Bereken de TPS van de H100 SXM5 96 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
dots.llm1
142B · IQ4_XS · 24.6 tok/s
Snelste model
Gemma 3 QAT 1B
1,423 tok/s · 1B
Welke AI-modellen kunnen draaien op een H100 SXM5 96 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.
609 modellen komen overeen
Berekenen| Kwantificatie | Past | ||||||
|---|---|---|---|---|---|---|---|
|
1,423
tok/s
1,210–1,708 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
1,423
tok/s
1,210–1,708 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
1,423
tok/s
854–2,277 · lage vertrouwen |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,423
tok/s
854–2,277 · lage vertrouwen |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,423
tok/s
854–2,277 · lage vertrouwen |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,423
tok/s
854–2,277 · lage vertrouwen |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,318
tok/s
791–2,108 · lage vertrouwen |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,294
tok/s
776–2,070 · lage vertrouwen |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,294
tok/s
776–2,070 · lage vertrouwen |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,294
tok/s
776–2,070 · lage vertrouwen |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,294
tok/s
776–2,070 · lage vertrouwen |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,186
tok/s
712–1,897 · lage vertrouwen |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,186
tok/s
712–1,897 · lage vertrouwen |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,186
tok/s
712–1,897 · lage vertrouwen |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,186
tok/s
712–1,897 · lage vertrouwen |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,157
tok/s
983–1,388 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Comfortabel |
|
1,141
tok/s
684–1,825 · lage vertrouwen |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · lage vertrouwen |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · lage vertrouwen |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · lage vertrouwen |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · lage vertrouwen |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · lage vertrouwen |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · lage vertrouwen |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · lage vertrouwen |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
1,095
tok/s
657–1,751 · 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
H100 SXM5 96 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
- 96 GB
- Geheugenbandbreedte
- 3,360 GB/s
- Geheugen type
- HBM3
- Geheugensnelheid bus breedte
- 5,120 bit
- Geheugenklok
- 1.31 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
- GH100
- Architectuur
- Hopper
- Generatie
- Server Hopper(Hxx)
- Gieterij
- TSMC
- Procesgrootte
- 5 nm
- Transistoren
- 80 billion
- Transistor dichtheid
- 98,300 K/mm²
- Die grootte
- 814 mm²
- Uitgebracht
- 21 March 2023
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
- 1.35 GHz
- Boost-klok
- 1.98 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
- 16,896
- Textuurmappingeenheden
- 528
- Render output units
- 24
- Streaming multiprocessors
- 132
- Tensor cores
- 528
- L1-cache
- 250 KB
- L2-cache
- 50 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)
- 267.6 TFLOPS
- Enkele precisie (FP32)
- 66.9 TFLOPS
- Dubbele precisie (FP64)
- 33.5 TFLOPS
- Pixel rate
- 48 GPixel/s
- Textuursnelheid
- 1,045 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)
- 700 W
- Voorgestelde voeding
- 1,100 W
- Stroomconnectoren
- 8-pin EPS
- Businterface
- PCIe 5.0 x16
- Sleufbreedte
- SXM 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
- 9.0
- OpenCL
- 3.0
Lijsten
Waar te koop een H100 SXM5 96 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
Wat de geheugen subsystem betekent voor AI
Geheugen
96 GB
Bandbreedte
3,360 GB/s
Grootste model
dots.llm1
H100 SXM5 96 GB houdt 96 GB van HBM3. Dat plaatst het in de klasse van hardware die de grootste open-weight modellen bevat zonder ze over machines te splitsen. Een inferentie-runtime kan ongeveer bereiken 86.4 GB.
Geheugenbandbreedte bereikt 3,360 GB/s over een bus van 5,120 bits. Dat staat bovenop wat er bestaat. Aangezien elke token betekent dat het hele model eens uit het geheugen moet worden gelezen, vertaalt het bijna direct naar generatie snelheid - deze kaart heeft voldoende bandbreedte zodat modelgrootte veel eerder de beperkende factor stopt dan de bus.
Dat komt van een memory clock van 1.31 GHz. Beide helften zijn belangrijk, en geen van beide is zichtbaar in een gaming benchmark.
In de praktijk komt die combinatie uit op dots.llm1, 142B, gecomprimeerd tot IQ4_XS en genereren rond 24.6 tokens per seconde
De chip en hoe deze is gebouwd
H100 SXM5 96 GB is gebouwd op de graphics processor GH100, het gebruik van de architectuur Hopper van NVIDIA, als onderdeel van de generatie Server Hopper(Hxx).
De chip is vervaardigd door TSMC, een proces van 5 nm, met een dobbelsteen die meet 814 mm², houden 80 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 March 2023, ruwweg 3.364237732781 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
267.6 TFLOPS
FP64
33.5 TFLOPS
Tensor cores
528
Op papier H100 SXM5 96 GB bereikt 267.6 TFLOPS op halve precisie, en 66.9 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 33.5 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 528 Tensor cores over 132 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 1.35 GHz naar een boost van 1.98 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
H100 SXM5 96 GB heeft een L1 cache van 250 KB, ondersteund door een L2-cache van 50 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 16,896 Schaduwunits, 528 Textuurmappingeenheden, en 24 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
700 W
H100 SXM5 96 GB is beoordeeld op 700 W, en de aanbevolen systeemvoeding is 1,100 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 sxm module, 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 5.0 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 H100 SXM5 96 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 H100 SXM5 96 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 H100 SXM5 96 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
Begin met het model, niet de specificatie
De tabel somt 609 modellen de kaart ondersteunt. Het zoekvak accepteert een naam of een grootte zoals 27b, die overeenkomt met het aantal parameters.
-
02
Stel de contextlengte in die je daadwerkelijk zult gebruiken
Stel de context in op uw echte werklengte. Korte vragen kosten bijna niets, maar een lang document kan een groot deel van 96 GB het is vaak wat een groot model over de rand duwt.
-
03
Stel een minimale kwaliteit in als je er een nodig hebt
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
Neem het bereik als het antwoord
Elke snelheid is een schatting voor een enkel gesprek, met een bereik eronder. Het bovenste einde hier is 1,423 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
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 96 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 H100 SXM5 96 GB.
Antwoorden
H100 SXM5 96 GB — veelgestelde vragen
H100 SXM5 96 GB— kan het draaien 70B modellen?
Ja. Bijvoorbeeld het draait Qwen3-Coder-Next bij Q8_0, ongeveer 80.7 GB geheugen en genereert ongeveer 98.8 tokens per seconde
H100 SXM5 96 GB— hoeveel geheugen heeft het?
Deze kaart heeft 96 GB van HBM3. Ongeveer een tiende is gereserveerd door de inferentieruntime en de driver, wat ongeveer achterlaat 86.4 GB beschikbaar voor een MODEL en zijn CONVERSATIE.
H100 SXM5 96 GB— wat is de geheugenbandbreedte?
Geheugenbandbreedte bereikt 3,360 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.
H100 SXM5 96 GB— welk type geheugen gebruikt het?
Het maakt gebruik van HBM3 geklokt op 1.31 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.
H100 SXM5 96 GB— wie maakt het?
Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 5 nm.
H100 SXM5 96 GB— wanneer is het uitgebracht?
Het werd uitgebracht in March 2023.
H100 SXM5 96 GB— hoeveel vermogen verbruikt het?
Beoordelde bordkracht is 700 W, en de aanbevolen systeemvoeding is 1,100 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.
H100 SXM5 96 GB— hoeveel cache heeft het?
De L1-cache is 250 KB, en de L2-cache is 50 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.
H100 SXM5 96 GB— wat zijn zijn TFLOPS?
Het is beoordeeld op 267.6 TFLOPS bij halve precisie en 66.9 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.
H100 SXM5 96 GB— hoeveel tensor cores heeft het?
Het heeft 528 Tensor cores over 132 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.
H100 SXM5 96 GB— ondersteunt het CUDA?
Ja. Het rapporteert CUDA rekencapaciteit 9.0. Capaciteit 7.0 en hoger heeft tensorcores, die moderne inferentiesoftware gebruikt; daaronder valt het terug op langzamere codepaden voor gekwantiseerde modellen.
H100 SXM5 96 GB— Welke businterface gebruikt het?
Het maakt gebruik van PCIe 5.0 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.
H100 SXM5 96 GB— is het goed voor het draaien van lokale AI-modellen?
Zijn geheugen is groot genoeg voor modellen die de meeste desktophardware niet kunnen benaderen en zijn bandbreedte plaatst het tussen de snelste hardware die beschikbaar is voor generatie. In totaal draait het 609 van de modellen die we volgen. Of dat voldoende is, hangt volledig af van welk model je wilt — de tabel hierboven beantwoordt dat direct.
H100 SXM5 96 GB— 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 96 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 H100 SXM5 96 GB kaarten twee keer zo snel zijn?
Nee. Een tweede kaart verdubbelt het geheugen naar 192 GB van gecombineerde MEMORY, met ongeveer dezelfde generatie snelheid als één.
H100 SXM5 96 GB— Welke AI-modellen kan het draaien?
609 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.
H100 SXM5 96 GB— wat is het grootste AI-model dat het kan draaien?
Het grootste model in onze catalogus dat past is dots.llm1 bij 142B parameters, gecomprimeerd tot IQ4_XS. Het genereert ruwweg 24.6 tokens per second en heeft ongeveer 78.3 GB van het geheugen van de kaart.
H100 SXM5 96 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 1,423 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.
H100 SXM5 96 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 212 tokens per seconde
H100 SXM5 96 GB— kan het draaien 13B modellen?
Ja. Bijvoorbeeld het draait DeepSeekMoE-16B bij Q8_0, ongeveer 17.5 GB geheugen en genereert ongeveer 494 tokens per seconde
H100 SXM5 96 GB— kan het draaien 30B modellen?
Ja. Bijvoorbeeld het draait ERNIE-4.5-VL-28B-A3B bij Q8_0, ongeveer 29.2 GB geheugen en genereert ongeveer 282 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..