Bereken de TPS van de Quadro P4000 Max-Q 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
Baichuan 1-13B
13.3B · Q3_K_M · 14.1 tok/s
Snelste model
Gemma 3 QAT 1B
69.2 tok/s · 1B
Welke AI-modellen kunnen draaien op een Quadro P4000 Max-Q?
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.
337 modellen komen overeen
Berekenen| Kwantificatie | Past | ||||||
|---|---|---|---|---|---|---|---|
|
69.2
tok/s
24–138 · lage vertrouwen |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
69.2
tok/s
24–138 · lage vertrouwen |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
69.2
tok/s
24–138 · lage vertrouwen |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
69.2
tok/s
24–138 · lage vertrouwen |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
69.2
tok/s
24–138 · lage vertrouwen |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
69.2
tok/s
24–138 · lage vertrouwen |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
64.1
tok/s
22–128 · lage vertrouwen |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.9
tok/s
22–126 · lage vertrouwen |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.9
tok/s
22–126 · lage vertrouwen |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.9
tok/s
22–126 · lage vertrouwen |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.9
tok/s
22–126 · lage vertrouwen |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
57.7
tok/s
20–115 · lage vertrouwen |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
57.7
tok/s
20–115 · lage vertrouwen |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
57.7
tok/s
20–115 · lage vertrouwen |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
57.7
tok/s
20–115 · lage vertrouwen |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
56.3
tok/s
20–113 · lage vertrouwen |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Comfortabel |
|
55.5
tok/s
19–111 · lage vertrouwen |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
53.3
tok/s
19–107 · lage vertrouwen |
Phi-1 ≈ | 1.3B | Oct 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
Quadro P4000 Max-Q 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
- 8 GB
- Geheugenbandbreedte
- 192 GB/s
- Geheugen type
- GDDR5
- Geheugensnelheid bus breedte
- 256 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
- GP104
- Architectuur
- Pascal
- Generatie
- Quadro Pascal-M(Px000)
- Gieterij
- TSMC
- Procesgrootte
- 16 nm
- Transistoren
- 7.2 billion
- Transistor dichtheid
- 22,900 K/mm²
- Die grootte
- 314 mm²
- Pakket
- BGA-2150
- Uitgebracht
- 11 January 2017
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
- 1.11 GHz
- Boost-klok
- 1.23 GHz
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
- 1,792
- Textuurmappingeenheden
- 112
- Render output units
- 64
- Streaming multiprocessors
- 14
- L1-cache
- 48 KB
- L2-cache
- 2 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.
- Half precisie (FP16)
- 68.8 GFLOPS
- Enkele precisie (FP32)
- 4.4 TFLOPS
- Dubbele precisie (FP64)
- 137.5 GFLOPS
- Pixel rate
- 79 GPixel/s
- Textuursnelheid
- 138 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)
- 100 W
- Stroomconnectoren
- None
- Businterface
- MXM-B (3.0)
- Sleufbreedte
- MXM Module
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
- 6.1
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader-model
- 6.8
Lijsten
Waar te koop een Quadro P4000 Max-Q
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
Waarom is geheugen het nummer dat hier telt
Geheugen
8 GB
Bandbreedte
192 GB/s
Grootste model
Baichuan 1-13B
Quadro P4000 Max-Q draagt alleen 8 GB van GDDR5. Dat beperkt het tot het kleinere einde van de catalogus, en een model moet volledig binnen passen voordat het iets genereert. Een runtime krijgt eigenlijk ongeveer 7.2 GB.
Geheugenbandbreedte bereikt 192 GB/s over een bus van 256 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.
Bandbreedte is klok vermenigvuldigd met busbreedte, en deze kaart klokt zijn geheugen op 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.
De grootste zaak die het bevat is Baichuan 1-13B, 13.3B, gecomprimeerd tot Q3_K_M en genereren rond 14.1 tokens per seconde
De chip en hoe deze is gebouwd
Quadro P4000 Max-Q is gebouwd op de graphics processor GP104, het gebruik van de architectuur Pascal van NVIDIA, als onderdeel van de generatie Quadro Pascal-M(Px000).
De chip is vervaardigd door TSMC, een proces van 16 nm, met een dobbelsteen die meet 314 mm², houden 7.2 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 January 2017, ruwweg 9.5532732100417 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
FP16
68.8 GFLOPS
FP64
137.5 GFLOPS
Op papier Quadro P4000 Max-Q bereikt 68.8 GFLOPS op halve precisie, en 4.4 TFLOPS bij enkele precisie. Dit zijn piekfiguren die geen echte werkbelasting ondersteunen, en het genereren van tekst bereikt slechts een klein fractie van hen - decoderen wordt beperkt door geheugen in plaats van door rekenkracht, wat de reden is dat een kaart hier enorm krachtig kan lijken en toch tokens produceert tegen een gewone snelheid.
Dubbelprecisie doorvoersnelheid bereikt 137.5 GFLOPS. 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 1.11 GHz naar een boost van 1.23 GHz. 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
Quadro P4000 Max-Q heeft een L1 cache van 48 KB, ondersteund door een L2-cache van 2 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 1,792 Schaduwunits, 112 Textuurmappingeenheden, en 64 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
100 W
Quadro P4000 Max-Q is beoordeeld op 100 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 mxm module. 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 MXM-B (3.0). 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 Quadro P4000 Max-Q
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 Quadro P4000 Max-Q
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 Quadro P4000 Max-Q
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
Zoek het model dat je wilt
De tabel somt 337 modellen de kaart ondersteunt. Het zoekvak accepteert een naam of een grootte zoals 27b, die overeenkomt met het aantal parameters.
-
02
Bepaal hoe lang je gesprekken duren
Stel de context in op uw echte werklengte. Korte vragen kosten bijna niets, maar een lang document kan een groot deel van 8 GB dus de instelling is het waard om goed te krijgen.
-
03
Koppel de vergelijking aan één kwaliteitsniveau
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
Kijk naar het bereik, niet alleen naar het aantal
De cijfers zijn berekend, niet gemeten. Het snelste resultaat op deze kaart is 69.2 tok/s op Gemma 3 QAT 1B. Dezelfde kaart en model variëren tussen dertig en vijftig procent tussen inferentieruns.
-
05
Controleer de geheugen kolom voordat je commit.
Strak betekent dat het vandaag werkt; comfortabel betekent dat het nog steeds werkt als het gesprek groeit. Vergelijk wat elk model nodig heeft met een beschikbare. 8 GB.
-
06
Controleer hetzelfde model van de andere kant
Het volgen van een model naar zijn eigen pagina somt alle hardware op die het kan draaien, zodat je kunt zien hoe het zich verhoudt tegen Quadro P4000 Max-Q.
Antwoorden
Quadro P4000 Max-Q — veelgestelde vragen
Quadro P4000 Max-Q— wanneer is het uitgebracht?
Het werd uitgebracht in January 2017.
Quadro P4000 Max-Q— hoeveel vermogen verbruikt het?
Beoordelde bordkracht is 100 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.
Quadro P4000 Max-Q— hoeveel cache heeft het?
De L1-cache is 48 KB, en de L2-cache is 2 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.
Quadro P4000 Max-Q— wat zijn zijn TFLOPS?
Het is beoordeeld op 68.8 GFLOPS bij halve precisie en 4.4 TFLOPS bij enkele precisie. Dit zijn piek-arithmetische plafonds in plaats van haalbare snelheden, en tekstgeneratie bereikt slechts een klein deel ervan omdat het beperkt is door geheugenbandbreedte.
Quadro P4000 Max-Q— ondersteunt het CUDA?
Ja. Het rapporteert CUDA rekencapaciteit 6.1, 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.
Quadro P4000 Max-Q— Welke businterface gebruikt het?
Het maakt gebruik van MXM-B (3.0). 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.
Quadro P4000 Max-Q— is het goed voor het draaien van lokale AI-modellen?
Zijn geheugen beperkt het tot kleinere modellen, maar de bandbreedte betekent dat de generatie traag aanvoelt op grotere modellen. In totaal draait het 337 van de modellen die we volgen. Of dat voldoende is, hangt volledig af van welk model je wilt — de tabel hierboven beantwoordt dat direct.
Quadro P4000 Max-Q— kan het een model draaien dat niet in zijn VRAM past?
Afschuiven voorbij de card's 8 GB zit in GPU VRAM en draait met een fractie van de snelheid, zodat een grotendeels-afgevoerd model zelden de moeite waard is om te gebruiken. Elke cijfer hier gaat ervan uit dat het volledig op de kaart aanwezig is.
Zou twee Quadro P4000 Max-Q kaarten twee keer zo snel zijn?
Het koppelen ervan koopt ruimte in plaats van snelheid: 16 GB om te werken met in plaats van tweemaal de tokens per seconde — elk cijfer hier is voor een enkele CARD.
Quadro P4000 Max-Q— Welke AI-modellen kan het draaien?
337 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.
Quadro P4000 Max-Q— wat is het grootste AI-model dat het kan draaien?
Het grootste model in onze catalogus dat past is Baichuan 1-13B bij 13.3B parameters, gecomprimeerd tot Q3_K_M. Het genereert ruwweg 14.1 tokens per second en heeft ongeveer 7.2 GB van het geheugen van de kaart.
Quadro P4000 Max-Q— 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 69.2 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.
Quadro P4000 Max-Q— kan het draaien 7B modellen?
Ja. Bijvoorbeeld het draait MetaMath 7B (LLaMa finetune) bij Q4_K_M, ongeveer 6.5 GB geheugen en genereert ongeveer 22.8 tokens per seconde
Quadro P4000 Max-Q— kan het draaien 13B modellen?
Ja. Bijvoorbeeld het draait Gemma 4 12B bij Q3_K_M, ongeveer 6.5 GB geheugen en genereert ongeveer 15.6 tokens per seconde
Quadro P4000 Max-Q— hoeveel geheugen heeft het?
Deze kaart heeft 8 GB van GDDR5. Ongeveer een tiende is gereserveerd door de inferentieruntime en de driver, wat ongeveer achterlaat 7.2 GB beschikbaar voor een MODEL en zijn CONVERSATIE.
Quadro P4000 Max-Q— wat is de geheugenbandbreedte?
Geheugenbandbreedte bereikt 192 GB/s over een bus van 256 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.
Quadro P4000 Max-Q— 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.
Quadro P4000 Max-Q— wie maakt het?
Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 16 nm.
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..