Bereken de TPS van de GeForce RTX 5080 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 · 193 tok/s
Snelste model
Gemma 3 QAT 1B
407 tok/s · 1B
Welke AI-modellen kunnen draaien op een GeForce RTX 5080?
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 | ||||||
|---|---|---|---|---|---|---|---|
|
407
tok/s
346–488 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
407
tok/s
346–488 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokens | Q8_0 | Comfortabel |
|
407
tok/s
244–651 · lage vertrouwen |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
407
tok/s
244–651 · lage vertrouwen |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
407
tok/s
244–651 · lage vertrouwen |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
407
tok/s
244–651 · lage vertrouwen |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
376
tok/s
226–602 · lage vertrouwen |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
370
tok/s
222–591 · lage vertrouwen |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
370
tok/s
222–591 · lage vertrouwen |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
370
tok/s
222–591 · lage vertrouwen |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
370
tok/s
222–591 · lage vertrouwen |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
339
tok/s
203–542 · lage vertrouwen |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
339
tok/s
203–542 · lage vertrouwen |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
339
tok/s
203–542 · lage vertrouwen |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
339
tok/s
203–542 · lage vertrouwen |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
331
tok/s
281–397 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokens | Q8_0 | Comfortabel |
|
326
tok/s
196–522 · lage vertrouwen |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · lage vertrouwen |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · lage vertrouwen |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · lage vertrouwen |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · lage vertrouwen |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · lage vertrouwen |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · lage vertrouwen |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · lage vertrouwen |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokens ? | Q8_0 | Comfortabel |
|
313
tok/s
188–500 · 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 5080 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
- 960 GB/s
- Geheugen type
- GDDR7
- Geheugensnelheid bus breedte
- 256 bit
- Geheugenklok
- 1.88 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
- GB203
- Architectuur
- Blackwell 2.0
- Generatie
- GeForce 50
- Gieterij
- TSMC
- Procesgrootte
- 5 nm
- Transistoren
- 45.6 billion
- Transistor dichtheid
- 120,600 K/mm²
- Die grootte
- 378 mm²
- Uitgebracht
- 30 January 2025
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
- 2.3 GHz
- Boost-klok
- 2.62 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
- 10,752
- Textuurmappingeenheden
- 336
- Render output units
- 112
- Streaming multiprocessors
- 84
- Tensor cores
- 336
- Ray tracing cores
- 84
- 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)
- 56.3 TFLOPS
- Enkele precisie (FP32)
- 56.3 TFLOPS
- Dubbele precisie (FP64)
- 879.3 GFLOPS
- Pixel rate
- 293 GPixel/s
- Textuursnelheid
- 879 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)
- 360 W
- Voorgestelde voeding
- 750 W
- Stroomconnectoren
- 1x 16-pin
- Businterface
- PCIe 5.0 x16
- Sleufbreedte
- Dual-slot
- Afmetingen
- 304 mm × 40 mm
- Weergave-uitvoer
- 1x HDMI 2.1b, 3x DisplayPort 2.1b
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
- 12.0
- DirectX
- 12.2
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Shader-model
- 6.8
Lijsten
Waar te koop een GeForce RTX 5080
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
Geheugen: de specificatie die alles bepaalt
Geheugen
16 GB
Bandbreedte
960 GB/s
Grootste model
Nemotron 3-Nano-30B-A3B
GeForce RTX 5080 draagt 16 GB van GDDR7. 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 960 GB/s over een bus van 256 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.
Dat komt van een memory clock van 1.88 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 Nemotron 3-Nano-30B-A3B, 31.6B, gecomprimeerd tot Q3_K_M en genereren rond 193 tokens per seconde
De chip en hoe deze is gebouwd
GeForce RTX 5080 is gebouwd op de graphics processor GB203, het gebruik van de architectuur Blackwell 2.0 van NVIDIA, als onderdeel van de generatie GeForce 50.
De chip is vervaardigd door TSMC, een proces van 5 nm, met een dobbelsteen die meet 378 mm², houden 45.6 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 January 2025, ruwweg 1.5010482743258 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
56.3 TFLOPS
FP64
879.3 GFLOPS
Tensor cores
336
Op papier GeForce RTX 5080 bereikt 56.3 TFLOPS op halve precisie, en 56.3 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 879.3 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.
De kaart draagt 336 Tensor cores over 84 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 2.3 GHz naar een boost van 2.62 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 5080 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 10,752 Schaduwunits, 336 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
360 W
GeForce RTX 5080 is beoordeeld op 360 W, en de aanbevolen systeemvoeding is 750 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 304 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 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 GeForce RTX 5080
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 5080
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 5080
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 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
Stem de context af op uw werk
Lange gesprekken kosten geheugen bovenop de gewichten. Tegen 16 GB dat is vaak het verschil tussen een model dat past en niet.
-
03
Koppel de vergelijking aan één kwaliteitsniveau
Elk model wordt weergegeven met de beste compressie die deze kaart kan bevatten. Een minimale kwaliteit verbergt de modellen die alleen passen door verder samengedrukt te worden dan je zou accepteren.
-
04
Lees de snelheid en het bereik
De cijfers zijn berekend, niet gemeten. Het snelste resultaat op deze kaart is 407 tok/s op Gemma 3 QAT 1B. Dezelfde kaart en model variëren tussen dertig en vijftig procent tussen inferentieruns.
-
05
Controleer de speling voordat je beslist
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
Open het model om kaarten te vergelijken
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 GeForce RTX 5080.
Antwoorden
GeForce RTX 5080 — veelgestelde vragen
GeForce RTX 5080— wanneer is het uitgebracht?
Het werd uitgebracht in January 2025.
GeForce RTX 5080— hoeveel vermogen verbruikt het?
Beoordelde bordkracht is 360 W, en de aanbevolen systeemvoeding is 750 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 5080— 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 5080— wat zijn zijn TFLOPS?
Het is beoordeeld op 56.3 TFLOPS bij halve precisie en 56.3 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.
GeForce RTX 5080— hoeveel tensor cores heeft het?
Het heeft 336 Tensor cores over 84 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 5080— ondersteunt het CUDA?
Ja. Het rapporteert CUDA rekencapaciteit 12.0. Capaciteit 7.0 en hoger heeft tensorcores, die moderne inferentiesoftware gebruikt; daaronder valt het terug op langzamere codepaden voor gekwantiseerde modellen.
GeForce RTX 5080— 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.
GeForce RTX 5080— 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 hoog genoeg is om tekst sneller te genereren dan de meeste mensen lezen. 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 5080— kan het een model draaien dat niet in zijn VRAM past?
Afschuiven voorbij de card's 16 GB trekt het hele ding naar beneden, en geen van de cijfers op deze pagina gaat ervan uit.
Zou twee GeForce RTX 5080 kaarten twee keer zo snel zijn?
Capaciteit voegt toe, doorvoer niet. Twee van hen geven je 32 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.
GeForce RTX 5080— 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 5080— 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 193 tokens per second en heeft ongeveer 14.4 GB van het geheugen van de kaart.
GeForce RTX 5080— 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 407 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.
GeForce RTX 5080— kan het draaien 7B modellen?
Ja. Bijvoorbeeld het draait Multi-Token Prediction 7B bij Q8_0, ongeveer 7.9 GB geheugen en genereert ongeveer 60.7 tokens per seconde
GeForce RTX 5080— kan het draaien 13B modellen?
Ja. Bijvoorbeeld het draait DeepSeekMoE-16B bij Q6_K, ongeveer 13.7 GB geheugen en genereert ongeveer 205 tokens per seconde
GeForce RTX 5080— 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 218 tokens per seconde
GeForce RTX 5080— hoeveel geheugen heeft het?
Deze kaart heeft 16 GB van GDDR7. 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 5080— wat is de geheugenbandbreedte?
Geheugenbandbreedte bereikt 960 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 5080— welk type geheugen gebruikt het?
Het maakt gebruik van GDDR7 geklokt op 1.88 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 5080— wie maakt het?
Dit is een product van NVIDIA, met de chip geproduceerd door TSMC, een proces van 5 nm.
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..