Calcola il TPS del H200 NVL 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
Tencent Hy3 preview
295B · Q3_K_M · 105 tok/s
Modello più veloce
Gemma 3 QAT 1B
2,071 tok/s · 1B
Quali modelli di IA possono essere eseguiti su un H200 NVL?
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.
628 i modelli corrispondono
Calcolo| Quantizzazione | Adatto | ||||||
|---|---|---|---|---|---|---|---|
|
2,071
tok/s
1,760–2,485 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
2,071
tok/s
1,760–2,485 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k token | Q8_0 | Comodo |
|
2,071
tok/s
1,243–3,314 · bassa fiducia |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
2,071
tok/s
1,243–3,314 · bassa fiducia |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
2,071
tok/s
1,243–3,314 · bassa fiducia |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
2,071
tok/s
1,243–3,314 · bassa fiducia |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k token ? | Q8_0 | Comodo |
|
1,918
tok/s
1,151–3,068 · bassa fiducia |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
1,883
tok/s
1,130–3,012 · bassa fiducia |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
1,883
tok/s
1,130–3,012 · bassa fiducia |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
1,883
tok/s
1,130–3,012 · bassa fiducia |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
1,883
tok/s
1,130–3,012 · bassa fiducia |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k token ? | Q8_0 | Comodo |
|
1,726
tok/s
1,036–2,761 · bassa fiducia |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
1,726
tok/s
1,036–2,761 · bassa fiducia |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
1,726
tok/s
1,036–2,761 · bassa fiducia |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
1,726
tok/s
1,036–2,761 · bassa fiducia |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
1,684
tok/s
1,431–2,021 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k token | Q8_0 | Comodo |
|
1,660
tok/s
996–2,656 · bassa fiducia |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · bassa fiducia |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · bassa fiducia |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · bassa fiducia |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · bassa fiducia |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · bassa fiducia |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · bassa fiducia |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · bassa fiducia |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k token ? | Q8_0 | Comodo |
|
1,593
tok/s
956–2,549 · 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
H200 NVL 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
- 141 GB
- Larghezza di banda della memoria
- 4,890 GB/s
- Tipo di memoria
- HBM3e
- Larghezza del bus di memoria
- 6,144 bit
- Memory clock
- 1.59 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
- GH100
- Architettura
- Hopper
- Generazione
- Server Hopper(Hxx)
- Fonderia
- TSMC
- Dimensione del processo
- 5 nm
- Transistor
- 80 billion
- Densità dei transistor
- 98,300 K/mm²
- Dimensione
- 814 mm²
- Rilasciato
- 18 November 2024
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
- 1.37 GHz
- Velocità di impulso
- 1.79 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
- 16,896
- Unità di mappatura delle texture
- 528
- Unità di output di rendering
- 24
- Streaming multiprocessors
- 132
- Nuclei Tensor
- 528
- Cache L1
- 250 KB
- Cache L2
- 50 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)
- 241.3 TFLOPS
- Precisione singola (FP32)
- 60.3 TFLOPS
- Doppia precisione (FP64)
- 30.2 TFLOPS
- Tasso di pixel
- 43 GPixel/s
- Tasso di texture
- 943 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)
- 600 W
- Alimentatore consigliato
- 1,000 W
- Connettori di alimentazione
- 8-pin EPS
- 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.
- capacitá di calcolo CUDA
- 9.0
- OpenCL
- 3.0
Elenco
Dove comprare un H200 NVL
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
141 GB
Larghezza di banda
4,890 GB/s
Modello più grande
Tencent Hy3 preview
H200 NVL tiene 141 GB di HBM3e. 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 126.9 GB.
La larghezza di banda della VRAM raggiunge 4,890 GB/s attraverso un bus di 6,144 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.
La larghezza di banda è la frequenza per la larghezza del bus, e questa scheda funziona la sua memoria a 1.59 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.
In pratica, quella combinazione arriva a Tencent Hy3 preview, 295B, compresso a Q3_K_M e generando attorno 105 token al secondo
Il chip e come è stato costruito
H200 NVL è costruito sul PROCESSORE GRAFICO GH100, utilizzando l'architettura Hopper da NVIDIA, come parte della generazione Server Hopper(Hxx).
Il chip è prodotto da TSMC, su un processo di 5 nm, con un dado di misura 814 mm², tenere 80 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 November 2024, circa 1.7009595317204 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
241.3 TFLOPS
FP64
30.2 TFLOPS
Nuclei Tensor
528
Sulla carta H200 NVL raggiunge 241.3 TFLOPS a metà precisione, e 60.3 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 30.2 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 528 Nuclei Tensor attraverso 132 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 1.37 GHz a un aumento di 1.79 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
H200 NVL ha una cache L1 di 250 KB, supportato da una cache L2 di 50 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 16,896 Unità di ombreggiatura, 528 Unità di mappatura delle texture, e 24 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
600 W
H200 NVL è valutato a 600 W, e l'alimentatore di sistema suggerito è 1,000 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 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 H200 NVL
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 H200 NVL
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 H200 NVL
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 628 modelli che questa scheda esegue. La ricerca restringe l'elenco per nome o per dimensione.
-
02
Decidi quanto a lungo durano le tue conversazioni
Imposta il contesto sulla tua vera lunghezza di lavoro. Brevi domande costano quasi nulla, ma un lungo documento può consumare una grande parte di 141 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 2,071 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
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. 141 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 H200 NVL.
Risposte
H200 NVL — domande comuni
H200 NVL— 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 628 dei modelli che monitoriamo. Se ciò sia sufficiente dipende interamente dal modello che desideri — la tabella sopra risponde a questo direttamente.
H200 NVL— può eseguire un modello che non sta nella sua VRAM?
Può essere suddiviso, con il sovraccarico mantenuto nella memoria di sistema oltre la card. 141 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 H200 NVL le schede possono essere due volte più veloci?
La capacità aumenta, il throughput non lo fa. Due di loro ti danno 282 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.
H200 NVL— quali modelli AI può eseguire?
628 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.
H200 NVL— qual è il modello AI più grande che può eseguire?
Il modello più grande nel nostro catalogo che si adatta è Tencent Hy3 preview nella 295B parametri, compressi a Q3_K_M. Genera all'incirca 105 token al secondo e ha bisogno di 126.5 GB della memoria della scheda
H200 NVL— quanti token al secondo produce?
Dipende dal modello. Il modello più veloce che monitoriamo qui è Gemma 3 QAT 1B circa 2,071 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.
H200 NVL— 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 309 token al secondo
H200 NVL— può eseguirlo 13B modelli?
Sì. Ad esempio, funziona DeepSeekMoE-16B nella Q8_0, utilizzando circa 17.5 GB di memoria e generando circa 719 token al secondo
H200 NVL— 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 411 token al secondo
H200 NVL— può eseguirlo 70B modelli?
Sì. Ad esempio, funziona Qwen3-Coder-Next nella Q8_0, utilizzando circa 80.7 GB di memoria e generando circa 144 token al secondo
H200 NVL— quanta memoria ha?
Questa scheda ha 141 GB di HBM3e. Circa un decimo è riservato dal runtime di inferenza e dal driver, lasciando circa 126.9 GB disponibile per un modello e la sua conversazione.
H200 NVL— qual è la sua larghezza di banda della memoria?
La larghezza di banda della VRAM raggiunge 4,890 GB/s attraverso un bus di 6,144 bit. Questo è il miglior predittore di quanto velocemente genera testo, perché produrre ogni token significa leggere l'intero modello dalla memoria una volta.
H200 NVL— che tipo di MEMORY utilizza?
Utilizza HBM3e a frequenza di 1.59 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.
H200 NVL— Chi lo fa?
Questo è un prodotto di NVIDIA, con il chip prodotto da TSMC, su un processo di 5 nm.
H200 NVL— quando è stato rilasciato?
È stato rilasciato in November 2024.
H200 NVL— quanta potenza utilizza?
Potenza nominale della scheda è 600 W, e l'alimentatore di sistema suggerito è 1,000 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.
H200 NVL— quanta cache ha?
La cache L1 è 250 KB, e la cache L2 è 50 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.
H200 NVL— quali sono i suoi TFLOPS?
È valutato a 241.3 TFLOPS a metà precisione e 60.3 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.
H200 NVL— quanti Tensor Cores ha?
Ha 528 Nuclei Tensor attraverso 132 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.
H200 NVL— supporta CUDA?
Sì. Riporta la capacità di calcolo CUDA. 9.0. 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.
H200 NVL— 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.
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.