Calcola il TPS del Data Center GPU Max Subsystem sui modelli locali di AI

Intel 128 GB HBM2e 3,210 GB/s January 2023

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

624 modelli che può eseguire

679 modelli nel nostro catalogo tutto sommato

Il modello più grande che supporta

Solar Open2 250B

250.3B · Q3_K_M · 52.9 tok/s

Modello più veloce

Gemma 3 QAT 1B

884 tok/s · 1B

Quali modelli di IA possono essere eseguiti su un Data Center GPU Max Subsystem?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Maggiore contesto significa più memoria per la cache della conversazione. La velocità è per una conversazione fresca e non cambia con questa impostazione..

Qualità minima

Nasconde modelli che si adatterebbero solo comprimendosi al di sotto di questo punto.

Cerca modelli

Dimensione del modello

Rilasciato

Mostra anche modelli che non può eseguire

624 i modelli corrispondono

Calcolo

						Quantizzazione	Adatto
884 tok/s 530–1,414 · bassa fiducia	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k token	Q8_0	Comodo
884 tok/s 530–1,414 · bassa fiducia	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k token	Q8_0	Comodo
884 tok/s 530–1,414 · bassa fiducia	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k token ?	Q8_0	Comodo
884 tok/s 530–1,414 · bassa fiducia	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k token ?	Q8_0	Comodo
884 tok/s 530–1,414 · bassa fiducia	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k token ?	Q8_0	Comodo
884 tok/s 530–1,414 · bassa fiducia	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k token ?	Q8_0	Comodo
818 tok/s 491–1,309 · bassa fiducia	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k token ?	Q8_0	Comodo
803 tok/s 482–1,285 · bassa fiducia	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k token ?	Q8_0	Comodo
803 tok/s 482–1,285 · bassa fiducia	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k token ?	Q8_0	Comodo
803 tok/s 482–1,285 · bassa fiducia	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k token ?	Q8_0	Comodo
803 tok/s 482–1,285 · bassa fiducia	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k token ?	Q8_0	Comodo
736 tok/s 442–1,178 · bassa fiducia	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k token ?	Q8_0	Comodo
736 tok/s 442–1,178 · bassa fiducia	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k token ?	Q8_0	Comodo
736 tok/s 442–1,178 · bassa fiducia	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k token ?	Q8_0	Comodo
736 tok/s 442–1,178 · bassa fiducia	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k token ?	Q8_0	Comodo
718 tok/s 431–1,150 · bassa fiducia	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k token	Q8_0	Comodo
708 tok/s 425–1,133 · bassa fiducia	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · bassa fiducia	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · bassa fiducia	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · bassa fiducia	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · bassa fiducia	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · bassa fiducia	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · bassa fiducia	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · bassa fiducia	Otter ≈	1.3B	May 2023	2.1 GB	131k token ?	Q8_0	Comodo
680 tok/s 408–1,088 · 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

Data Center GPU Max Subsystem 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: 128 GB
Larghezza di banda della memoria: 3,210 GB/s
Tipo di memoria: HBM2e
Larghezza del bus di memoria: 8,192 bit
Memory clock: 1.57 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: Ponte Vecchio
Architettura: Generation 12.5
Generazione: Data Center GPU(Ponte Vecchio)
Fonderia: Intel
Dimensione del processo: 10 nm
Transistor: 100 billion
Densità dei transistor: 78,100 K/mm²
Dimensione: 1,280 mm²
Rilasciato: 10 January 2023

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: 900 MHz
Velocità di impulso: 1.6 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: 16,384
Unità di mappatura delle texture: 1,024
Nuclei di ray tracing: 128
Cache L1: 64 KB
Cache L2: 408 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): 52.4 TFLOPS
Precisione singola (FP32): 52.4 TFLOPS
Doppia precisione (FP64): 52.4 TFLOPS
Tasso di texture: 1,638 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): 2,400 W
Alimentatore consigliato: 2,800 W
Connettori di alimentazione: 1x 16-pin
Interfaccia bus: PCIe 5.0 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.

DirectX: 12.1
OpenGL: 4.6
OpenCL: 3.0
Modello shader: 6.6

Elenco

Dove comprare un Data Center GPU Max Subsystem

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

Memoria: la specifica che decide tutto

Memoria

128 GB

Larghezza di banda

3,210 GB/s

Modello più grande

Solar Open2 250B

Data Center GPU Max Subsystem tiene 128 GB di HBM2e. Questo lo colloca nella classe di hardware che ospita i modelli open-weight più grandi senza dividerli tra macchine. Un runtime di inferenza può raggiungere approssimativamente 115.2 GB.

La larghezza di banda della VRAM raggiunge 3,210 GB/s attraverso un bus di 8,192 bit. Quello è al vertice di ciò che esiste. Poiché ogni token significa leggere l'intero modello dalla memoria una volta, si traduce quasi direttamente in velocità di generazione — questa card è abbastanza ricca di banda che la dimensione del modello smette di essere il fattore limitante molto prima che il bus lo sia.

Questo deriva da un clock della memoria di 1.57 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.

Il tetto pratico è Solar Open2 250B, 250.3B, compresso a Q3_K_M e generando attorno 52.9 token al secondo

Il chip e come è stato costruito

Data Center GPU Max Subsystem è costruito sul PROCESSORE GRAFICO Ponte Vecchio, utilizzando l'architettura Generation 12.5 da Intel, come parte della generazione Data Center GPU(Ponte Vecchio).

Il chip è prodotto da Intel, su un processo di 10 nm, con un dado di misura 1,280 mm², tenere 100 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 January 2023, circa 3.5558861649815 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

52.4 TFLOPS

FP64

52.4 TFLOPS

Sulla carta Data Center GPU Max Subsystem raggiunge 52.4 TFLOPS a metà precisione, e 52.4 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 52.4 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 900 MHz a un aumento di 1.6 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

Data Center GPU Max Subsystem ha una cache L1 di 64 KB, supportato da una cache L2 di 408 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 16,384 Unità di ombreggiatura, 1,024 Unità di mappatura delle texture. 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

2,400 W

Data Center GPU Max Subsystem è valutato a 2,400 W, e l'alimentatore di sistema suggerito è 2,800 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 1x 16-pin. 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 5.0 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 Data Center GPU Max Subsystem

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..

01 Solar Open2 250B 250.3B · Q3_K_M · Jun 2026 52.9 tok/s
02 MiniMax-M2.7 229B · Q3_K_M · Mar 2026 10.4 tok/s
03 MiniMax-M2.5 229B · Q3_K_M · Feb 2026 10.4 tok/s
04 MiniMax-M2.1 229B · Q3_K_M · Dec 2025 10.4 tok/s
05 P1-235B-A22B 235B · Q3_K_M · Nov 2025 56.4 tok/s
06 Qwen3-235B-A22B-Thinking (Jul 2025) 235B · Q3_K_M · Jul 2025 56.4 tok/s
07 Qwen3-235B-A22B (Jul 2025) 235B · Q3_K_M · Jul 2025 56.4 tok/s
08 Qwen3-235B-A22B 235B · IQ4_XS · Apr 2025 51.3 tok/s
09 DeepSeek-V2.5 236B · Q3_K_M · Sep 2024 56.1 tok/s
10 DeepSeek-V2 (MoE-236B) 236B · Q3_K_M · May 2024 56.1 tok/s

I modelli AI più veloci su un Data Center GPU Max Subsystem

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..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 884 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 884 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 884 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 884 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 884 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 884 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 818 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 803 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 803 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 803 tok/s

Passo dopo passo

Come calcolare i token per secondo di un Data Center GPU Max Subsystem

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

Cerca il modello che desideri

La tabella elenca 624 modelli che questa scheda può eseguire. Cerca per nome, o per dimensione — digitando 27b corrisponde al conteggio dei parametri anche quando il nome non lo indica mai.
02

Abbina il contesto al tuo lavoro

Conversazioni più lunghe costano memoria oltre ai pesi. Contro 128 GB è spesso ciò che spinge un grande modello oltre il limite.
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

Prendi l'intervallo come risposta

Le velocità vengono fornite con barre di errore per un motivo. Il miglior caso qui è 884 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. 128 GB.
06

Controlla lo stesso modello dall'altro lato

Seguendo un modello fino alla sua pagina elenca tutta l'hardware che può eseguirlo, così puoi vedere come si confronta contro Data Center GPU Max Subsystem.

Risposte

Data Center GPU Max Subsystem — domande comuni

Data Center GPU Max Subsystem— quali sono i suoi TFLOPS?

È valutato a 52.4 TFLOPS a metà precisione e 52.4 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.

Data Center GPU Max Subsystem— supporta CUDA?

No. CUDA è solo di NVIDIA, e questa è una card di Intel. Esegue modelli linguistici tramite ROCm, Vulkan o Metal a seconda del software, che sono meno maturi rispetto al percorso CUDA — le nostre stime applicano una penalità per questo.

Data Center GPU Max Subsystem— che interfaccia bus utilizza?

Utilizza PCIe 5.0 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.

Data Center GPU Max Subsystem— è buono per eseguire modelli AI locali?

La sua memoria è abbastanza grande per i modelli che la maggior parte dell'hardware desktop non può raggiungere e la sua larghezza di banda la mette tra l'hardware più veloce disponibile per la generazione. In totale esegue 624 dei modelli che monitoriamo. Se ciò sia sufficiente dipende interamente dal modello che desideri — la tabella sopra risponde a questo direttamente.

Data Center GPU Max Subsystem— può eseguire un modello che non sta nella sua VRAM?

Scaricamento oltre la scheda 128 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 Data Center GPU Max Subsystem le schede possono essere due volte più veloci?

Abbinare li acquista spazio di manovra piuttosto che velocità: 256 GB di memoria combinata, a circa la stessa velocità di generazione di uno.

Data Center GPU Max Subsystem— quali modelli AI può eseguire?

624 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.

Data Center GPU Max Subsystem— qual è il modello AI più grande che può eseguire?

Il modello più grande nel nostro catalogo che si adatta è Solar Open2 250B nella 250.3B parametri, compressi a Q3_K_M. Genera all'incirca 52.9 token al secondo e ha bisogno di 106.6 GB della memoria della scheda

Data Center GPU Max Subsystem— quanti token al secondo produce?

Dipende dal modello. Il modello più veloce che monitoriamo qui è Gemma 3 QAT 1B circa 884 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.

Data Center GPU Max Subsystem— 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 132 token al secondo

Data Center GPU Max Subsystem— può eseguirlo 13B modelli?

Sì. Ad esempio, funziona DeepSeekMoE-16B nella Q8_0, utilizzando circa 17.5 GB di memoria e generando circa 307 token al secondo

Data Center GPU Max Subsystem— può eseguirlo 30B modelli?

Sì. Ad esempio, funziona ERNIE-4.5-VL-28B-A3B nella Q8_0, utilizzando circa 29.2 GB di memoria e generando circa 175 token al secondo

Data Center GPU Max Subsystem— può eseguirlo 70B modelli?

Sì. Ad esempio, funziona Qwen3-Coder-Next nella Q8_0, utilizzando circa 80.7 GB di memoria e generando circa 61.4 token al secondo

Data Center GPU Max Subsystem— quanta memoria ha?

Questa scheda ha 128 GB di HBM2e. Circa un decimo è riservato dal runtime di inferenza e dal driver, lasciando circa 115.2 GB disponibile per un modello e la sua conversazione.

Data Center GPU Max Subsystem— qual è la sua larghezza di banda della memoria?

La larghezza di banda della VRAM raggiunge 3,210 GB/s attraverso un bus di 8,192 bit. Questo è il miglior predittore di quanto velocemente genera testo, perché produrre ogni token significa leggere l'intero modello dalla memoria una volta.

Data Center GPU Max Subsystem— che tipo di MEMORY utilizza?

Utilizza HBM2e a frequenza di 1.57 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.

Data Center GPU Max Subsystem— Chi lo fa?

Questo è un prodotto di Intel, con il chip prodotto da Intel, su un processo di 10 nm.

Data Center GPU Max Subsystem— quando è stato rilasciato?

È stato rilasciato in January 2023.

Data Center GPU Max Subsystem— quanta potenza utilizza?

Potenza nominale della scheda è 2,400 W, e l'alimentatore di sistema suggerito è 2,800 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.

Data Center GPU Max Subsystem— quanta cache ha?

La cache L1 è 64 KB, e la cache L2 è 408 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.

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.

Tutte le GPU