Oblicz TPS modelu Quadro K4200 na lokalnych modelach AI

NVIDIA 4 GB GDDR5 173 GB/s July 2014

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 · 29.5 tok/s

Najszybszy model

Gemma 3 QAT 1B

62.2 tok/s · 1B

Które modele AI mogą działać na a Quadro K4200?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

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

Minimalna jakość

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

Szukaj modeli

Rozmiar modelu

Wydane

Pokazuje również modele, których nie może uruchomić.

97 modele pasują

Obliczanie

						Kwantyzacja	Pasuje
62.2 tok/s 22–124 · niska pewność	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
62.2 tok/s 22–124 · niska pewność	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
62.2 tok/s 22–124 · niska pewność	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
62.2 tok/s 22–124 · niska pewność	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
62.2 tok/s 22–124 · niska pewność	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
62.2 tok/s 22–124 · niska pewność	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
57.6 tok/s 20–115 · niska pewność	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Wygodny
56.6 tok/s 20–113 · niska pewność	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
56.6 tok/s 20–113 · niska pewność	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
56.6 tok/s 20–113 · niska pewność	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
56.6 tok/s 20–113 · niska pewność	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
51.8 tok/s 18–104 · niska pewność	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
51.8 tok/s 18–104 · niska pewność	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
51.8 tok/s 18–104 · niska pewność	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
51.8 tok/s 18–104 · niska pewność	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
50.6 tok/s 18–101 · niska pewność	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	54k tokeny	Q8_0	Wygodny
49.9 tok/s 17–100 · niska pewność	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · niska pewność	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · niska pewność	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · niska pewność	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · niska pewność	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · niska pewność	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · niska pewność	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · niska pewność	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Wygodny
47.9 tok/s 17–96 · 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 K4200 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: 173 GB/s
Typ pamięci: GDDR5
Szerokość magistrali pamięci: 256 bit
Zegar pamięci: 1.35 GHz

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(Kx200)
Odlewnia: TSMC
Rozmiar procesu: 28 nm
Transistory: 3.5 billion
Gęstość tranzystorów: 12,000 K/mm²
Rozmiar die: 294 mm²
Pakiet: BGA-1745
Wydane: 22 July 2014

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: 771 MHz
Zegar zwiększający: 784 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: 1,344
Jednostki mapowania tekstur: 112
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): 2.1 TFLOPS
Podwójna precyzja (FP64): 87.8 GFLOPS
Wskaźnik pikseli: 22 GPixel/s
Współczynnik tekstury: 88 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): 108 W
Zalecany zasilacz: 300 W
Złącza zasilające: 1x 6-pin
Interfejs magistrali: PCIe 2.0 x16
Szerokość slotu: Single-slot
Wymiary: 241 mm
Wyświetl wyniki: 1x DVI, 2x DisplayPort 1.2

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 K4200

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

Co oznacza subsystém pamięci dla AI

VRAM

4 GB

Szerokość pasma

173 GB/s

Największy model

DeciLM 6B

Quadro K4200 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 173 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.

Przepustowość to zegar razy szerokość magistrali, a ta KARTA zegaruje swoją pamięć na 1.35 GHz. To dlatego liczba rdzeni tak słabo przewiduje prędkość generacji.

Praktyczny sufit to DeciLM 6B, 5.7B, skompresowane do Q3_K_M i generowanie wokół 29.5 tokeny na sekundę

Układ scalony i jak został zbudowany

Quadro K4200 jest zbudowany na procesorze graficznym GK104, używając architektury Kepler z NVIDIA, jako część generacji Quadro Kepler(Kx200).

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 July 2014, szacunkowo 12.02723504258 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

87.8 GFLOPS

Przepustowość podwójnej precyzji osiąga 87.8 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 771 MHz do zwiększenia 784 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 K4200 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 1,344 Jednostki cieniujące, 112 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

108 W

Quadro K4200 jest oceniane na 108 W, i sugerowane zasilanie systemu wynosi 300 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 single-slot, pomiarowania 241 mm długi, i potrzebuje 1x 6-pin. Warto sprawdzić z zasilaczem oraz obudową w maszynie, ponieważ największe karty potrzebują zdecydowanie więcej obu niż typowy komputer stacjonarny oferuje.

Łączy się przez PCIe 2.0 x16. 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 K4200

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

01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 27.8 tok/s
02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 30.6 tok/s
03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 35.9 tok/s
04 Qwen3-4B 4B · Q3_K_M · Apr 2025 42.0 tok/s
05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 35.9 tok/s
06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 35.9 tok/s
07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 30.0 tok/s
08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 34.2 tok/s
09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 34.2 tok/s
10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 29.5 tok/s

Najszybsze modele AI na a Quadro K4200

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

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 62.2 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 62.2 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 62.2 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 62.2 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 62.2 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 62.2 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 57.6 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 56.6 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 56.6 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 56.6 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a Quadro K4200

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..

01

Znajdź model w tabeli

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.
02

Dopasuj kontekst do swojej pracy

Dłuższe rozmowy kosztują pamięć oprócz wag. 4 GB to często różnica między modelem, który się mieści, a takim, który się nie mieści.
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.
04

Przeczytaj prędkość i zasięg

Prędkości mają marginesy błędu z jakiegoś powodu. Najlepszym przypadkiem tutaj jest 62.2 tok/s na Gemma 3 QAT 1B. Ta sama karta i model różnią się od trzydziestu do pięćdziesięciu procent między czasami wykonywania inference.
05

Przeczytaj werdykt dopasowania ostatni

Tight dopasowanie działa, ale nie zostawia miejsca na zwiększenie kontekstu później; comfortable ma zapas. Kolumna pamięci pokazuje, czego każdy model potrzebuje w porównaniu do dostępnej 4 GB.
06

Otwórz model, aby porównać karty

Każda strona modelu powtarza tę kalkulację dla całego katalogu. Warto spojrzeć przed podjęciem decyzji: pokazuje, co jeszcze uruchamia ten sam model, obok Quadro K4200.

Odpowiedzi

Quadro K4200 — częste pytania

Quadro K4200— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 173 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.

Quadro K4200— Jakiego typu pamięci używa?

Używa GDDR5 prędkość zegara na 1.35 GHz. 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.

Quadro K4200— kto to robi?

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

Quadro K4200— kiedy to zostało wydane?

Został wydany w July 2014.

Quadro K4200— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 108 W, i sugerowane zasilanie systemu wynosi 300 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.

Quadro K4200— 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.

Quadro K4200— 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.

Quadro K4200— Jakiego interfejsu autobusowego używa?

Używa PCIe 2.0 x16. 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.

Quadro K4200— 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.

Quadro K4200— czy może uruchomić model, który nie mieści się w jego VRAM?

Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 4 GB siedzi w pamięci GPU i działa z ułamkową prędkością, więc w dużej mierze zrzucany model rzadko jest wart użycia. Każda wartość tutaj zakłada, że jest w pełni dostępna na karcie.

Czy dwa Quadro K4200 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.

Quadro K4200— 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.

Quadro K4200— 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 29.5 tokenów na sekundę i potrzebuje około 3.5 GB pamięci karty.

Quadro K4200— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 62.2 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.

Quadro K4200— 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

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