Bereken de TPS van de Tesla K40s op lokale AI-modellen
Elk model in onze catalogus beoordeeld op deze kaart bij de contextlengte en minimumkwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van deze kaart en de grootte van elk model eenmaal gecomprimeerd..
Gerekend voor deze kaart
679 modellen in onze catalogus samen
Grootste model dat het vasthoudt
ERNIE-4.5-21B-A3B
21B · Q3_K_M · 74.1 tok/s
Snelste model
Gemma 3 QAT 1B
104 tok/s · 1B
Welke AI-modellen kunnen draaien op een Tesla K40s?
Stel de invoer in, lees het antwoord
Meer context betekent meer VRAM voor de gesprekken cache. Snelheid is voor een verse conversatie en verandert niet met deze instelling..
Verbergt modellen die alleen passen door onder dit punt te worden gecomprimeerd.
396 modellen komen overeen
Berekenen| Kwantificatie | Past | ||||||
|---|---|---|---|---|---|---|---|
|
104
tok/s
36–208 · lage vertrouwen |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
104
tok/s
36–208 · lage vertrouwen |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
104
tok/s
36–208 · lage vertrouwen |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
104
tok/s
36–208 · lage vertrouwen |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
104
tok/s
36–208 · lage vertrouwen |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
104
tok/s
36–208 · lage vertrouwen |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
96.1
tok/s
34–192 · lage vertrouwen |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
94.4
tok/s
33–189 · lage vertrouwen |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
94.4
tok/s
33–189 · lage vertrouwen |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
94.4
tok/s
33–189 · lage vertrouwen |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
94.4
tok/s
33–189 · lage vertrouwen |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
86.5
tok/s
30–173 · lage vertrouwen |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
86.5
tok/s
30–173 · lage vertrouwen |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
86.5
tok/s
30–173 · lage vertrouwen |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
86.5
tok/s
30–173 · lage vertrouwen |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
84.4
tok/s
30–169 · lage vertrouwen |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Comfortabel |
|
83.2
tok/s
29–166 · lage vertrouwen |
DeepSeekMoE-16B | 16B | Jan 2024 | 10.0 GB | 4k tokens | Q4_K_M | Krap |
|
83.2
tok/s
29–166 · lage vertrouwen |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
79.9
tok/s
28–160 · lage vertrouwen |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
79.9
tok/s
28–160 · lage vertrouwen |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
79.9
tok/s
28–160 · lage vertrouwen |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
79.9
tok/s
28–160 · lage vertrouwen |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
79.9
tok/s
28–160 · lage vertrouwen |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
79.9
tok/s
28–160 · lage vertrouwen |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
79.9
tok/s
28–160 · lage vertrouwen |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.
Op record
Tesla K40s Volledige specificatie
Alles op file voor deze kaart, geordend op basis van hoezeer het van invloed is op het draaien van een taalmodel in plaats van op hoe een specificatielijst het zou opsommen. MEMORY komt eerst omdat het de uitkomst bepaalt; de rest is CONTEXT..
Geheugen
De twee specificaties die bepalen wat deze card kan draaien en hoe snel. Capaciteit bepaalt welke models passen; bandbreedte bepaalt hoeveel tokens per seconde ze produceren zodra ze dat doen.
- Geheugengrootte
- 12 GB
- Geheugenbandbreedte
- 288 GB/s
- Geheugen type
- GDDR5
- Geheugensnelheid bus breedte
- 384 bit
- Geheugenklok
- 1.5 GHz
De chip
Welke processor zit op het bord en hoe is deze vervaardigd. Een kleinere procesgrootte betekent over het algemeen meer prestaties voor hetzelfde vermogen.
- Grafische processor
- GK110B
- Architectuur
- Kepler
- Generatie
- Tesla Kepler(Kxx)
- Gieterij
- TSMC
- Procesgrootte
- 28 nm
- Transistoren
- 7.1 billion
- Transistor dichtheid
- 12,600 K/mm²
- Die grootte
- 561 mm²
- Pakket
- BGA-2152
- Uitgebracht
- 22 November 2013
Kloksnelheden
Hoe snel de processor draait. Veel minder waard hier dan op een gaming benchmark: het genereren van tekst wordt beperkt door de geheugenbandbreedte, dus een hogere klok beweegt het resultaat nauwelijks.
- Basis klok
- 706 MHz
- Boost-klok
- 706 MHz
Verwerkingsunits
Wat de chip bevat. Deze drijven de graphicsprestaties en zijn voornamelijk belangrijk voor het verwerken van een lange prompt in plaats van voor het produceren van het antwoord.
- Schaduwunits
- 2,880
- Textuurmappingeenheden
- 240
- Render output units
- 48
- L1-cache
- 16 KB
- L2-cache
- 1.5 MB
Theoretische prestaties
Piek reken tarieven gepubliceerd voor de kaart. Dit zijn plafonds die geen enkele echte werklast bereikt, en het genereren van tekst bereikt een klein percentage daarvan omdat het beperkt wordt door geheugen in plaats van rekenkracht.
- Enkele precisie (FP32)
- 4.1 TFLOPS
- Dubbele precisie (FP64)
- 1.4 TFLOPS
- Pixel rate
- 42 GPixel/s
- Textuursnelheid
- 169 GTexel/s
De kaart
Wat er nodig is om de kaart fysiek te installeren en van stroom te voorzien — de praktische beperkingen die bepalen of deze past in de machine die je al bezit.
- Stroomverbruik (TDP)
- 245 W
- Voorgestelde voeding
- 550 W
- Businterface
- PCIe 3.0 x16
- Sleufbreedte
- Dual-slot
- Afmetingen
- 267 mm
Software ondersteuning
Welke grafische en rekinterfaces ondersteunt de kaart. CUDA-rekenmogelijkheden is degene die van belang is voor inferentie: onder de 7.0 zijn er geen tensor cores, en moderne inferentiesoftware valt terug op langzamere codepaden.
- CUDA rekenmogelijkheden
- 3.5
- DirectX
- 11.1
- OpenGL
- 4.6
- Vulkan
- 1.2
- OpenCL
- 3.0
- Shader-model
- 5.1
Lijsten
Waar te koop een Tesla K40s
Geen enkele verkoper heeft deze kaart momenteel in de aanbieding. Lijsten komen van verkopers die deze hier direct publiceren. — blader door de aanbieder directory om te zien wie wat verkoopt.
Wat de cijfers betekenen
Wat de geheugen subsystem betekent voor AI
Geheugen
12 GB
Bandbreedte
288 GB/s
Grootste model
ERNIE-4.5-21B-A3B
Tesla K40s draagt 12 GB van GDDR5. Dat comfortabel reikt naar kleine en middelgrote modellen, hoewel de grootste buiten bereik blijven zonder ze te splitsen. Driver overhead laat ongeveer 10.8 GB.
Geheugenbandbreedte bereikt 288 GB/s over een bus van 384 bits. Bandbreedte is de echte beperking van deze kaart. Elke token vereist het lezen van het hele model uit het geheugen, dus een groot model zal hier traag aanvoelen, zelfs wanneer het past.
De figuur is de busbreedte vermenigvuldigd met een geheugenklok van 1.5 GHz. Het verbreden van de bus en het verhogen van de kloksnelheid zijn de twee hefboommechanismen die een fabrikant heeft, daarom kan een kaart met onopvallende cores toch snel genereren.
Gezamenlijk is het grootste model dat past ERNIE-4.5-21B-A3B, 21B, gecomprimeerd tot Q3_K_M en genereren rond 74.1 tokens per seconde
De chip en hoe deze is gebouwd
Tesla K40s is gebouwd op de graphics processor GK110B, het gebruik van de architectuur Kepler van NVIDIA, als onderdeel van de generatie Tesla Kepler(Kxx).
De chip is vervaardigd door TSMC, een proces van 28 nm, met een dobbelsteen die meet 561 mm², houden 7.1 billion Transistoren. Een kleiner proces betekent over het algemeen meer prestaties voor dezelfde kracht, hoewel het voor taalmodele veel minder belangrijk is dan de geheugen-subsystemen.
Het werd uitgebracht in November 2013, ruwweg 12.690256032026 jaren geleden. Inferredersoftwareondersteuning volgt doorgaans de hardware met een jaar of twee, dus een kaart van deze leeftijd heeft over het algemeen volwassen, goed geoptimaliseerde codepaden beschikbaar.
Rekenkracht, en waarom het minder belangrijk is dan het lijkt
FP64
1.4 TFLOPS
Dubbelprecisie doorvoersnelheid bereikt 1.4 TFLOPS. Het heeft geen invloed op het draaien van een taalmodel — geen inferentie-runtime gebruikt het — maar het scheidt datacentrumonderdelen van consumentenonderdelen, aangezien laatstgenoemden het opzettelijk beperken.
Klokken draaien vanaf een basis van 706 MHz naar een boost van 706 MHz. Hier veel minder waard dan op een gaming benchmark: het verhogen van de kloksnelheden versnelt de rekensom, en de rekensom is niet waar de generatie op wacht.
Cache en verwerkingsunits
Tesla K40s heeft een L1 cache van 16 KB, ondersteund door een L2-cache van 1.5 MB. Cache absorbeert een deel van het geheugenverkeer dat anders de hoofdbus zou raken, wat de enige plek op deze pagina is waar een ander getal dan bandbreedte stilletjes de generatie snelheid beïnvloedt — een grote L2 laat meer van de werkset dicht bij de kernen blijven.
Er zijn 2,880 Schaduwunits, 240 Textuurmappingeenheden, en 48 Render output units. Deze sturen grafische workloads aan en dragen bij aan promptverwerking, maar ze zitten een groot deel van de tijd dat een model bezig is met het genereren van een antwoord stil.
Kracht, grootte en installatie
Stroomverbruik
245 W
Tesla K40s is beoordeeld op 245 W, en de aanbevolen systeemvoeding is 550 W. Het draaien van een taalmodel houdt een GPU-kaart bezig in korte pieken in plaats van continu - het verbruikt veel energie tijdens het genereren en idle tussen aanvragen - dus het sustained draw over een werkdag ligt meestal ver onder de nominale waarde.
Het bord neemt in beslag dual-slot, meten 267 mm lang. Het is de moeite waard om te controleren tegen de behuizing en de voeding die al in de machine zit, aangezien de grootste CARDS aanzienlijk meer van beiden nodig hebben dan een typische desktop biedt.
Het verbindt over PCIe 3.0 x16. De interface bepaalt hoe snel een model van de schijf naar de GPU-kaart wordt geladen, niet hoe snel het daar draait, dus een smallere verbinding kost een paar seconden bij de opstart en verder niets.
De extremen
De grootste AI-modellen die draaien op een Tesla K40s
De grootste open-weight-modellen die op deze kaart passen, nieuwste eerst. Elk wordt weergegeven met de beste compressie die de kaart kan ondersteunen..
De snelste AI-modellen op een Tesla K40s
Waar deze kaart de tokens het snelst produceert. Kleinere modellen domineren hier, omdat het genereren van elke token betekent dat het hele model eens uit het geheugen moet worden gelezen..
Stap voor stap
Hoe de TPS van een AI model uit te rekenen Tesla K40s
U hoeft niets met de hand te berekenen — de gputps.com-calculator op deze pagina heeft het al voor elk model dat deze kaart kan bevatten uitgerekend. De antwoorden aflezen kost zes stappen.
-
01
Vind het model in de tabel
De tabel somt 396 modellen die deze kaart draait. Zoek verkleint de lijst op naam of op grootte.
-
02
Stel de contextlengte in die je daadwerkelijk zult gebruiken
Stel de context in op uw echte werklengte. Korte vragen kosten bijna niets, maar een lang document kan een groot deel van 12 GB dat is vaak het verschil tussen een model dat past en niet.
-
03
Stel een minimale kwaliteit in als je er een nodig hebt
Compressie is wat grotere modellen laat passen. De kwaliteitscontrole laat elk model vallen dat er meer van nodig heeft dan je bereid bent te geven.
-
04
Neem het bereik als het antwoord
Snelheden komen met foutmarges om een reden. De beste zaak hier is 104 tok/s op Gemma 3 QAT 1B. Dezelfde kaart en model variëren tussen dertig en vijftig procent tussen inferentieruns.
-
05
Lees het geschiktheidsvonnis als laatste
Een krappe pas werkt maar laat geen ruimte om de context later te verhogen; comfortabel heeft speling. De geheugen kolom toont wat elk model nodig heeft tegen een beschikbare 12 GB.
-
06
Open het model om kaarten te vergelijken
Elke modelpagina herhaalt deze berekening voor de hele catalogus. Zeker de moeite waard om te bekijken voordat je beslist: het toont wat anders hetzelfde model draait, naast Tesla K40s.
Antwoorden
Tesla K40s — veelgestelde vragen
Tesla K40s— wie maakt het?
Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 28 nm.
Tesla K40s— wanneer is het uitgebracht?
Het werd uitgebracht in November 2013.
Tesla K40s— hoeveel vermogen verbruikt het?
Beoordelde bordkracht is 245 W, en de aanbevolen systeemvoeding is 550 W. Het genereren van tekst verbruikt veel in bursts en idle tussen aanvragen, dus het gemiddelde verbruik over een werk sessie ligt normaal gesproken goed onder het opgegeven cijfer.
Tesla K40s— hoeveel cache heeft het?
De L1-cache is 16 KB, en de L2-cache is 1.5 MB. Cache absorbeert een deel van het geheugenverkeer dat anders de hoofdbus zou bereiken, dus een grotere L2 geeft een bescheiden verhoging van de generatiesnelheid boven wat alleen de bandbreedte voorspelt.
Tesla K40s— ondersteunt het CUDA?
Ja. Het rapporteert CUDA rekencapaciteit 3.5, die aan tensor cores voorafgaat. Capaciteit 7.0 en hoger heeft tensorcores, die moderne inferentiesoftware gebruikt; daaronder valt het terug op langzamere codepaden voor gekwantiseerde modellen.
Tesla K40s— Welke businterface gebruikt het?
Het maakt gebruik van PCIe 3.0 x16. Dit regelt hoe snel een model op de kaart wordt geladen in plaats van hoe snel het draait zodra het is geladen, zodat het een paar seconden kost bij het opstarten en niets tijdens de generatie.
Tesla K40s— is het goed voor het draaien van lokale AI-modellen?
Zijn geheugen dekt kleine en middelgrote modellen, hoewel de grootste buiten bereik zijn, terwijl de bandbreedte betekent dat generatie traag aanvoelt op grotere modellen. In totaal draait het 396 van de modellen die we volgen. Of dat voldoende is, hangt volledig af van welk model je wilt — de tabel hierboven beantwoordt dat direct.
Tesla K40s— kan het een model draaien dat niet in zijn VRAM past?
Slechts gedeeltelijk. Lagen voorbij de GPU kaart 12 GB trekt het hele ding naar beneden, en geen van de cijfers op deze pagina gaat ervan uit.
Zou twee Tesla K40s kaarten twee keer zo snel zijn?
Nee. Een tweede kaart verdubbelt het geheugen naar 24 GB die je in staat stelt om modellen vast te houden die geen van beide alleen zou kunnen vasthouden, maar generatie splitst niet op die manier. Deze cijfers beschrijven één kaart.
Tesla K40s— Welke AI-modellen kan het draaien?
396 van de 679 open-weight taalmodele die we volgen passen op deze kaart en kunnen lokaal worden uitgevoerd. De tabel op deze pagina vermeldt ieder exemplaar, met het geheugen dat het nodig heeft, de kwantisering waarop het draait en een geschatte generatiesnelheid.
Tesla K40s— wat is het grootste AI-model dat het kan draaien?
Het grootste model in onze catalogus dat past is ERNIE-4.5-21B-A3B bij 21B parameters, gecomprimeerd tot Q3_K_M. Het genereert ruwweg 74.1 tokens per second en heeft ongeveer 10.1 GB van het geheugen van de kaart.
Tesla K40s— hoeveel tokens per seconde produceert het?
Het hangt af van het model. Het snelste model dat we hier volgen is Gemma 3 QAT 1B ongeveer 104 tokens per seconde, terwijl grotere modellen proportioneel langzamer draaien omdat elk token het hele model uit het geheugen moet lezen. Snelheden zijn schattingen voor één gesprek tegelijk.
Tesla K40s— kan het draaien 7B modellen?
Ja. Bijvoorbeeld het draait DeepSeek Coder 6.7B bij Q6_K, ongeveer 9.9 GB geheugen en genereert ongeveer 22.5 tokens per seconde
Tesla K40s— kan het draaien 13B modellen?
Ja. Bijvoorbeeld het draait DeepSeekMoE-16B bij Q4_K_M, ongeveer 10.0 GB geheugen en genereert ongeveer 83.2 tokens per seconde
Tesla K40s— hoeveel geheugen heeft het?
Deze kaart heeft 12 GB van GDDR5. Ongeveer een tiende is gereserveerd door de inferentieruntime en de driver, wat ongeveer achterlaat 10.8 GB beschikbaar voor een MODEL en zijn CONVERSATIE.
Tesla K40s— wat is de geheugenbandbreedte?
Geheugenbandbreedte bereikt 288 GB/s over een bus van 384 bits. Dit is de enige beste voorspeller van hoe snel het tekst genereert, omdat het produceren van elk token betekent dat het het hele model eenmaal uit het geheugen leest.
Tesla K40s— welk type geheugen gebruikt het?
Het maakt gebruik van GDDR5 geklokt op 1.5 GHz. HBM-types worden aangetroffen op datacenter-accelerators en hebben veel meer bandbreedte dan de GDDR die op desktopkaarten wordt gebruikt, wat verklaart waarom ze tokens aanzienlijk sneller genereren bij dezelfde capaciteit.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met de hardware. Als je al weet welk model je wilt en je moet weten wat het kost om het te draaien, Begin van het MODEL in plaats van het MODEL..