Bereken de TPS van de GeForce RTX 4080 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
Nemotron 3-Nano-30B-A3B
31.6B · Q3_K_M · 144 tok/s
Snelste model
Gemma 3 QAT 1B
304 tok/s · 1B
Welke AI-modellen kunnen draaien op een GeForce RTX 4080?
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.
432 modellen komen overeen
Berekenen| Kwantificatie | Past | ||||||
|---|---|---|---|---|---|---|---|
|
304
tok/s
258–364 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
304
tok/s
258–364 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
304
tok/s
182–486 · lage vertrouwen |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
304
tok/s
182–486 · lage vertrouwen |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
304
tok/s
182–486 · lage vertrouwen |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
304
tok/s
182–486 · lage vertrouwen |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
281
tok/s
169–450 · lage vertrouwen |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
276
tok/s
166–442 · lage vertrouwen |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
276
tok/s
166–442 · lage vertrouwen |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
276
tok/s
166–442 · lage vertrouwen |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
276
tok/s
166–442 · lage vertrouwen |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
253
tok/s
152–405 · lage vertrouwen |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
253
tok/s
152–405 · lage vertrouwen |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
253
tok/s
152–405 · lage vertrouwen |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
253
tok/s
152–405 · lage vertrouwen |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
247
tok/s
210–296 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Comfortabel |
|
243
tok/s
146–389 · lage vertrouwen |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · lage vertrouwen |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · lage vertrouwen |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · lage vertrouwen |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · lage vertrouwen |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · lage vertrouwen |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · lage vertrouwen |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · lage vertrouwen |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
234
tok/s
140–374 · 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
GeForce RTX 4080 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
- 16 GB
- Geheugenbandbreedte
- 717 GB/s
- Geheugen type
- GDDR6X
- Geheugensnelheid bus breedte
- 256 bit
- Geheugenklok
- 1.4 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
- AD103
- Architectuur
- Ada Lovelace
- Generatie
- GeForce 40
- Gieterij
- TSMC
- Procesgrootte
- 5 nm
- Transistoren
- 45.9 billion
- Transistor dichtheid
- 121,100 K/mm²
- Die grootte
- 379 mm²
- Uitgebracht
- 20 September 2022
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
- 2.21 GHz
- Boost-klok
- 2.51 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
- 9,728
- Textuurmappingeenheden
- 304
- Render output units
- 112
- Streaming multiprocessors
- 76
- Tensor cores
- 304
- Ray tracing cores
- 76
- L1-cache
- 128 KB
- L2-cache
- 64 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)
- 48.7 TFLOPS
- Enkele precisie (FP32)
- 48.7 TFLOPS
- Dubbele precisie (FP64)
- 761.5 GFLOPS
- Pixel rate
- 281 GPixel/s
- Textuursnelheid
- 762 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)
- 320 W
- Voorgestelde voeding
- 700 W
- Stroomconnectoren
- 1x 16-pin
- Businterface
- PCIe 4.0 x16
- Sleufbreedte
- Triple-slot
- Afmetingen
- 310 mm × 61 mm
- Weergave-uitvoer
- 1x HDMI 2.1, 3x DisplayPort 1.4a
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
- 8.9
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader-model
- 6.8
Lijsten
Waar te koop een GeForce RTX 4080
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
16 GB
Bandbreedte
717 GB/s
Grootste model
Nemotron 3-Nano-30B-A3B
GeForce RTX 4080 draagt 16 GB van GDDR6X. Dat comfortabel reikt naar kleine en middelgrote modellen, hoewel de grootste buiten bereik blijven zonder ze te splitsen. Driver overhead laat ongeveer 14.4 GB.
Geheugenbandbreedte bereikt 717 GB/s over een bus van 256 bits. Dat is het nummer dat de generatie snelheid beheerst — de rekenkracht per gelezen byte is klein genoeg dat de bus, niet de cores, is waar alles op wacht.
Dat komt van een memory clock van 1.4 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 Nemotron 3-Nano-30B-A3B, 31.6B, gecomprimeerd tot Q3_K_M en genereren rond 144 tokens per seconde
De chip en hoe deze is gebouwd
GeForce RTX 4080 is gebouwd op de graphics processor AD103, het gebruik van de architectuur Ada Lovelace van NVIDIA, als onderdeel van de generatie GeForce 40.
De chip is vervaardigd door TSMC, een proces van 5 nm, met een dobbelsteen die meet 379 mm², houden 45.9 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 September 2022, ruwweg 3.8626925037148 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
48.7 TFLOPS
FP64
761.5 GFLOPS
Tensor cores
304
Op papier GeForce RTX 4080 bereikt 48.7 TFLOPS op halve precisie, en 48.7 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 761.5 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.
De kaart draagt 304 Tensor cores over 76 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 2.21 GHz naar een boost van 2.51 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
GeForce RTX 4080 heeft een L1 cache van 128 KB, ondersteund door een L2-cache van 64 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 9,728 Schaduwunits, 304 Textuurmappingeenheden, en 112 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
320 W
GeForce RTX 4080 is beoordeeld op 320 W, en de aanbevolen systeemvoeding is 700 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 triple-slot, meten 310 mm lang, en heeft 1x 16-pin. 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 GeForce RTX 4080
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 GeForce RTX 4080
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 GeForce RTX 4080
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 432 modellen die deze kaart kan draaien. Zoek op naam of op grootte - het typen van 27b komt overeen met het parameter aantal, zelfs als de naam het nooit vermeldt.
-
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 16 GB het is vaak wat een groot model over de rand duwt.
-
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
Lees de snelheid en het bereik
Elke snelheid is een schatting voor een enkel gesprek, met een bereik eronder. Het bovenste einde hier is 304 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
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. 16 GB.
-
06
Controleer hetzelfde model van de andere kant
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 GeForce RTX 4080.
Antwoorden
GeForce RTX 4080 — veelgestelde vragen
GeForce RTX 4080— kan het draaien 7B modellen?
Ja. Bijvoorbeeld het draait Multi-Token Prediction 7B bij Q8_0, ongeveer 7.9 GB geheugen en genereert ongeveer 45.3 tokens per seconde
GeForce RTX 4080— kan het draaien 13B modellen?
Ja. Bijvoorbeeld het draait DeepSeekMoE-16B bij Q6_K, ongeveer 13.7 GB geheugen en genereert ongeveer 153 tokens per seconde
GeForce RTX 4080— kan het draaien 30B modellen?
Ja. Bijvoorbeeld het draait ERNIE-4.5-VL-28B-A3B bij Q3_K_M, ongeveer 12.9 GB geheugen en genereert ongeveer 163 tokens per seconde
GeForce RTX 4080— hoeveel geheugen heeft het?
Deze kaart heeft 16 GB van GDDR6X. Ongeveer een tiende is gereserveerd door de inferentieruntime en de driver, wat ongeveer achterlaat 14.4 GB beschikbaar voor een MODEL en zijn CONVERSATIE.
GeForce RTX 4080— wat is de geheugenbandbreedte?
Geheugenbandbreedte bereikt 717 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.
GeForce RTX 4080— welk type geheugen gebruikt het?
Het maakt gebruik van GDDR6X geklokt op 1.4 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.
GeForce RTX 4080— wie maakt het?
Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 5 nm.
GeForce RTX 4080— wanneer is het uitgebracht?
Het werd uitgebracht in September 2022.
GeForce RTX 4080— hoeveel vermogen verbruikt het?
Beoordelde bordkracht is 320 W, en de aanbevolen systeemvoeding is 700 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.
GeForce RTX 4080— hoeveel cache heeft het?
De L1-cache is 128 KB, en de L2-cache is 64 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.
GeForce RTX 4080— wat zijn zijn TFLOPS?
Het is beoordeeld op 48.7 TFLOPS bij halve precisie en 48.7 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.
GeForce RTX 4080— hoeveel tensor cores heeft het?
Het heeft 304 Tensor cores over 76 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.
GeForce RTX 4080— ondersteunt het CUDA?
Ja. Het rapporteert CUDA rekencapaciteit 8.9. Capaciteit 7.0 en hoger heeft tensorcores, die moderne inferentiesoftware gebruikt; daaronder valt het terug op langzamere codepaden voor gekwantiseerde modellen.
GeForce RTX 4080— 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.
GeForce RTX 4080— is het goed voor het draaien van lokale AI-modellen?
Het geheugen dekt kleine en middelgrote modellen, hoewel de grootste buiten bereik zijn en de bandbreedte bruikbare, zij het niet spectaculaire, generatie snelheden biedt. In totaal draait het 432 van de modellen die we volgen. Of dat voldoende is, hangt volledig af van welk model je wilt — de tabel hierboven beantwoordt dat direct.
GeForce RTX 4080— kan het een model draaien dat niet in zijn VRAM past?
Afschuiven voorbij de card's 16 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 GeForce RTX 4080 kaarten twee keer zo snel zijn?
Het koppelen ervan koopt ruimte in plaats van snelheid: 32 GB van gecombineerde MEMORY, met ongeveer dezelfde generatie snelheid als één.
GeForce RTX 4080— Welke AI-modellen kan het draaien?
432 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.
GeForce RTX 4080— wat is het grootste AI-model dat het kan draaien?
Het grootste model in onze catalogus dat past is Nemotron 3-Nano-30B-A3B bij 31.6B parameters, gecomprimeerd tot Q3_K_M. Het genereert ruwweg 144 tokens per second en heeft ongeveer 14.4 GB van het geheugen van de kaart.
GeForce RTX 4080— 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 304 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.
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..