Calcola il TPS del A16 PCIe 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
Nemotron 3-Nano-30B-A3B
31.6B · Q3_K_M · 40.2 tok/s
Modello più veloce
Gemma 3 QAT 1B
84.8 tok/s · 1B
Quali modelli di IA possono essere eseguiti su un A16 PCIe?
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.
432 i modelli corrispondono
Calcolo| Quantizzazione | Adatto | ||||||
|---|---|---|---|---|---|---|---|
|
84.8
tok/s
72–102 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
84.8
tok/s
72–102 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
84.8
tok/s
51–136 · bassa fiducia |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
84.8
tok/s
51–136 · bassa fiducia |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
84.8
tok/s
51–136 · bassa fiducia |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
84.8
tok/s
51–136 · bassa fiducia |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
78.5
tok/s
47–126 · bassa fiducia |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
77.0
tok/s
46–123 · bassa fiducia |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
77.0
tok/s
46–123 · bassa fiducia |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
77.0
tok/s
46–123 · bassa fiducia |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
77.0
tok/s
46–123 · bassa fiducia |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
70.6
tok/s
42–113 · bassa fiducia |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
70.6
tok/s
42–113 · bassa fiducia |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
70.6
tok/s
42–113 · bassa fiducia |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
70.6
tok/s
42–113 · bassa fiducia |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
68.9
tok/s
59–83 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k token | Q8_0 | Comodo |
|
67.9
tok/s
41–109 · bassa fiducia |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · bassa fiducia |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · bassa fiducia |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · bassa fiducia |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · bassa fiducia |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · bassa fiducia |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · bassa fiducia |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · bassa fiducia |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
65.2
tok/s
39–104 · 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
A16 PCIe 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
- 16 GB
- Larghezza di banda della memoria
- 200 GB/s
- Tipo di memoria
- GDDR6
- Larghezza del bus di memoria
- 128 bit
- Memory clock
- 1.56 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
- GA107
- Architettura
- Ampere
- Generazione
- Server Ampere(Axx)
- Fonderia
- Samsung
- Dimensione del processo
- 8 nm
- Transistor
- 8.7 billion
- Densità dei transistor
- 43,500 K/mm²
- Dimensione
- 200 mm²
- Pacchetto
- FCBGA-1358
- Rilasciato
- 12 April 2021
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
- 1.31 GHz
- Velocità di impulso
- 1.76 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
- 40
- Unità di output di rendering
- 32
- Streaming multiprocessors
- 10
- Nuclei Tensor
- 40
- Nuclei di ray tracing
- 10
- Cache L1
- 128 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.
- Mezza precisione (FP16)
- 4.5 TFLOPS
- Precisione singola (FP32)
- 4.5 TFLOPS
- Doppia precisione (FP64)
- 140.4 GFLOPS
- Tasso di pixel
- 56 GPixel/s
- Tasso di texture
- 70 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
- 8-pin EPS
- Interfaccia bus
- PCIe 4.0 x8
- 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
- 8.6
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Modello shader
- 6.8
Elenco
Dove comprare un A16 PCIe
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
16 GB
Larghezza di banda
200 GB/s
Modello più grande
Nemotron 3-Nano-30B-A3B
A16 PCIe trasporta 16 GB di GDDR6. Questo raggiunge comodamente modelli piccoli e medi, anche se i più grandi rimangono fuori portata senza dividerli. L'overhead del driver lascia circa 14.4 GB.
La larghezza di banda della VRAM raggiunge 200 GB/s attraverso un bus di 128 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 1.56 GHz. Entrambe le metà sono importanti e nessuna è visibile in un benchmark di gioco.
Il tetto pratico è Nemotron 3-Nano-30B-A3B, 31.6B, compresso a Q3_K_M e generando attorno 40.2 token al secondo
Il chip e come è stato costruito
A16 PCIe è costruito sul PROCESSORE GRAFICO GA107, utilizzando l'architettura Ampere da NVIDIA, come parte della generazione Server Ampere(Axx).
Il chip è prodotto da Samsung, su un processo di 8 nm, con un dado di misura 200 mm², tenere 8.7 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 April 2021, circa 5.3037006871117 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
4.5 TFLOPS
FP64
140.4 GFLOPS
Nuclei Tensor
40
Sulla carta A16 PCIe raggiunge 4.5 TFLOPS a metà precisione, e 4.5 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 140.4 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.
La scheda porta 40 Nuclei Tensor attraverso 10 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 1.31 GHz a un aumento di 1.76 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
A16 PCIe ha una cache L1 di 128 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, 40 Unità di mappatura delle texture, e 32 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
A16 PCIe 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 dual-slot, misurare 267 mm lungo, e ha bisogno 8-pin EPS. 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 4.0 x8. 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 A16 PCIe
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 A16 PCIe
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 A16 PCIe
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 432 modelli che questa scheda esegue. La ricerca restringe l'elenco per nome o per dimensione.
-
02
Abbina il contesto al tuo lavoro
Imposta il contesto sulla tua vera lunghezza di lavoro. Brevi domande costano quasi nulla, ma un lungo documento può consumare una grande parte di 16 GB quindi l'impostazione vale la pena di essere corretta.
-
03
Scegli quanto lontano comprimerai
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
Prendi l'intervallo come risposta
Le velocità vengono fornite con barre di errore per un motivo. Il miglior caso qui è 84.8 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
Leggi il verdetto di aderenza finale
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. 16 GB.
-
06
Apri il modello per confrontare le schede
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 A16 PCIe.
Risposte
A16 PCIe — domande comuni
A16 PCIe— 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 432 dei modelli che monitoriamo. Se ciò sia sufficiente dipende interamente dal modello che desideri — la tabella sopra risponde a questo direttamente.
A16 PCIe— può eseguire un modello che non sta nella sua VRAM?
Può essere suddiviso, con il sovraccarico mantenuto nella memoria di sistema oltre la card. 16 GB trascina l'intero insieme verso il basso, e nessuna delle cifre su questa pagina lo presume.
Sarebbero due A16 PCIe le schede possono essere due volte più veloci?
La capacità aumenta, il throughput non lo fa. Due di loro ti danno 32 GB che ti permette di mantenere modelli che nessuno potrebbe tenere da solo, ma la generazione non si suddivide in quel modo. Queste cifre descrivono una card.
A16 PCIe— quali modelli AI può eseguire?
432 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.
A16 PCIe— qual è il modello AI più grande che può eseguire?
Il modello più grande nel nostro catalogo che si adatta è Nemotron 3-Nano-30B-A3B nella 31.6B parametri, compressi a Q3_K_M. Genera all'incirca 40.2 token al secondo e ha bisogno di 14.4 GB della memoria della scheda
A16 PCIe— quanti token al secondo produce?
Dipende dal modello. Il modello più veloce che monitoriamo qui è Gemma 3 QAT 1B circa 84.8 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.
A16 PCIe— 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 12.7 token al secondo
A16 PCIe— può eseguirlo 13B modelli?
Sì. Ad esempio, funziona DeepSeekMoE-16B nella Q6_K, utilizzando circa 13.7 GB di memoria e generando circa 42.8 token al secondo
A16 PCIe— può eseguirlo 30B modelli?
Sì. Ad esempio, funziona ERNIE-4.5-VL-28B-A3B nella Q3_K_M, utilizzando circa 12.9 GB di memoria e generando circa 45.4 token al secondo
A16 PCIe— quanta memoria ha?
Questa scheda ha 16 GB di GDDR6. Circa un decimo è riservato dal runtime di inferenza e dal driver, lasciando circa 14.4 GB disponibile per un modello e la sua conversazione.
A16 PCIe— qual è la sua larghezza di banda della memoria?
La larghezza di banda della VRAM raggiunge 200 GB/s attraverso un bus di 128 bit. Questo è il miglior predittore di quanto velocemente genera testo, perché produrre ogni token significa leggere l'intero modello dalla memoria una volta.
A16 PCIe— che tipo di MEMORY utilizza?
Utilizza GDDR6 a frequenza di 1.56 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.
A16 PCIe— Chi lo fa?
Questo è un prodotto di NVIDIA, con il chip prodotto da Samsung, su un processo di 8 nm.
A16 PCIe— quando è stato rilasciato?
È stato rilasciato in April 2021.
A16 PCIe— 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.
A16 PCIe— quanta cache ha?
La cache L1 è 128 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.
A16 PCIe— quali sono i suoi TFLOPS?
È valutato a 4.5 TFLOPS a metà precisione e 4.5 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.
A16 PCIe— quanti Tensor Cores ha?
Ha 40 Nuclei Tensor attraverso 10 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.
A16 PCIe— supporta CUDA?
Sì. Riporta la capacità di calcolo CUDA. 8.6. 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.
A16 PCIe— che interfaccia bus utilizza?
Utilizza PCIe 4.0 x8. 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.
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.