Bereken de TPS van de A100 PCIe 40 GB 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
Qwen3-Coder-Next
80B · Q3_K_M · 124 tok/s
Snelste model
Gemma 3 QAT 1B
661 tok/s · 1B
Welke AI-modellen kunnen draaien op een A100 PCIe 40 GB?
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.
573 modellen komen overeen
Berekenen| Kwantificatie | Past | ||||||
|---|---|---|---|---|---|---|---|
|
661
tok/s
562–793 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
661
tok/s
562–793 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
661
tok/s
396–1,057 · lage vertrouwen |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
661
tok/s
396–1,057 · lage vertrouwen |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
661
tok/s
396–1,057 · lage vertrouwen |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
661
tok/s
396–1,057 · lage vertrouwen |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
612
tok/s
367–979 · lage vertrouwen |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
601
tok/s
360–961 · lage vertrouwen |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
601
tok/s
360–961 · lage vertrouwen |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
601
tok/s
360–961 · lage vertrouwen |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
601
tok/s
360–961 · lage vertrouwen |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
551
tok/s
330–881 · lage vertrouwen |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
551
tok/s
330–881 · lage vertrouwen |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
551
tok/s
330–881 · lage vertrouwen |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
551
tok/s
330–881 · lage vertrouwen |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
537
tok/s
457–645 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Comfortabel |
|
530
tok/s
318–847 · lage vertrouwen |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · lage vertrouwen |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · lage vertrouwen |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · lage vertrouwen |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · lage vertrouwen |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · lage vertrouwen |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · lage vertrouwen |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · lage vertrouwen |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
508
tok/s
305–813 · 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
A100 PCIe 40 GB 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
- 40 GB
- Geheugenbandbreedte
- 1,560 GB/s
- Geheugen type
- HBM2e
- Geheugensnelheid bus breedte
- 5,120 bit
- Geheugenklok
- 1.22 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
- GA100
- Architectuur
- Ampere
- Generatie
- Server Ampere(Axx)
- Gieterij
- TSMC
- Procesgrootte
- 7 nm
- Transistoren
- 54.2 billion
- Transistor dichtheid
- 65,600 K/mm²
- Die grootte
- 826 mm²
- Pakket
- BGA-2743
- Uitgebracht
- 22 June 2020
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
- 765 MHz
- Boost-klok
- 1.41 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
- 6,912
- Textuurmappingeenheden
- 432
- Render output units
- 160
- Streaming multiprocessors
- 108
- Tensor cores
- 432
- L1-cache
- 192 KB
- L2-cache
- 40 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)
- 78 TFLOPS
- Enkele precisie (FP32)
- 19.5 TFLOPS
- Dubbele precisie (FP64)
- 9.7 TFLOPS
- Pixel rate
- 226 GPixel/s
- Textuursnelheid
- 609 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)
- 250 W
- Voorgestelde voeding
- 600 W
- Stroomconnectoren
- 8-pin EPS
- Businterface
- PCIe 4.0 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
- 8.0
- OpenCL
- 3.0
Lijsten
Waar te koop een A100 PCIe 40 GB
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
40 GB
Bandbreedte
1,560 GB/s
Grootste model
Qwen3-Coder-Next
A100 PCIe 40 GB draagt 40 GB van HBM2e. Dat dekt de middelgrote modellen die de meeste mensen daadwerkelijk draaien. Zodra de runtime en de driver hun werkomgeving reserveren, blijft er ongeveer dit over: 36 GB.
Geheugenbandbreedte bereikt 1,560 GB/s over een bus van 5,120 bits. Een token genereren betekent elke WEIGHT één keer lezen, zodat dat cijfer het tempo bepaalt meer dan enig ander getal hier, en op dit niveau arriveert tekst sneller dan de meeste mensen lezen.
De figuur is de busbreedte vermenigvuldigd met een geheugenklok van 1.22 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 Qwen3-Coder-Next, 80B, gecomprimeerd tot Q3_K_M en genereren rond 124 tokens per seconde
De chip en hoe deze is gebouwd
A100 PCIe 40 GB is gebouwd op de graphics processor GA100, het gebruik van de architectuur Ampere van NVIDIA, als onderdeel van de generatie Server Ampere(Axx).
De chip is vervaardigd door TSMC, een proces van 7 nm, met een dobbelsteen die meet 826 mm², houden 54.2 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 June 2020, ruwweg 6.1092659010023 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
78 TFLOPS
FP64
9.7 TFLOPS
Tensor cores
432
Op papier A100 PCIe 40 GB bereikt 78 TFLOPS op halve precisie, en 19.5 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 9.7 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.
De kaart draagt 432 Tensor cores over 108 Streaming multiprocessors. Deze versnellen de matrixarithmeticiteit die ten grondslag ligt aan een transformer, en zij zijn wat het verwerken van prompts — het lezen van een lang document voordat er wordt geantwoord — dramatisch sneller maakt dan anders het geval zou zijn.
Klokken draaien vanaf een basis van 765 MHz naar een boost van 1.41 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
A100 PCIe 40 GB heeft een L1 cache van 192 KB, ondersteund door een L2-cache van 40 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 6,912 Schaduwunits, 432 Textuurmappingeenheden, en 160 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
250 W
A100 PCIe 40 GB is beoordeeld op 250 W, en de aanbevolen systeemvoeding is 600 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, en heeft 8-pin EPS. 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 4.0 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 A100 PCIe 40 GB
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 A100 PCIe 40 GB
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 A100 PCIe 40 GB
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 573 modellen de kaart ondersteunt. Het zoekvak accepteert een naam of een grootte zoals 27b, die overeenkomt met het aantal parameters.
-
02
Stem de context af op uw werk
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 40 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
Standaard kiest de tabel de minst-gecomprimeerde kopie die past. Het instellen van een vloer verwijdert modellen die alleen kwalificeren door zware compressie.
-
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 661 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 40 GB.
-
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 A100 PCIe 40 GB.
Antwoorden
A100 PCIe 40 GB — veelgestelde vragen
A100 PCIe 40 GB— kan het draaien 70B modellen?
Ja. Bijvoorbeeld het draait Qwen3-Coder-Next bij Q3_K_M, ongeveer 34.1 GB geheugen en genereert ongeveer 124 tokens per seconde
A100 PCIe 40 GB— hoeveel geheugen heeft het?
Deze kaart heeft 40 GB van HBM2e. Ongeveer een tiende is gereserveerd door de inferentieruntime en de driver, wat ongeveer achterlaat 36 GB beschikbaar voor een MODEL en zijn CONVERSATIE.
A100 PCIe 40 GB— wat is de geheugenbandbreedte?
Geheugenbandbreedte bereikt 1,560 GB/s over een bus van 5,120 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.
A100 PCIe 40 GB— welk type geheugen gebruikt het?
Het maakt gebruik van HBM2e geklokt op 1.22 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.
A100 PCIe 40 GB— wie maakt het?
Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 7 nm.
A100 PCIe 40 GB— wanneer is het uitgebracht?
Het werd uitgebracht in June 2020.
A100 PCIe 40 GB— hoeveel vermogen verbruikt het?
Beoordelde bordkracht is 250 W, en de aanbevolen systeemvoeding is 600 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.
A100 PCIe 40 GB— hoeveel cache heeft het?
De L1-cache is 192 KB, en de L2-cache is 40 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.
A100 PCIe 40 GB— wat zijn zijn TFLOPS?
Het is beoordeeld op 78 TFLOPS bij halve precisie en 19.5 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.
A100 PCIe 40 GB— hoeveel tensor cores heeft het?
Het heeft 432 Tensor cores over 108 Streaming multiprocessors. Ze versnellen de matrixarithmetic waaruit een transformer is opgebouwd, wat voornamelijk de verwerking van een lange prompt versnelt in plaats van het produceren van de reactie.
A100 PCIe 40 GB— ondersteunt het CUDA?
Ja. Het rapporteert CUDA rekencapaciteit 8.0. Capaciteit 7.0 en hoger heeft tensorcores, die moderne inferentiesoftware gebruikt; daaronder valt het terug op langzamere codepaden voor gekwantiseerde modellen.
A100 PCIe 40 GB— Welke businterface gebruikt het?
Het maakt gebruik van PCIe 4.0 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.
A100 PCIe 40 GB— is het goed voor het draaien van lokale AI-modellen?
Zijn VRAM dekt comfortabel de middelgrote modellen die de meeste mensen lokaal draaien en zijn bandbreedte is hoog genoeg om tekst sneller te genereren dan de meeste mensen lezen. In totaal draait het 573 van de modellen die we volgen. Of dat voldoende is, hangt volledig af van welk model je wilt — de tabel hierboven beantwoordt dat direct.
A100 PCIe 40 GB— kan het een model draaien dat niet in zijn VRAM past?
Slechts gedeeltelijk. Lagen voorbij de GPU kaart 40 GB is mogelijk en meestal een valse economie: het systeem-geheugen gedeelte is langzaam genoeg om het resultaat te domineren.
Zou twee A100 PCIe 40 GB kaarten twee keer zo snel zijn?
Capaciteit voegt toe, doorvoer niet. Twee van hen geven je 80 GB om te werken met in plaats van tweemaal de tokens per seconde — elk cijfer hier is voor een enkele CARD.
A100 PCIe 40 GB— Welke AI-modellen kan het draaien?
573 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.
A100 PCIe 40 GB— wat is het grootste AI-model dat het kan draaien?
Het grootste model in onze catalogus dat past is Qwen3-Coder-Next bij 80B parameters, gecomprimeerd tot Q3_K_M. Het genereert ruwweg 124 tokens per second en heeft ongeveer 34.1 GB van het geheugen van de kaart.
A100 PCIe 40 GB— 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 661 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.
A100 PCIe 40 GB— kan het draaien 7B modellen?
Ja. Bijvoorbeeld het draait Multi-Token Prediction 7B bij Q8_0, ongeveer 7.9 GB geheugen en genereert ongeveer 98.6 tokens per seconde
A100 PCIe 40 GB— kan het draaien 13B modellen?
Ja. Bijvoorbeeld het draait DeepSeekMoE-16B bij Q8_0, ongeveer 17.5 GB geheugen en genereert ongeveer 229 tokens per seconde
A100 PCIe 40 GB— kan het draaien 30B modellen?
Ja. Bijvoorbeeld het draait Qwen3-Omni-30B-A3B bij Q6_K, ongeveer 28.2 GB geheugen en genereert ongeveer 151 tokens per seconde
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..