Oblicz TPS modelu Quadro K4000M na lokalnych modelach AI

NVIDIA 4 GB GDDR5 90 GB/s June 2012

Każdy model w naszym katalogu oceniany według tej karty przy długości kontekstu i minimalnej jakości, którą wybierzesz. Prędkość jest szacunkowa dla pojedynczego żądania, obliczona na podstawie przepustowości pamięci tej karty i rozmiaru każdego modelu po skompresowaniu..

Obliczone dla tej karty

97 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

DeciLM 6B

5.7B · Q3_K_M · 15.3 tok/s

Najszybszy model

Gemma 3 QAT 1B

32.3 tok/s · 1B

Które modele AI mogą działać na a Quadro K4000M?

Ustaw wejścia, odczytaj odpowiedź.

Więcej kontekstu oznacza więcej VRAM dla pamięci rozmowy. Szybkość dotyczy świeżej rozmowy i nie zmienia się przy tym ustawieniu..

Ukrywa modele, które można by zmieścić tylko przez skompresowanie poniżej tego punktu.

97 modele pasują

Obliczanie
Kwantyzacja Pasuje
32.3 tok/s

11–65 · niska pewność

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokeny Q8_0 Wygodny
32.3 tok/s

11–65 · niska pewność

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokeny Q8_0 Wygodny
32.3 tok/s

11–65 · niska pewność

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokeny ? Q8_0 Wygodny
32.3 tok/s

11–65 · niska pewność

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokeny ? Q8_0 Wygodny
32.3 tok/s

11–65 · niska pewność

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokeny ? Q8_0 Wygodny
32.3 tok/s

11–65 · niska pewność

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokeny ? Q8_0 Wygodny
29.9 tok/s

10–60 · niska pewność

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokeny ? Q8_0 Wygodny
29.3 tok/s

10–59 · niska pewność

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
29.3 tok/s

10–59 · niska pewność

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
29.3 tok/s

10–59 · niska pewność

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
29.3 tok/s

10–59 · niska pewność

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
26.9 tok/s

9–54 · niska pewność

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokeny ? Q8_0 Wygodny
26.9 tok/s

9–54 · niska pewność

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokeny ? Q8_0 Wygodny
26.9 tok/s

9–54 · niska pewność

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokeny ? Q8_0 Wygodny
26.9 tok/s

9–54 · niska pewność

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokeny ? Q8_0 Wygodny
26.2 tok/s

9–52 · niska pewność

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokeny Q8_0 Wygodny
25.9 tok/s

9–52 · niska pewność

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

Otter ≈ 1.3B May 2023 2.1 GB 131k tokeny ? Q8_0 Wygodny
24.8 tok/s

9–50 · niska pewność

Phi-1 ≈ 1.3B Oct 2023 2.1 GB 131k tokeny ? Q8_0 Wygodny

Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..

Na nagranie

Quadro K4000M Pełna specyfikacja

Wszystko w bazie danych dla tej karty, uporządkowane według tego, jak bardzo wpływa na uruchamianie modelu językowego, a nie według tego, jak lista specyfikacji by to opisała. MEMORY jest na pierwszym miejscu, ponieważ decyduje o wyniku; reszta to CONTEXT..

VRAM

Dwie specyfikacje decydują, co ta KARTA może uruchomić i jak szybko. Pojemność określa, które modele mieszczą się w GPU VRAM; przepustowość określa, ile tokenów na sekundę generują, gdy już ją uruchomią.

Rozmiar pamięci
4 GB
Pasmo pamięci
90 GB/s
Typ pamięci
GDDR5
Szerokość magistrali pamięci
256 bit
Zegar pamięci
700 MHz

Czip

Jaki procesor jest na płycie i jak został wyprodukowany. Mniejszy rozmiar procesu zazwyczaj oznacza większą wydajność przy tej samej mocy.

Procesor graficzny
GK104
Architektura
Kepler
Generacja
Quadro Kepler-M(Kx000M)
Odlewnia
TSMC
Rozmiar procesu
28 nm
Transistory
3.5 billion
Gęstość tranzystorów
12,000 K/mm²
Rozmiar die
294 mm²
Pakiet
BGA-1745
Wydane
1 June 2012

Częstotliwości zegara

Jak szybko działa procesor. Warto znacznie mniej tutaj niż w testach wydajności gier: generowanie tekstu jest ograniczone przez przepustowość pamięci, więc wyższa częstotliwość ledwo wpływa na rezultat.

Zegar bazowy
601 MHz
Zegar zwiększający
601 MHz

Jednostki przetwarzania

Co zawiera chip. Te elementy napędzają wydajność grafiki i mają znaczenie głównie dla przetwarzania długiego promptu, a nie dla generowania odpowiedzi.

Jednostki cieniujące
960
Jednostki mapowania tekstur
80
Jednostki wyjściowe.Render
32
cache L1
16 KB
pamięć podręczna L2
0.5 MB

Wydajność teoretyczna

Szczytowe współczynniki arytmetyczne opublikowane dla karty. Są to limity, które żadne rzeczywiste obciążenie nie osiąga, a generowanie tekstu osiąga jedynie małą ich część, ponieważ jest ograniczone przez VRAM, a nie arytmetykę.

Pojedyncza precyzja (FP32)
1.2 TFLOPS
Podwójna precyzja (FP64)
48.1 GFLOPS
Wskaźnik pikseli
12 GPixel/s
Współczynnik tekstury
48 GTexel/s

Płyta

Co jest potrzebne do fizycznej instalacji i zasilania karty — praktyczne ograniczenia, które decydują, czy pasuje do maszyny, którą już posiadasz.

Pobór mocy (TDP)
100 W
Złącza zasilające
None
Interfejs magistrali
MXM-B (3.0)
Szerokość slotu
MXM Module

Wsparcie oprogramowania

Jakie interfejsy graficzne i obliczeniowe obsługuje karta. Możliwość obliczeniowa CUDA ma znaczenie dla wnioskowania: poniżej 7.0 nie ma rdzeni tensorowych, a nowoczesne oprogramowanie do wnioskowania wraca do wolniejszych ścieżek kodu.

zdolność obliczeniowa CUDA
3.0
DirectX
11.0
OpenGL
4.6
Vulkan
1.2
OpenCL
3.0
Model cieniowania
5.1

Oferty

Gdzie kupić GPU Quadro K4000M

Żaden dostawca obecnie nie wymienia tej karty. Oferty pochodzą od dostawców, którzy publikują je tutaj bezpośrednio. — przejrzyj katalog dostawców zobaczyć, kto sprzedaje co.

Co oznaczają liczby

Pamięć: specyfikacja, która decyduje o wszystkim

VRAM

4 GB

Szerokość pasma

90 GB/s

Największy model

DeciLM 6B

Quadro K4000M niesie tylko 4 GB z GDDR5. To ogranicza do mniejszego końca katalogu, a model musi całkowicie zmieścić się w środku, zanim wygeneruje cokolwiek. Rzeczywisty czas działania wynosi około 3.6 GB.

Przepustowość pamięci osiąga 90 GB/s przez magistralę 256 bity. Przepustowość jest prawdziwym ograniczeniem tej karty. Każdy token wymaga odczytania całego modelu z pamięci, więc duży model będzie tutaj wydawał się wolny, nawet gdy się mieści.

To pochodzi z zegara pamięci 700 MHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.

Największą rzeczą, jaką ma, jest DeciLM 6B, 5.7B, skompresowane do Q3_K_M i generowanie wokół 15.3 tokeny na sekundę

Układ scalony i jak został zbudowany

Quadro K4000M jest zbudowany na procesorze graficznym GK104, używając architektury Kepler z NVIDIA, jako część generacji Quadro Kepler-M(Kx000M).

Chip jest produkowany przez TSMC, na procesie 28 nm, z kostką o wymiarach 294 mm², trzymanie 3.5 billion Transistory. Mniejszy proces zazwyczaj oznacza lepszą wydajność przy tej samej mocy, chociaż w przypadku modeli językowych ma to znacznie mniejsze znaczenie niż subsystem pamięci.

Został wydany w June 2012, szacunkowo 14.166808298466 lata temu. Wsparcie oprogramowania do wnioskowania zazwyczaj podąża za sprzętem z opóźnieniem roku lub dwóch, więc karta tego wieku zazwyczaj ma dostępne dojrzałe, dobrze zoptymalizowane ścieżki kodu.

Wydajność obliczeniowa i dlaczego ma mniejsze znaczenie, niż się wydaje

FP64

48.1 GFLOPS

Przepustowość podwójnej precyzji osiąga 48.1 GFLOPS. Nie ma to wpływu na uruchamianie modelu językowego — żadna sesja inferencyjna tego nie używa — ale oddziela części datacenter od konsumenckich, ponieważ te drugie celowo to ograniczają.

Zegary działają od podstawy 601 MHz do zwiększenia 601 MHz. Warto tu znacznie mniej niż na benchmarkach gier: podnoszenie szybkości zegara poprawia arytmetykę, a arytmetyka nie jest tym, na co czeka generacja.

Pamięć podręczna i jednostki przetwarzające

Quadro K4000M ma pamięć podręczną L1 16 KB, wspierany przez pamięć podręczną L2 0.5 MB. Cache absorbuje część ruchu pamięci, która w przeciwnym razie uderzyłaby w główną magistralę, która jest jednym miejscem na tej stronie, gdzie liczba inna niż przepustowość cicho wpływa na szybkość generacji — duża L2 pozwala większej części zbioru roboczego pozostać blisko rdzeni.

Są 960 Jednostki cieniujące, 80 Jednostki mapowania tekstur, i 32 Jednostki wyjściowe.Render. Te napędy obsługują obciążenia graficzne i przyczyniają się do przetwarzania zapytań, ale pozostają bezczynne przez dużą część czasu, gdy model generuje odpowiedź.

Moc, rozmiar i instalacja

Pobór mocy

100 W

Quadro K4000M jest oceniane na 100 W. Uruchamianie modelu językowego zajmuje kartę w krótkich momentach zamiast ciągłego — intensywnie korzysta podczas generowania i jest w uśpieniu między zapytaniami — więc utrzymane obciążenie w ciągu roboczego dnia jest zazwyczaj znacznie poniżej nominalnej wartości.

Płyta zajmuje mxm module. Warto sprawdzić z zasilaczem oraz obudową w maszynie, ponieważ największe karty potrzebują zdecydowanie więcej obu niż typowy komputer stacjonarny oferuje.

Łączy się przez MXM-B (3.0). Interfejs reguluje, jak szybko model jest ładowany z dysku do karty, a nie jak szybko działa po załadowaniu, więc węższe połączenie kosztuje kilka sekund na starcie i nic później.

Ekstremy

Największe modele AI, które działają na a Quadro K4000M

Największe modele open-weight, które mieszczą się na tej karcie, najnowsze najpierw. Każdy jest pokazany w najlepszej kompresji, jaką karta może pomieścić..

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 14.4 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 15.8 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 18.6 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 21.8 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 18.6 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 18.6 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 15.5 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 17.7 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 17.7 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 15.3 tok/s

Najszybsze modele AI na a Quadro K4000M

Gdzie ta KARTA produkuje tokeny najszybciej. Mniejsze modele dominują tutaj, ponieważ generowanie każdego tokenu oznacza odczytanie całego modelu z pamięci raz..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 32.3 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 32.3 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 32.3 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 29.9 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 29.3 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 29.3 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 29.3 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a Quadro K4000M

Nie musisz niczego obliczać ręcznie — kalkulator gputps.com na tej stronie już obliczył to dla każdego modelu, który ta karta może pomieścić. Odczytanie odpowiedzi zajmuje sześć kroków..

  1. 01

    Szukaj modelu, którego chcesz

    Tabela zawiera 97 modele, które ta karta może uruchomić. Szukaj według nazwy lub rozmiaru — wpisanie 27b pasuje do liczby parametrów, nawet gdy nazwa tego nie stwierdza.

  2. 02

    Dopasuj kontekst do swojej pracy

    Ustaw kontekst na swoją rzeczywistą długość roboczą. Krótkie pytania kosztują prawie nic, ale długi dokument może zająć dużą część 4 GB więc ustawienia warto dobrze ustawić.

  3. 03

    Wybierz, jak daleko chcesz skompresować

    Każdy model jest pokazany w najlepszej kompresji, jaką ta KARTA może pomieścić. Minimalna jakość ukrywa te, które mieszczą się tylko po dalszym ściskaniu, niż byś zaakceptował.

  4. 04

    Weź zakres jako odpowiedź

    Prędkości mają marginesy błędu z jakiegoś powodu. Najlepszym przypadkiem tutaj jest 32.3 tok/s na Gemma 3 QAT 1B. Ta sama karta i model różnią się od trzydziestu do pięćdziesięciu procent między czasami wykonywania inference.

  5. 05

    Przeczytaj werdykt dopasowania ostatni

    Tight oznacza, że działa dzisiaj; comfortable oznacza, że nadal działa, gdy rozmowa się rozwija. Porównaj, co każdy model potrzebuje w porównaniu z dostępnym. 4 GB.

  6. 06

    Sprawdź w innych urządzeniach.

    Każda nazwa modelu w tabeli prowadzi do swojej własnej strony, która wykonuje to samo obliczenie na każdej karcie, którą posiadamy. Tam właśnie zobaczysz, czy odpowiedni zakup jest Quadro K4000M.

Odpowiedzi

Quadro K4000M — częste pytania

01

Quadro K4000M— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to DeciLM 6B w 5.7B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 15.3 tokenów na sekundę i potrzebuje około 3.5 GB pamięci karty.

02

Quadro K4000M— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 32.3 tokenów na sekundę, podczas gdy większe modele działają proporcjonalnie wolniej, ponieważ każdy token wymaga odczytania całego modelu z pamięci za każdym razem. Prędkości są szacunkami dla jednej rozmowy na raz.

03

Quadro K4000M— Ile ma pamięci?

Ta karta ma 4 GB z GDDR5. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 3.6 GB dostępny dla modelu i jego rozmowy

04

Quadro K4000M— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 90 GB/s przez magistralę 256 bity. To jest jedyny najlepszy wskaźnik tego, jak szybko generuje tekst, ponieważ produkcja każdego tokena oznacza odczytanie całego modelu z pamięci jednocześnie.

05

Quadro K4000M— Jakiego typu pamięci używa?

Używa GDDR5 prędkość zegara na 700 MHz. Typy HBM znajdują się na akceleratorach w centrum danych i mają znacznie większą przepustowość niż GDDR używane na kartach stacjonarnych, dlatego generują tokeny znacznie szybciej przy tej samej pojemności.

06

Quadro K4000M— kto to robi?

To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 28 nm.

07

Quadro K4000M— kiedy to zostało wydane?

Został wydany w June 2012.

08

Quadro K4000M— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 100 W. Generowanie tekstu bardzo obciąża w krótkich szczytach i idle'uje między żądaniami, więc średnie zużycie podczas sesji roboczej jest zazwyczaj znacznie poniżej określonej wartości.

09

Quadro K4000M— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 16 KB, i pamięć podręczna L2 jest 0.5 MB. Cache absorbuje część ruchu pamięci, który w przeciwnym razie dotarłby do głównej magistrali, więc większy L2 daje skromny wzrost prędkości generacji ponad to, co przewiduje sama szerokość pasma.

10

Quadro K4000M— czy obsługuje CUDA?

Tak. Raportuje zdolność obliczeniową CUDA. 3.0, który poprzedza tensor cores. Funkcjonalność 7.0 i wyższa ma rdzenie tensorowe, z których korzysta nowoczesne oprogramowanie inferencyjne; poniżej tego korzysta z wolniejszych ścieżek kodu dla modelów kwantyzowanych.

11

Quadro K4000M— Jakiego interfejsu autobusowego używa?

Używa MXM-B (3.0). To reguluje, jak szybko model jest ładowany na kartę, a nie jak szybko działa po załadowaniu, więc kosztuje kilka sekund podczas uruchamiania i nic podczas generacji.

12

Quadro K4000M— czy jest dobry do uruchamiania lokalnych modeli AI?

Jego pamięć ogranicza go do mniejszych modeli, chociaż jego przepustowość oznacza, że generowanie będzie wydawać się wolne na większych modelach. W sumie działa 97 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

13

Quadro K4000M— czy może uruchomić model, który nie mieści się w jego VRAM?

Tylko częściowo. Warstwy poza kartą 4 GB jest możliwe i zwykle jest to fałszywa oszczędność: część pamięci systemu jest wystarczająco wolna, aby zdominować wynik.

14

Czy dwa Quadro K4000M karty będą dwa razy szybsze?

Nie. Druga karta podwaja pamięć do 8 GB z połączoną pamięcią, w mniej więcej tej samej prędkości generacji co jeden.

15

Quadro K4000M— które modele AI może uruchomić?

97 z 679 modele językowe open-weight, które śledzimy, mieszczą się na tej karcie i mogą być uruchamiane lokalnie. Tabela na tej stronie zawiera każdy z nich, z wymaganą pamięcią, poziomem kwantyzacji oraz szacowaną prędkością generacji.

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od sprzętu. Jeśli już wiesz, jaki model chcesz i potrzebujesz wiedzieć, co jest potrzebne do jego uruchomienia, Zacznij od modelu zamiast.

Wszystkie GPU