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
57.7
tok/s
20–115 · bassa fiducia |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
57.7
tok/s
20–115 · bassa fiducia |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
57.7
tok/s
20–115 · bassa fiducia |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
57.7
tok/s
20–115 · bassa fiducia |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
53.5
tok/s
19–107 · bassa fiducia |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
52.5
tok/s
18–105 · bassa fiducia |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
52.5
tok/s
18–105 · bassa fiducia |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
52.5
tok/s
18–105 · bassa fiducia |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
52.5
tok/s
18–105 · bassa fiducia |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
48.1
tok/s
17–96 · bassa fiducia |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
48.1
tok/s
17–96 · bassa fiducia |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
48.1
tok/s
17–96 · bassa fiducia |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
48.1
tok/s
17–96 · bassa fiducia |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
47.0
tok/s
16–94 · bassa fiducia |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 54k token | Q8_0 | Comodo |
|
46.3
tok/s
16–93 · bassa fiducia |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
44.4
tok/s
16–89 · bassa fiducia |
Phi-1 ≈ | 1.3B | Oct 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
Quadro M4000M 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
- 4 GB
- Larghezza di banda della memoria
- 160 GB/s
- Tipo di memoria
- GDDR5
- Larghezza del bus di memoria
- 256 bit
- Memory clock
- 1.25 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
- GM204
- Architettura
- Maxwell 2.0
- Generazione
- Quadro Maxwell-M(Mx000M)
- Fonderia
- TSMC
- Dimensione del processo
- 28 nm
- Transistor
- 5.2 billion
- Densità dei transistor
- 13,100 K/mm²
- Dimensione
- 398 mm²
- Pacchetto
- BGA-1745
- Rilasciato
- 18 August 2015
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
- 975 MHz
- Velocità di impulso
- 1.01 GHz
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
- 1,280
- Unità di mappatura delle texture
- 80
- Unità di output di rendering
- 64
- Streaming multiprocessors
- 10
- Cache L1
- 48 KB
- Cache L2
- 2 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)
- 2.6 TFLOPS
- Doppia precisione (FP64)
- 81 GFLOPS
- Tasso di pixel
- 65 GPixel/s
- Tasso di texture
- 81 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)
- 100 W
- Connettori di alimentazione
- None
- Interfaccia bus
- PCIe 3.0 x16
- Larghezza dello slot
- MXM Module
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
- 5.2
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modello shader
- 6.8
Elenco
Dove comprare un Quadro M4000M
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
Cosa significa il sottosistema di memoria per l'AI
Memoria
4 GB
Larghezza di banda
160 GB/s
Modello più grande
DeciLM 6B
Quadro M4000M trasporta solo 4 GB di GDDR5. Questo lo limita alla parte più piccola del catalogo, e un modello deve adattarsi interamente all'interno prima di generare qualsiasi cosa. Un runtime in realtà ottiene circa 3.6 GB.
La larghezza di banda della VRAM raggiunge 160 GB/s attraverso un bus di 256 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.
Questo deriva da un clock della memoria di 1.25 GHz. Allargare il bus e aumentare il clock sono le due leve che un produttore ha, motivo per cui una card con core non eccezionali può comunque generare rapidamente.
La cosa più grande che contiene è DeciLM 6B, 5.7B, compresso a Q3_K_M e generando attorno 27.3 token al secondo
Il chip e come è stato costruito
Quadro M4000M è costruito sul PROCESSORE GRAFICO GM204, utilizzando l'architettura Maxwell 2.0 da NVIDIA, come parte della generazione Quadro Maxwell-M(Mx000M).
Il chip è prodotto da TSMC, su un processo di 28 nm, con un dado di misura 398 mm², tenere 5.2 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 August 2015, circa 10.953015233184 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
81 GFLOPS
Il throughput in doppia precisione raggiunge 81 GFLOPS. 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 975 MHz a un aumento di 1.01 GHz. 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
Quadro M4000M ha una cache L1 di 48 KB, supportato da una cache L2 di 2 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 1,280 Unità di ombreggiatura, 80 Unità di mappatura delle texture, e 64 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
100 W
Quadro M4000M è valutato a 100 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 mxm module. 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 Quadro M4000M
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 Quadro M4000M
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 Quadro M4000M
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 97 modelli che la scheda gestisce. La casella di ricerca accetta un nome o una taglia come 27b, che corrisponde al numero di parametri.
-
02
Imposta la lunghezza del contesto che utilizzerai effettivamente
Conversazioni più lunghe costano memoria oltre ai pesi. Contro 4 GB quindi l'impostazione vale la pena di essere corretta.
-
03
Scegli quanto lontano comprimerai
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 57.7 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 il margine prima di decidere
La colonna del fit separa i modelli che si adattano appena da quelli con spazio in più — vale la pena controllare prima di decidere su uno, rispetto a un disponibile 4 GB.
-
06
Apri il modello per confrontare le schede
Ogni nome di modello nella tabella è collegato alla propria pagina, che esegue lo stesso calcolo su ogni card che possediamo. È lì che puoi vedere se l'acquisto giusto è Quadro M4000M.
Risposte
Quadro M4000M — domande comuni
Quadro M4000M— quanta cache ha?
La cache L1 è 48 KB, e la cache L2 è 2 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.
Quadro M4000M— supporta CUDA?
Sì. Riporta la capacità di calcolo CUDA. 5.2, 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.
Quadro M4000M— 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.
Quadro M4000M— è buono per eseguire modelli AI locali?
La sua MEMORIA lo limita a modelli più piccoli, sebbene la sua LARGHEZZA DI BANDA significhi che la generazione sembrerà lenta su modelli più grandi. In totale, esegue 97 dei modelli che monitoriamo. Se ciò sia sufficiente dipende interamente dal modello che desideri — la tabella sopra risponde a questo direttamente.
Quadro M4000M— può eseguire un modello che non sta nella sua VRAM?
Solo parzialmente. Strati oltre la scheda 4 GB trascina l'intero insieme verso il basso, e nessuna delle cifre su questa pagina lo presume.
Sarebbero due Quadro M4000M le schede possono essere due volte più veloci?
Abbinare li acquista spazio di manovra piuttosto che velocità: 8 GB lavorare con piuttosto che il doppio dei token al secondo — ogni cifra qui è per una singola card.
Quadro M4000M— quali modelli AI può eseguire?
97 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.
Quadro M4000M— qual è il modello AI più grande che può eseguire?
Il modello più grande nel nostro catalogo che si adatta è DeciLM 6B nella 5.7B parametri, compressi a Q3_K_M. Genera all'incirca 27.3 token al secondo e ha bisogno di 3.5 GB della memoria della scheda
Quadro M4000M— quanti token al secondo produce?
Dipende dal modello. Il modello più veloce che monitoriamo qui è Gemma 3 QAT 1B circa 57.7 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.
Quadro M4000M— quanta memoria ha?
Questa scheda ha 4 GB di GDDR5. Circa un decimo è riservato dal runtime di inferenza e dal driver, lasciando circa 3.6 GB disponibile per un modello e la sua conversazione.
Quadro M4000M— qual è la sua larghezza di banda della memoria?
La larghezza di banda della VRAM raggiunge 160 GB/s attraverso un bus di 256 bit. Questo è il miglior predittore di quanto velocemente genera testo, perché produrre ogni token significa leggere l'intero modello dalla memoria una volta.
Quadro M4000M— che tipo di MEMORY utilizza?
Utilizza GDDR5 a frequenza di 1.25 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.
Quadro M4000M— Chi lo fa?
Questo è un prodotto di NVIDIA, con il chip prodotto da TSMC, su un processo di 28 nm.
Quadro M4000M— quando è stato rilasciato?
È stato rilasciato in August 2015.
Quadro M4000M— quanta potenza utilizza?
Potenza nominale della scheda è 100 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.
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.