Bereken de TPS van de H200 NVL op lokale AI-modellen

NVIDIA 141 GB HBM3e 4,890 GB/s November 2024

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

628 modellen die het kan uitvoeren

679 modellen in onze catalogus samen

Grootste model dat het vasthoudt

Tencent Hy3 preview

295B · Q3_K_M · 105 tok/s

Snelste model

Gemma 3 QAT 1B

2,071 tok/s · 1B

Welke AI-modellen kunnen draaien op een H200 NVL?

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.

628 modellen komen overeen

Berekenen
Kwantificatie Past
2,071 tok/s

1,760–2,485

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokens Q8_0 Comfortabel
2,071 tok/s

1,760–2,485

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokens Q8_0 Comfortabel
2,071 tok/s

1,243–3,314 · lage vertrouwen

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokens ? Q8_0 Comfortabel
2,071 tok/s

1,243–3,314 · lage vertrouwen

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokens ? Q8_0 Comfortabel
2,071 tok/s

1,243–3,314 · lage vertrouwen

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokens ? Q8_0 Comfortabel
2,071 tok/s

1,243–3,314 · lage vertrouwen

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokens ? Q8_0 Comfortabel
1,918 tok/s

1,151–3,068 · lage vertrouwen

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokens ? Q8_0 Comfortabel
1,883 tok/s

1,130–3,012 · lage vertrouwen

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
1,883 tok/s

1,130–3,012 · lage vertrouwen

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
1,883 tok/s

1,130–3,012 · lage vertrouwen

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
1,883 tok/s

1,130–3,012 · lage vertrouwen

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokens ? Q8_0 Comfortabel
1,726 tok/s

1,036–2,761 · lage vertrouwen

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokens ? Q8_0 Comfortabel
1,726 tok/s

1,036–2,761 · lage vertrouwen

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokens ? Q8_0 Comfortabel
1,726 tok/s

1,036–2,761 · lage vertrouwen

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokens ? Q8_0 Comfortabel
1,726 tok/s

1,036–2,761 · lage vertrouwen

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokens ? Q8_0 Comfortabel
1,684 tok/s

1,431–2,021

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokens Q8_0 Comfortabel
1,660 tok/s

996–2,656 · lage vertrouwen

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · lage vertrouwen

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · lage vertrouwen

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · lage vertrouwen

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · lage vertrouwen

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · lage vertrouwen

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · lage vertrouwen

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · lage vertrouwen

Otter ≈ 1.3B May 2023 2.1 GB 131k tokens ? Q8_0 Comfortabel
1,593 tok/s

956–2,549 · 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

H200 NVL 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
141 GB
Geheugenbandbreedte
4,890 GB/s
Geheugen type
HBM3e
Geheugensnelheid bus breedte
6,144 bit
Geheugenklok
1.59 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
18 November 2024

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
1.37 GHz
Boost-klok
1.79 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)
241.3 TFLOPS
Enkele precisie (FP32)
60.3 TFLOPS
Dubbele precisie (FP64)
30.2 TFLOPS
Pixel rate
43 GPixel/s
Textuursnelheid
943 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)
600 W
Voorgestelde voeding
1,000 W
Stroomconnectoren
8-pin EPS
Businterface
PCIe 5.0 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
9.0
OpenCL
3.0

Lijsten

Waar te koop een H200 NVL

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

141 GB

Bandbreedte

4,890 GB/s

Grootste model

Tencent Hy3 preview

H200 NVL houdt 141 GB van HBM3e. 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 126.9 GB.

Geheugenbandbreedte bereikt 4,890 GB/s over een bus van 6,144 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.

Bandbreedte is klok vermenigvuldigd met busbreedte, en deze kaart klokt zijn geheugen op 1.59 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.

In de praktijk komt die combinatie uit op Tencent Hy3 preview, 295B, gecomprimeerd tot Q3_K_M en genereren rond 105 tokens per seconde

De chip en hoe deze is gebouwd

H200 NVL 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 November 2024, ruwweg 1.7010481674156 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

241.3 TFLOPS

FP64

30.2 TFLOPS

Tensor cores

528

Op papier H200 NVL bereikt 241.3 TFLOPS op halve precisie, en 60.3 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 30.2 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 1.37 GHz naar een boost van 1.79 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

H200 NVL 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

600 W

H200 NVL is beoordeeld op 600 W, en de aanbevolen systeemvoeding is 1,000 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 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 H200 NVL

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 Solar Open2 250B 250.3B · IQ4_XS · Jun 2026 113 tok/s
  2. 02 DeepSeek-V4-Flash 284B · Q3_K_M · Apr 2026 109 tok/s
  3. 03 Tencent Hy3 preview 295B · Q3_K_M · Apr 2026 105 tok/s
  4. 04 P1-235B-A22B 235B · IQ4_XS · Nov 2025 120 tok/s
  5. 05 Qwen3-235B-A22B-Thinking (Jul 2025) 235B · IQ4_XS · Jul 2025 120 tok/s
  6. 06 Qwen3-235B-A22B (Jul 2025) 235B · IQ4_XS · Jul 2025 120 tok/s
  7. 07 Llama Nemotron Ultra 253B 253B · Q3_K_M · Mar 2025 22.1 tok/s
  8. 08 DeepSeek-V2.5 236B · IQ4_XS · Sep 2024 120 tok/s
  9. 09 DeepSeek-Coder-V2 236B 236B · Q3_K_M · Jun 2024 23.7 tok/s
  10. 10 DeepSeek-V2 (MoE-236B) 236B · IQ4_XS · May 2024 120 tok/s

De snelste AI-modellen op een H200 NVL

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 2,071 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 2,071 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 2,071 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 2,071 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 2,071 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 2,071 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 1,918 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 1,883 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 1,883 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 1,883 tok/s

Stap voor stap

Hoe de TPS van een AI model uit te rekenen H200 NVL

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 628 modellen die deze kaart draait. Zoek verkleint de lijst op naam of op grootte.

  2. 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 141 GB dus de instelling is het waard om goed te krijgen.

  3. 03

    Kies hoe ver je wilt comprimeren

    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.

  4. 04

    Neem het bereik als het antwoord

    Snelheden komen met foutmarges om een reden. De beste zaak hier is 2,071 tok/s op Gemma 3 QAT 1B. Dezelfde kaart en model variëren tussen dertig en vijftig procent tussen inferentieruns.

  5. 05

    Controleer de geheugen kolom voordat je commit.

    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. 141 GB.

  6. 06

    Open het model om kaarten te vergelijken

    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 H200 NVL.

Antwoorden

H200 NVL — veelgestelde vragen

01

H200 NVL— 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 628 van de modellen die we volgen. Of dat voldoende is, hangt volledig af van welk model je wilt — de tabel hierboven beantwoordt dat direct.

02

H200 NVL— 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 141 GB is mogelijk en meestal een valse economie: het systeem-geheugen gedeelte is langzaam genoeg om het resultaat te domineren.

03

Zou twee H200 NVL kaarten twee keer zo snel zijn?

Capaciteit voegt toe, doorvoer niet. Twee van hen geven je 282 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.

04

H200 NVL— Welke AI-modellen kan het draaien?

628 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.

05

H200 NVL— wat is het grootste AI-model dat het kan draaien?

Het grootste model in onze catalogus dat past is Tencent Hy3 preview bij 295B parameters, gecomprimeerd tot Q3_K_M. Het genereert ruwweg 105 tokens per second en heeft ongeveer 126.5 GB van het geheugen van de kaart.

06

H200 NVL— 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 2,071 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.

07

H200 NVL— kan het draaien 7B modellen?

Ja. Bijvoorbeeld het draait Multi-Token Prediction 7B bij Q8_0, ongeveer 7.9 GB geheugen en genereert ongeveer 309 tokens per seconde

08

H200 NVL— kan het draaien 13B modellen?

Ja. Bijvoorbeeld het draait DeepSeekMoE-16B bij Q8_0, ongeveer 17.5 GB geheugen en genereert ongeveer 719 tokens per seconde

09

H200 NVL— 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 411 tokens per seconde

10

H200 NVL— kan het draaien 70B modellen?

Ja. Bijvoorbeeld het draait Qwen3-Coder-Next bij Q8_0, ongeveer 80.7 GB geheugen en genereert ongeveer 144 tokens per seconde

11

H200 NVL— hoeveel geheugen heeft het?

Deze kaart heeft 141 GB van HBM3e. Ongeveer een tiende is gereserveerd door de inferentieruntime en de driver, wat ongeveer achterlaat 126.9 GB beschikbaar voor een MODEL en zijn CONVERSATIE.

12

H200 NVL— wat is de geheugenbandbreedte?

Geheugenbandbreedte bereikt 4,890 GB/s over een bus van 6,144 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.

13

H200 NVL— welk type geheugen gebruikt het?

Het maakt gebruik van HBM3e geklokt op 1.59 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.

14

H200 NVL— wie maakt het?

Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 5 nm.

15

H200 NVL— wanneer is het uitgebracht?

Het werd uitgebracht in November 2024.

16

H200 NVL— hoeveel vermogen verbruikt het?

Beoordelde bordkracht is 600 W, en de aanbevolen systeemvoeding is 1,000 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.

17

H200 NVL— 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.

18

H200 NVL— wat zijn zijn TFLOPS?

Het is beoordeeld op 241.3 TFLOPS bij halve precisie en 60.3 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.

19

H200 NVL— 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.

20

H200 NVL— 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.

21

H200 NVL— 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.

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