Bereken de TPS van de Quadro P4200 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 · 16.4 tok/s
Snelste model
Gemma 3 QAT 1B
80.8 tok/s · 1B
Welke AI-modellen kunnen draaien op een Quadro P4200 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 | ||||||
|---|---|---|---|---|---|---|---|
|
80.8
tok/s
28–162 · lage vertrouwen |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
80.8
tok/s
28–162 · lage vertrouwen |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
80.8
tok/s
28–162 · lage vertrouwen |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
80.8
tok/s
28–162 · lage vertrouwen |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
80.8
tok/s
28–162 · lage vertrouwen |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
80.8
tok/s
28–162 · lage vertrouwen |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
74.8
tok/s
26–150 · lage vertrouwen |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
73.4
tok/s
26–147 · lage vertrouwen |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
73.4
tok/s
26–147 · lage vertrouwen |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
73.4
tok/s
26–147 · lage vertrouwen |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
73.4
tok/s
26–147 · lage vertrouwen |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
67.3
tok/s
24–135 · lage vertrouwen |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
67.3
tok/s
24–135 · lage vertrouwen |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
67.3
tok/s
24–135 · lage vertrouwen |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
67.3
tok/s
24–135 · lage vertrouwen |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
65.7
tok/s
23–131 · lage vertrouwen |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Comfortabel |
|
64.8
tok/s
23–130 · lage vertrouwen |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · lage vertrouwen |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · lage vertrouwen |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · lage vertrouwen |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · lage vertrouwen |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · lage vertrouwen |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · lage vertrouwen |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · lage vertrouwen |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
62.1
tok/s
22–124 · 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 P4200 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
- 224 GB/s
- Geheugen type
- GDDR5
- Geheugensnelheid bus breedte
- 256 bit
- Geheugenklok
- 1.75 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(Px200)
- Gieterij
- TSMC
- Procesgrootte
- 16 nm
- Transistoren
- 7.2 billion
- Transistor dichtheid
- 22,900 K/mm²
- Die grootte
- 314 mm²
- Pakket
- BGA-2150
- Uitgebracht
- 21 February 2018
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
- 1.22 GHz
- Boost-klok
- 1.48 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
- 2,304
- Textuurmappingeenheden
- 144
- Render output units
- 64
- Streaming multiprocessors
- 18
- 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)
- 106.6 GFLOPS
- Enkele precisie (FP32)
- 6.8 TFLOPS
- Dubbele precisie (FP64)
- 213.1 GFLOPS
- Pixel rate
- 95 GPixel/s
- Textuursnelheid
- 213 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 P4200 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
224 GB/s
Grootste model
Baichuan 1-13B
Quadro P4200 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 224 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.
Dat komt van een memory clock van 1.75 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.
Het praktische plafond is Baichuan 1-13B, 13.3B, gecomprimeerd tot Q3_K_M en genereren rond 16.4 tokens per seconde
De chip en hoe deze is gebouwd
Quadro P4200 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(Px200).
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 February 2018, ruwweg 8.4409434432424 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
106.6 GFLOPS
FP64
213.1 GFLOPS
Op papier Quadro P4200 Max-Q bereikt 106.6 GFLOPS op halve precisie, en 6.8 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 213.1 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 1.22 GHz naar een boost van 1.48 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 P4200 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 2,304 Schaduwunits, 144 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 P4200 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 P4200 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 P4200 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 P4200 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
Begin met het model, niet de specificatie
De tabel somt 337 modellen die deze kaart draait. Zoek verkleint de lijst op naam of op grootte.
-
02
Bepaal hoe lang je gesprekken duren
Sleep de schuifregelaar naar de gesprekslengte die je van plan bent te gebruiken. De cache groeit met het gesprek, en tegen een CARD die houdt 8 GB dat is vaak het verschil tussen een model dat past en niet.
-
03
Koppel de vergelijking aan één kwaliteitsniveau
Elk model wordt weergegeven met de beste compressie die deze kaart kan bevatten. Een minimale kwaliteit verbergt de modellen die alleen passen door verder samengedrukt te worden dan je zou accepteren.
-
04
Lees de snelheid en het bereik
De cijfers zijn berekend, niet gemeten. Het snelste resultaat op deze kaart is 80.8 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.
De fit-kolom scheidt modellen die net passen van degenen met ruimte over — het is de moeite waard om dit te controleren voordat je op een daarvan besluit, tegen een beschikbare 8 GB.
-
06
Cross-check tegen andere hardware
Elke modelnaam in de tabel linkt naar zijn eigen pagina, die dezelfde berekening uitvoert op elke kaart die we hebben. Daar zie je of de juiste aankoop is Quadro P4200 Max-Q.
Antwoorden
Quadro P4200 Max-Q — veelgestelde vragen
Zou twee Quadro P4200 Max-Q kaarten twee keer zo snel zijn?
Nee. Een tweede kaart verdubbelt het geheugen naar 16 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.
Quadro P4200 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 P4200 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 16.4 tokens per second en heeft ongeveer 7.2 GB van het geheugen van de kaart.
Quadro P4200 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 80.8 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 P4200 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 26.6 tokens per seconde
Quadro P4200 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 18.2 tokens per seconde
Quadro P4200 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 P4200 Max-Q— wat is de geheugenbandbreedte?
Geheugenbandbreedte bereikt 224 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 P4200 Max-Q— welk type geheugen gebruikt het?
Het maakt gebruik van GDDR5 geklokt op 1.75 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 P4200 Max-Q— wie maakt het?
Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 16 nm.
Quadro P4200 Max-Q— wanneer is het uitgebracht?
Het werd uitgebracht in February 2018.
Quadro P4200 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 P4200 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 P4200 Max-Q— wat zijn zijn TFLOPS?
Het is beoordeeld op 106.6 GFLOPS bij halve precisie en 6.8 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 P4200 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 P4200 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 P4200 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 P4200 Max-Q— kan het een model draaien dat niet in zijn VRAM past?
Afschuiven voorbij de card's 8 GB is mogelijk en meestal een valse economie: het systeem-geheugen gedeelte is langzaam genoeg om het resultaat te domineren.
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..