Calcola il TPS del Tesla V100 SXM2 32 GB 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
Phi-3.5-MoE
60.8B · Q3_K_M · 93.8 tok/s
Modello più veloce
Gemma 3 QAT 1B
380 tok/s · 1B
Quali modelli di IA possono essere eseguiti su un Tesla V100 SXM2 32 GB?
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.
513 i modelli corrispondono
Calcolo| Quantizzazione | Adatto | ||||||
|---|---|---|---|---|---|---|---|
|
380
tok/s
323–456 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
380
tok/s
323–456 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
380
tok/s
228–609 · bassa fiducia |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
380
tok/s
228–609 · bassa fiducia |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
380
tok/s
228–609 · bassa fiducia |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
380
tok/s
228–609 · bassa fiducia |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
352
tok/s
211–563 · bassa fiducia |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
346
tok/s
207–553 · bassa fiducia |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
346
tok/s
207–553 · bassa fiducia |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
346
tok/s
207–553 · bassa fiducia |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
346
tok/s
207–553 · bassa fiducia |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
317
tok/s
190–507 · bassa fiducia |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
317
tok/s
190–507 · bassa fiducia |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
317
tok/s
190–507 · bassa fiducia |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
317
tok/s
190–507 · bassa fiducia |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
309
tok/s
263–371 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k token | Q8_0 | Comodo |
|
305
tok/s
183–488 · bassa fiducia |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · bassa fiducia |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · bassa fiducia |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · bassa fiducia |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · bassa fiducia |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · bassa fiducia |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · bassa fiducia |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · bassa fiducia |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
293
tok/s
176–468 · 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
Tesla V100 SXM2 32 GB 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
- 32 GB
- Larghezza di banda della memoria
- 898 GB/s
- Tipo di memoria
- HBM2
- Larghezza del bus di memoria
- 4,096 bit
- Memory clock
- 877 MHz
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
- GV100
- Architettura
- Volta
- Generazione
- Tesla Volta(Vxx)
- Fonderia
- TSMC
- Dimensione del processo
- 12 nm
- Transistor
- 21.1 billion
- Densità dei transistor
- 25,900 K/mm²
- Dimensione
- 815 mm²
- Rilasciato
- 27 March 2018
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
- 1.29 GHz
- Velocità di impulso
- 1.53 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
- 5,120
- Unità di mappatura delle texture
- 320
- Unità di output di rendering
- 128
- Streaming multiprocessors
- 80
- Nuclei Tensor
- 640
- Cache L1
- 128 KB
- Cache L2
- 6 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.
- Mezza precisione (FP16)
- 31.3 TFLOPS
- Precisione singola (FP32)
- 15.7 TFLOPS
- Doppia precisione (FP64)
- 7.8 TFLOPS
- Tasso di pixel
- 196 GPixel/s
- Tasso di texture
- 490 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)
- 250 W
- Alimentatore consigliato
- 600 W
- Connettori di alimentazione
- None
- Interfaccia bus
- PCIe 3.0 x16
- Larghezza dello slot
- SXM 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
- 7.0
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modello shader
- 6.8
Elenco
Dove comprare un Tesla V100 SXM2 32 GB
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
32 GB
Larghezza di banda
898 GB/s
Modello più grande
Phi-3.5-MoE
Tesla V100 SXM2 32 GB trasporta 32 GB di HBM2. Questo copre i modelli di dimensioni medie che la maggior parte delle persone esegue effettivamente. Una volta che il runtime e il driver riservano il loro spazio di lavoro, rimane all'incirca questa quantità: 28.8 GB.
La larghezza di banda della VRAM raggiunge 898 GB/s attraverso un bus di 4,096 bit. Generare un token significa leggere ogni peso una volta, quindi quella cifra stabilisce il ritmo più di qualsiasi altro numero qui, e a questo livello il testo arriva più velocemente di quanto la maggior parte delle persone legga.
Questo deriva da un clock della memoria di 877 MHz. Entrambe le metà sono importanti e nessuna è visibile in un benchmark di gioco.
Il tetto pratico è Phi-3.5-MoE, 60.8B, compresso a Q3_K_M e generando attorno 93.8 token al secondo
Il chip e come è stato costruito
Tesla V100 SXM2 32 GB è costruito sul PROCESSORE GRAFICO GV100, utilizzando l'architettura Volta da NVIDIA, come parte della generazione Tesla Volta(Vxx).
Il chip è prodotto da TSMC, su un processo di 12 nm, con un dado di misura 815 mm², tenere 21.1 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 March 2018, circa 8.347797516111 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
FP16
31.3 TFLOPS
FP64
7.8 TFLOPS
Nuclei Tensor
640
Sulla carta Tesla V100 SXM2 32 GB raggiunge 31.3 TFLOPS a metà precisione, e 15.7 TFLOPS a precision singola. Queste sono cifre di picco che nessun carico di lavoro reale sostiene, e generare testo raggiunge solo una piccola frazione di esse - la decodifica è limitata dalla memoria piuttosto che dall'aritmetica, motivo per cui una scheda può sembrare enormemente potente qui e ancora produrre token a un tasso ordinario.
Il throughput in doppia precisione raggiunge 7.8 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.
La scheda porta 640 Nuclei Tensor attraverso 80 Streaming multiprocessors. Questi accelerano l'aritmetica delle matrici al centro di un transformer, e sono ciò che rende l'elaborazione dei prompt — leggere un lungo documento prima di rispondere — drammaticamente più veloce di quanto non sarebbe altrimenti.
Le clock partono da una base di 1.29 GHz a un aumento di 1.53 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
Tesla V100 SXM2 32 GB ha una cache L1 di 128 KB, supportato da una cache L2 di 6 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 5,120 Unità di ombreggiatura, 320 Unità di mappatura delle texture, e 128 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
250 W
Tesla V100 SXM2 32 GB è valutato a 250 W, e l'alimentatore di sistema suggerito è 600 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 sxm 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 Tesla V100 SXM2 32 GB
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 V100 SXM2 32 GB
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 V100 SXM2 32 GB
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
Inizia con il modello, non con la specifica.
La tabella elenca 513 modelli che la scheda gestisce. La casella di ricerca accetta un nome o una taglia come 27b, che corrisponde al numero di parametri.
-
02
Decidi quanto a lungo durano le tue conversazioni
Conversazioni più lunghe costano memoria oltre ai pesi. Contro 32 GB quindi l'impostazione vale la pena di essere corretta.
-
03
Fissa il confronto a un livello di qualità.
La compressione è ciò che consente ai modelli più grandi di adattarsi. Il controllo qualità scarta qualsiasi modello che richieda più di essa di quanto tu sia disposto a dare.
-
04
Leggi la velocità e la gamma
Le cifre sono calcolate, non misurate. Il risultato più veloce su questa card è 380 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
Tight significa che funziona oggi; comfortable significa che continua a funzionare quando la conversazione cresce. Confronta ciò di cui ha bisogno ogni modello rispetto a un disponibile. 32 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 V100 SXM2 32 GB.
Risposte
Tesla V100 SXM2 32 GB — domande comuni
Tesla V100 SXM2 32 GB— può eseguirlo 13B modelli?
Sì. Ad esempio, funziona DeepSeekMoE-16B nella Q8_0, utilizzando circa 17.5 GB di memoria e generando circa 132 token al secondo
Tesla V100 SXM2 32 GB— può eseguirlo 30B modelli?
Sì. Ad esempio, funziona ERNIE-4.5-VL-28B-A3B nella Q6_K, utilizzando circa 22.7 GB di memoria e generando circa 110 token al secondo
Tesla V100 SXM2 32 GB— quanta memoria ha?
Questa scheda ha 32 GB di HBM2. Circa un decimo è riservato dal runtime di inferenza e dal driver, lasciando circa 28.8 GB disponibile per un modello e la sua conversazione.
Tesla V100 SXM2 32 GB— qual è la sua larghezza di banda della memoria?
La larghezza di banda della VRAM raggiunge 898 GB/s attraverso un bus di 4,096 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 V100 SXM2 32 GB— che tipo di MEMORY utilizza?
Utilizza HBM2 a frequenza di 877 MHz. 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 V100 SXM2 32 GB— Chi lo fa?
Questo è un prodotto di NVIDIA, con il chip prodotto da TSMC, su un processo di 12 nm.
Tesla V100 SXM2 32 GB— quando è stato rilasciato?
È stato rilasciato in March 2018.
Tesla V100 SXM2 32 GB— quanta potenza utilizza?
Potenza nominale della scheda è 250 W, e l'alimentatore di sistema suggerito è 600 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 V100 SXM2 32 GB— quanta cache ha?
La cache L1 è 128 KB, e la cache L2 è 6 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 V100 SXM2 32 GB— quali sono i suoi TFLOPS?
È valutato a 31.3 TFLOPS a metà precisione e 15.7 TFLOPS a precisione singola. Questi sono tetti aritmetici di picco piuttosto che tassi raggiungibili, e la generazione di testo raggiunge solo una piccola frazione di essi perché è limitata dalla larghezza di banda della memoria.
Tesla V100 SXM2 32 GB— quanti Tensor Cores ha?
Ha 640 Nuclei Tensor attraverso 80 Streaming multiprocessors. Accelerano l'aritmetica matriciale di cui è costruito un trasformatore, il che accelera principalmente l'elaborazione di un lungo prompt piuttosto che la produzione della risposta.
Tesla V100 SXM2 32 GB— supporta CUDA?
Sì. Riporta la capacità di calcolo CUDA. 7.0. 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 V100 SXM2 32 GB— 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 V100 SXM2 32 GB— è buono per eseguire modelli AI locali?
La sua memoria copre comodamente i modelli di dimensioni medie che la maggior parte delle persone esegue localmente e la sua larghezza di banda è sufficientemente alta da generare testo più velocemente di quanto la maggior parte delle persone legga. In totale, esegue 513 dei modelli che monitoriamo. Se ciò sia sufficiente dipende interamente dal modello che desideri — la tabella sopra risponde a questo direttamente.
Tesla V100 SXM2 32 GB— può eseguire un modello che non sta nella sua VRAM?
Solo parzialmente. Strati oltre la scheda 32 GB trascina l'intero insieme verso il basso, e nessuna delle cifre su questa pagina lo presume.
Sarebbero due Tesla V100 SXM2 32 GB le schede possono essere due volte più veloci?
No. Una seconda CARD raddoppia la MEMORY a 64 GB lavorare con piuttosto che il doppio dei token al secondo — ogni cifra qui è per una singola card.
Tesla V100 SXM2 32 GB— quali modelli AI può eseguire?
513 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 V100 SXM2 32 GB— qual è il modello AI più grande che può eseguire?
Il modello più grande nel nostro catalogo che si adatta è Phi-3.5-MoE nella 60.8B parametri, compressi a Q3_K_M. Genera all'incirca 93.8 token al secondo e ha bisogno di 27.2 GB della memoria della scheda
Tesla V100 SXM2 32 GB— quanti token al secondo produce?
Dipende dal modello. Il modello più veloce che monitoriamo qui è Gemma 3 QAT 1B circa 380 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 V100 SXM2 32 GB— può eseguirlo 7B modelli?
Sì. Ad esempio, funziona Multi-Token Prediction 7B nella Q8_0, utilizzando circa 7.9 GB di memoria e generando circa 56.8 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.