Bereken de TPS van de Switch GPU 16nm op lokale AI-modellen

NVIDIA 4 GB DDR4 26 GB/s August 2019

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

97 modellen die het kan uitvoeren

679 modellen in onze catalogus samen

Grootste model dat het vasthoudt

DeciLM 6B

5.7B · Q3_K_M · 4.4 tok/s

Snelste model

Gemma 3 QAT 1B

9.2 tok/s · 1B

Welke AI-modellen kunnen draaien op een Switch GPU 16nm?

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.

97 modellen komen overeen

Berekenen
Kwantificatie Past
9.2 tok/s

3–18 · lage vertrouwen

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokens Q8_0 Comfortabel
9.2 tok/s

3–18 · lage vertrouwen

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokens Q8_0 Comfortabel
9.2 tok/s

3–18 · lage vertrouwen

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokens ? Q8_0 Comfortabel
9.2 tok/s

3–18 · lage vertrouwen

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokens ? Q8_0 Comfortabel
9.2 tok/s

3–18 · lage vertrouwen

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokens ? Q8_0 Comfortabel
9.2 tok/s

3–18 · lage vertrouwen

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokens ? Q8_0 Comfortabel
8.5 tok/s

3–17 · lage vertrouwen

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokens ? Q8_0 Comfortabel
8.4 tok/s

3–17 · lage vertrouwen

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
8.4 tok/s

3–17 · lage vertrouwen

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
8.4 tok/s

3–17 · lage vertrouwen

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
8.4 tok/s

3–17 · lage vertrouwen

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
7.7 tok/s

3–15 · lage vertrouwen

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokens ? Q8_0 Comfortabel
7.7 tok/s

3–15 · lage vertrouwen

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokens ? Q8_0 Comfortabel
7.7 tok/s

3–15 · lage vertrouwen

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokens ? Q8_0 Comfortabel
7.7 tok/s

3–15 · lage vertrouwen

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokens ? Q8_0 Comfortabel
7.5 tok/s

3–15 · lage vertrouwen

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokens Q8_0 Comfortabel
7.4 tok/s

3–15 · lage vertrouwen

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · lage vertrouwen

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · lage vertrouwen

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · lage vertrouwen

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · lage vertrouwen

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · lage vertrouwen

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · lage vertrouwen

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · lage vertrouwen

Otter ≈ 1.3B May 2023 2.1 GB 131k tokens ? Q8_0 Comfortabel
7.1 tok/s

2–14 · 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

Switch GPU 16nm 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
4 GB
Geheugenbandbreedte
26 GB/s
Geheugen type
DDR4
Geheugensnelheid bus breedte
64 bit
Geheugenklok
1.6 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
GM20B
Architectuur
Maxwell 2.0
Generatie
Console GPU(Nintendo)
Gieterij
TSMC
Procesgrootte
16 nm
Transistoren
2 billion
Transistor dichtheid
20,000 K/mm²
Die grootte
100 mm²
Uitgebracht
16 August 2019

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
384 MHz
Boost-klok
768 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
256
Textuurmappingeenheden
16
Render output units
16
Streaming multiprocessors
2

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)
786.4 GFLOPS
Enkele precisie (FP32)
393.2 GFLOPS
Dubbele precisie (FP64)
12.3 GFLOPS
Pixel rate
12 GPixel/s
Textuursnelheid
12 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)
15 W
Afmetingen
239 mm × 28 mm
Weergave-uitvoer
1x USB Type-C

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
5.3
DirectX
12.1
OpenGL
4.6
Vulkan
1.4
OpenCL
1.2
Shader-model
6.0

Lijsten

Waar te koop een Switch GPU 16nm

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

4 GB

Bandbreedte

26 GB/s

Grootste model

DeciLM 6B

Switch GPU 16nm draagt alleen 4 GB van DDR4. 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 3.6 GB.

Geheugenbandbreedte bereikt 26 GB/s over een bus van 64 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 1.6 GHz. Het is waarom core-aantallen de generatie-snelheid zo slecht voorspellen.

In de praktijk komt die combinatie uit op DeciLM 6B, 5.7B, gecomprimeerd tot Q3_K_M en genereren rond 4.4 tokens per seconde

De chip en hoe deze is gebouwd

Switch GPU 16nm is gebouwd op de graphics processor GM20B, het gebruik van de architectuur Maxwell 2.0 van NVIDIA, als onderdeel van de generatie Console GPU(Nintendo).

De chip is vervaardigd door TSMC, een proces van 16 nm, met een dobbelsteen die meet 100 mm², houden 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 August 2019, ruwweg 6.9587420665692 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

786.4 GFLOPS

FP64

12.3 GFLOPS

Op papier Switch GPU 16nm bereikt 786.4 GFLOPS op halve precisie, en 393.2 GFLOPS 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 12.3 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 384 MHz naar een boost van 768 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

Er zijn 256 Schaduwunits, 16 Textuurmappingeenheden, en 16 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

15 W

Switch GPU 16nm is beoordeeld op 15 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.

meten 239 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.

De extremen

De grootste AI-modellen die draaien op een Switch GPU 16nm

De grootste open-weight-modellen die op deze kaart passen, nieuwste eerst. Elk wordt weergegeven met de beste compressie die de kaart kan ondersteunen..

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 4.1 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 4.5 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 5.3 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 6.2 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 5.3 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 5.3 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 4.4 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 5.1 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 5.1 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 4.4 tok/s

De snelste AI-modellen op een Switch GPU 16nm

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..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 9.2 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 9.2 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 9.2 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 9.2 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 9.2 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 9.2 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 8.5 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 8.4 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 8.4 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 8.4 tok/s

Stap voor stap

Hoe de TPS van een AI model uit te rekenen Switch GPU 16nm

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.

  1. 01

    Vind het model in de tabel

    De tabel somt 97 modellen die deze kaart draait. Zoek verkleint de lijst op naam of op grootte.

  2. 02

    Stel de contextlengte in die je daadwerkelijk zult gebruiken

    Lange gesprekken kosten geheugen bovenop de gewichten. Tegen 4 GB dus de instelling is het waard om goed te krijgen.

  3. 03

    Kies hoe ver je wilt comprimeren

    Standaard kiest de tabel de minst-gecomprimeerde kopie die past. Het instellen van een vloer verwijdert modellen die alleen kwalificeren door zware compressie.

  4. 04

    Kijk naar het bereik, niet alleen naar het aantal

    Elke snelheid is een schatting voor een enkel gesprek, met een bereik eronder. Het bovenste einde hier is 9.2 tok/s op Gemma 3 QAT 1B. Dezelfde kaart en model variëren tussen dertig en vijftig procent tussen inferentieruns.

  5. 05

    Controleer de speling voordat je beslist

    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 4 GB.

  6. 06

    Cross-check tegen andere hardware

    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 Switch GPU 16nm.

Antwoorden

Switch GPU 16nm — veelgestelde vragen

01

Switch GPU 16nm— wat zijn zijn TFLOPS?

Het is beoordeeld op 786.4 GFLOPS bij halve precisie en 393.2 GFLOPS 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.

02

Switch GPU 16nm— ondersteunt het CUDA?

Ja. Het rapporteert CUDA rekencapaciteit 5.3, 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.

03

Switch GPU 16nm— 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 97 van de modellen die we volgen. Of dat voldoende is, hangt volledig af van welk model je wilt — de tabel hierboven beantwoordt dat direct.

04

Switch GPU 16nm— kan het een model draaien dat niet in zijn VRAM past?

Het kan worden gesplitst, met de overflow gehouden in het systeemgeheugen buiten de kaart's 4 GB is mogelijk en meestal een valse economie: het systeem-geheugen gedeelte is langzaam genoeg om het resultaat te domineren.

05

Zou twee Switch GPU 16nm kaarten twee keer zo snel zijn?

Het koppelen ervan koopt ruimte in plaats van snelheid: 8 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.

06

Switch GPU 16nm— Welke AI-modellen kan het draaien?

97 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.

07

Switch GPU 16nm— wat is het grootste AI-model dat het kan draaien?

Het grootste model in onze catalogus dat past is DeciLM 6B bij 5.7B parameters, gecomprimeerd tot Q3_K_M. Het genereert ruwweg 4.4 tokens per second en heeft ongeveer 3.5 GB van het geheugen van de kaart.

08

Switch GPU 16nm— 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 9.2 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.

09

Switch GPU 16nm— hoeveel geheugen heeft het?

Deze kaart heeft 4 GB van DDR4. Ongeveer een tiende is gereserveerd door de inferentieruntime en de driver, wat ongeveer achterlaat 3.6 GB beschikbaar voor een MODEL en zijn CONVERSATIE.

10

Switch GPU 16nm— wat is de geheugenbandbreedte?

Geheugenbandbreedte bereikt 26 GB/s over een bus van 64 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.

11

Switch GPU 16nm— welk type geheugen gebruikt het?

Het maakt gebruik van DDR4 geklokt op 1.6 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.

12

Switch GPU 16nm— wie maakt het?

Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 16 nm.

13

Switch GPU 16nm— wanneer is het uitgebracht?

Het werd uitgebracht in August 2019.

14

Switch GPU 16nm— hoeveel vermogen verbruikt het?

Beoordelde bordkracht is 15 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.

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..

Alle GPU's