Calcola il TPS del RTX A5000 Max-Q 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 · 77.2 tok/s
Modello più veloce
Gemma 3 QAT 1B
163 tok/s · 1B
Quali modelli di IA possono essere eseguiti su un RTX A5000 Max-Q?
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 | ||||||
|---|---|---|---|---|---|---|---|
|
163
tok/s
138–195 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
163
tok/s
138–195 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
163
tok/s
98–260 · bassa fiducia |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
163
tok/s
98–260 · bassa fiducia |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
163
tok/s
98–260 · bassa fiducia |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
163
tok/s
98–260 · bassa fiducia |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
151
tok/s
90–241 · bassa fiducia |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
148
tok/s
89–237 · bassa fiducia |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
148
tok/s
89–237 · bassa fiducia |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
148
tok/s
89–237 · bassa fiducia |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
148
tok/s
89–237 · bassa fiducia |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
136
tok/s
81–217 · bassa fiducia |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
136
tok/s
81–217 · bassa fiducia |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
136
tok/s
81–217 · bassa fiducia |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
136
tok/s
81–217 · bassa fiducia |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
132
tok/s
112–159 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k token | Q8_0 | Comodo |
|
130
tok/s
78–209 · bassa fiducia |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · bassa fiducia |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · bassa fiducia |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · bassa fiducia |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · bassa fiducia |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · bassa fiducia |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · bassa fiducia |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · bassa fiducia |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
125
tok/s
75–200 · 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
RTX A5000 Max-Q 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
- 384 GB/s
- Tipo di memoria
- GDDR6
- Larghezza del bus di memoria
- 256 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
- GA104
- Architettura
- Ampere
- Generazione
- Ampere-MW(Ax000)
- Fonderia
- Samsung
- Dimensione del processo
- 8 nm
- Transistor
- 17.4 billion
- Densità dei transistor
- 44,400 K/mm²
- Dimensione
- 392 mm²
- Pacchetto
- BGA-2713
- 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
- 720 MHz
- Velocità di impulso
- 1.35 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
- 6,144
- Unità di mappatura delle texture
- 192
- Unità di output di rendering
- 96
- Streaming multiprocessors
- 48
- Nuclei Tensor
- 192
- Nuclei di ray tracing
- 48
- Cache L1
- 128 KB
- Cache L2
- 4 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)
- 16.6 TFLOPS
- Precisione singola (FP32)
- 16.6 TFLOPS
- Doppia precisione (FP64)
- 259.2 GFLOPS
- Tasso di pixel
- 130 GPixel/s
- Tasso di texture
- 259 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)
- 80 W
- Connettori di alimentazione
- None
- Interfaccia bus
- PCIe 4.0 x16
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 RTX A5000 Max-Q
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
Perché la memoria è il numero che conta qui
Memoria
16 GB
Larghezza di banda
384 GB/s
Modello più grande
Nemotron 3-Nano-30B-A3B
RTX A5000 Max-Q 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 384 GB/s attraverso un bus di 256 bit. Questo è il numero che governa la velocità di generazione — l'aritmetica per byte letto è così piccola che il bus, non i core, è ciò su cui tutto aspetta.
La larghezza di banda è la frequenza per la larghezza del bus, e questa scheda funziona la sua memoria a 1.5 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.
Messo insieme, il modello più grande che si adatta è Nemotron 3-Nano-30B-A3B, 31.6B, compresso a Q3_K_M e generando attorno 77.2 token al secondo
Il chip e come è stato costruito
RTX A5000 Max-Q è costruito sul PROCESSORE GRAFICO GA104, utilizzando l'architettura Ampere da NVIDIA, come parte della generazione Ampere-MW(Ax000).
Il chip è prodotto da Samsung, su un processo di 8 nm, con un dado di misura 392 mm², tenere 17.4 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 5.3037901453227 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
16.6 TFLOPS
FP64
259.2 GFLOPS
Nuclei Tensor
192
Sulla carta RTX A5000 Max-Q raggiunge 16.6 TFLOPS a metà precisione, e 16.6 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 259.2 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 192 Nuclei Tensor attraverso 48 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 720 MHz a un aumento di 1.35 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
RTX A5000 Max-Q ha una cache L1 di 128 KB, supportato da una cache L2 di 4 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 6,144 Unità di ombreggiatura, 192 Unità di mappatura delle texture, e 96 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
80 W
RTX A5000 Max-Q è valutato a 80 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.
Si connette a PCIe 4.0 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 RTX A5000 Max-Q
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 RTX A5000 Max-Q
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 RTX A5000 Max-Q
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 432 modelli che questa scheda esegue. La ricerca restringe l'elenco per nome o per dimensione.
-
02
Imposta la lunghezza del contesto che utilizzerai effettivamente
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 spesso questa è la differenza tra un modello che si adatta e uno che non si adatta.
-
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
Ogni velocità è una stima per una singola conversazione, con un intervallo sottostante. L'estremità superiore qui è 163 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. 16 GB.
-
06
Apri il modello per confrontare le schede
Seguendo un modello fino alla sua pagina elenca tutta l'hardware che può eseguirlo, così puoi vedere come si confronta contro RTX A5000 Max-Q.
Risposte
RTX A5000 Max-Q — domande comuni
RTX A5000 Max-Q— qual è la sua larghezza di banda della memoria?
La larghezza di banda della VRAM raggiunge 384 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.
RTX A5000 Max-Q— che tipo di MEMORY utilizza?
Utilizza GDDR6 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.
RTX A5000 Max-Q— Chi lo fa?
Questo è un prodotto di NVIDIA, con il chip prodotto da Samsung, su un processo di 8 nm.
RTX A5000 Max-Q— quando è stato rilasciato?
È stato rilasciato in April 2021.
RTX A5000 Max-Q— quanta potenza utilizza?
Potenza nominale della scheda è 80 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.
RTX A5000 Max-Q— quanta cache ha?
La cache L1 è 128 KB, e la cache L2 è 4 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.
RTX A5000 Max-Q— quali sono i suoi TFLOPS?
È valutato a 16.6 TFLOPS a metà precisione e 16.6 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.
RTX A5000 Max-Q— quanti Tensor Cores ha?
Ha 192 Nuclei Tensor attraverso 48 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.
RTX A5000 Max-Q— 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.
RTX A5000 Max-Q— che interfaccia bus utilizza?
Utilizza PCIe 4.0 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.
RTX A5000 Max-Q— 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.
RTX A5000 Max-Q— può eseguire un modello che non sta nella sua VRAM?
Scaricamento oltre la scheda 16 GB è possibile e di solito è un falso risparmio: la parte di memoria del sistema è abbastanza lenta da dominare il risultato.
Sarebbero due RTX A5000 Max-Q le schede possono essere due volte più veloci?
No. Una seconda CARD raddoppia la MEMORY a 32 GB lavorare con piuttosto che il doppio dei token al secondo — ogni cifra qui è per una singola card.
RTX A5000 Max-Q— 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.
RTX A5000 Max-Q— 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 77.2 token al secondo e ha bisogno di 14.4 GB della memoria della scheda
RTX A5000 Max-Q— quanti token al secondo produce?
Dipende dal modello. Il modello più veloce che monitoriamo qui è Gemma 3 QAT 1B circa 163 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.
RTX A5000 Max-Q— 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 24.3 token al secondo
RTX A5000 Max-Q— può eseguirlo 13B modelli?
Sì. Ad esempio, funziona DeepSeekMoE-16B nella Q6_K, utilizzando circa 13.7 GB di memoria e generando circa 82.1 token al secondo
RTX A5000 Max-Q— 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 87.1 token al secondo
RTX A5000 Max-Q— 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.
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.