Oblicz TPS modelu FirePro S10000 Passive 12GB na lokalnych modelach AI

AMD 6 GB GDDR5 240 GB/s March 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

266 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

Qwen-VL

9.6B · Q3_K_M · 22.3 tok/s

Najszybszy model

Gemma 3 QAT 1B

79.3 tok/s · 1B

Które modele AI mogą działać na a FirePro S10000 Passive 12GB?

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.

266 modele pasują

Obliczanie
Kwantyzacja Pasuje
79.3 tok/s

48–127 · niska pewność

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

48–127 · niska pewność

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

48–127 · niska pewność

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

48–127 · niska pewność

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

48–127 · niska pewność

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

48–127 · niska pewność

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

44–117 · niska pewność

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

43–115 · niska pewność

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

43–115 · niska pewność

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

43–115 · niska pewność

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

43–115 · niska pewność

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

40–106 · niska pewność

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

40–106 · niska pewność

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

40–106 · niska pewność

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

40–106 · niska pewność

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

39–103 · niska pewność

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 113k tokeny Q8_0 Wygodny
63.6 tok/s

38–102 · niska pewność

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

37–98 · niska pewność

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

37–98 · niska pewność

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

37–98 · niska pewność

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

37–98 · niska pewność

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

37–98 · niska pewność

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

37–98 · niska pewność

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

37–98 · niska pewność

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

37–98 · 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

FirePro S10000 Passive 12GB 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
6 GB
Pasmo pamięci
240 GB/s
Typ pamięci
GDDR5
Szerokość magistrali pamięci
384 bit
Zegar pamięci
1.25 GHz

Czip

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

Procesor graficzny
Tahiti
Architektura
GCN 1.0
Generacja
FirePro Server(Sx000)
Odlewnia
TSMC
Rozmiar procesu
28 nm
Transistory
4.3 billion
Gęstość tranzystorów
12,300 K/mm²
Rozmiar die
352 mm²
Wydane
1 March 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
825 MHz
Zegar zwiększający
950 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
1,792
Jednostki mapowania tekstur
112
Jednostki wyjściowe.Render
32
cache L1
16 KB
pamięć podręczna L2
0.75 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)
3.4 TFLOPS
Podwójna precyzja (FP64)
851.2 GFLOPS
Wskaźnik pikseli
30 GPixel/s
Współczynnik tekstury
106 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)
375 W
Zalecany zasilacz
750 W
Złącza zasilające
2x 8-pin
Interfejs magistrali
PCIe 3.0 x16
Szerokość slotu
Dual-slot
Wymiary
305 mm
Wyświetl wyniki
1x DVI, 1x mini-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.

DirectX
11.1
OpenGL
4.6
Vulkan
1.2
OpenCL
1.2
Model cieniowania
5.1

Oferty

Gdzie kupić GPU FirePro S10000 Passive 12GB

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

Dlaczego pamięć jest liczbą, która ma tutaj znaczenie

VRAM

6 GB

Szerokość pasma

240 GB/s

Największy model

Qwen-VL

FirePro S10000 Passive 12GB niesie tylko 6 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 5.4 GB.

Przepustowość pamięci osiąga 240 GB/s przez magistralę 384 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 1.25 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.

W całości największy model, który się mieści, to Qwen-VL, 9.6B, skompresowane do Q3_K_M i generowanie wokół 22.3 tokeny na sekundę

Układ scalony i jak został zbudowany

FirePro S10000 Passive 12GB jest zbudowany na procesorze graficznym Tahiti, używając architektury GCN 1.0 z AMD, jako część generacji FirePro Server(Sx000).

Chip jest produkowany przez TSMC, na procesie 28 nm, z kostką o wymiarach 352 mm², trzymanie 4.3 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 March 2014, szacunkowo 12.419205715043 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

851.2 GFLOPS

Przepustowość podwójnej precyzji osiąga 851.2 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 825 MHz do zwiększenia 950 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

FirePro S10000 Passive 12GB ma pamięć podręczną L1 16 KB, wspierany przez pamięć podręczną L2 0.75 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 1,792 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

375 W

FirePro S10000 Passive 12GB jest oceniane na 375 W, i sugerowane zasilanie systemu wynosi 750 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 dual-slot, pomiarowania 305 mm długi, i potrzebuje 2x 8-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 3.0 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 FirePro S10000 Passive 12GB

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

  1. 01 Qwen3.5-9B 9B · Q3_K_M · Feb 2026 23.8 tok/s
  2. 02 NVIDIA-Nemotron-Nano-9B-v2 9B · Q3_K_M · Aug 2025 23.8 tok/s
  3. 03 Ovis2.5 9B 9B · Q3_K_M · Aug 2025 23.8 tok/s
  4. 04 GLM-4.1V-Thinking 9B · Q3_K_M · Aug 2025 23.8 tok/s
  5. 05 MamayLM 9B · Q3_K_M · Apr 2025 23.8 tok/s
  6. 06 GLM-4-9B-0414 9B · Q3_K_M · Apr 2025 23.8 tok/s
  7. 07 SimPO 9B · Q3_K_M · Nov 2024 23.8 tok/s
  8. 08 GLM-4V-9B 9B · Q3_K_M · Jun 2024 23.8 tok/s
  9. 09 Persimmon-8B 9.3B · Q3_K_M · Sep 2023 23.0 tok/s
  10. 10 Qwen-VL 9.6B · Q3_K_M · Aug 2023 22.3 tok/s

Najszybsze modele AI na a FirePro S10000 Passive 12GB

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 79.3 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 79.3 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 79.3 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 79.3 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 79.3 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 79.3 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 73.4 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 72.1 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 72.1 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 72.1 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a FirePro S10000 Passive 12GB

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

    Znajdź model w tabeli

    Tabela zawiera 266 modele, które obsługuje karta. Pole wyszukiwania przyjmuje nazwę lub rozmiar, taki jak 27b, który odpowiada liczbie parametrów.

  2. 02

    Zdecyduj, jak długo trwają twoje rozmowy

    Przeciągnij suwak do długości rozmowy, na której planujesz pracować. Pamięć podręczna rośnie wraz z rozmową, a w porównaniu do karty trzymającej 6 GB to często różnica między modelem, który się mieści, a takim, który się nie mieści.

  3. 03

    Ustaw minimalną jakość, jeśli jest potrzebna.

    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

    Spójrz na zakres, nie tylko na liczbę

    Każda prędkość jest oszacowaniem dla pojedynczej rozmowy, z zakresem poniżej. Górna granica tutaj to 79.3 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

    Sprawdź swój zapas przed podjęciem decyzji

    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 6 GB.

  6. 06

    Sprawdź ten sam model z drugiej strony

    Śledzenie modelu na jego stronie pokazuje cały sprzęt, który może go uruchomić, więc możesz zobaczyć, jak wypada w porównaniu do FirePro S10000 Passive 12GB.

Odpowiedzi

FirePro S10000 Passive 12GB — częste pytania

01

FirePro S10000 Passive 12GB— czy obsługuje CUDA?

Nie. CUDA jest tylko dla NVIDIA, a to jest karta od AMD. Uruchamia modele językowe przez ROCm, Vulkan lub Metal w zależności od oprogramowania, które są mniej dojrzałe niż ścieżka CUDA — nasze oszacowania uwzględniają karę za to.

02

FirePro S10000 Passive 12GB— Jakiego interfejsu autobusowego używa?

Używa PCIe 3.0 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.

03

FirePro S10000 Passive 12GB— 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 266 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

04

FirePro S10000 Passive 12GB— czy może uruchomić model, który nie mieści się w jego VRAM?

Tylko częściowo. Warstwy poza kartą 6 GB jest możliwe i zwykle jest to fałszywa oszczędność: część pamięci systemu jest wystarczająco wolna, aby zdominować wynik.

05

Czy dwa FirePro S10000 Passive 12GB karty będą dwa razy szybsze?

Liberalizowanie ich kupuje przestrzeń zamiast tempa: 12 GB który pozwala na utrzymanie modeli, których żaden z nich nie mógłby utrzymać samodzielnie, ale generacja nie dzieli się w ten sposób. Te dane opisują jedną KARTĘ.

06

FirePro S10000 Passive 12GB— które modele AI może uruchomić?

266 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.

07

FirePro S10000 Passive 12GB— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to Qwen-VL w 9.6B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 22.3 tokenów na sekundę i potrzebuje około 5.4 GB pamięci karty.

08

FirePro S10000 Passive 12GB— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 79.3 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.

09

FirePro S10000 Passive 12GB— czy może działać 7B modele?

Tak. Na przykład działa MetaMath 7B (Mistral finetune) w IQ4_XS, używając około 5.1 GB pamięci i generowanie około 27.8 tokeny na sekundę

10

FirePro S10000 Passive 12GB— Ile ma pamięci?

Ta karta ma 6 GB z GDDR5. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 5.4 GB dostępny dla modelu i jego rozmowy

11

FirePro S10000 Passive 12GB— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 240 GB/s przez magistralę 384 bity. To jest jedyny najlepszy wskaźnik tego, jak szybko generuje tekst, ponieważ produkcja każdego tokena oznacza odczytanie całego modelu z pamięci jednocześnie.

12

FirePro S10000 Passive 12GB— Jakiego typu pamięci używa?

Używa GDDR5 prędkość zegara na 1.25 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.

13

FirePro S10000 Passive 12GB— kto to robi?

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

14

FirePro S10000 Passive 12GB— kiedy to zostało wydane?

Został wydany w March 2014.

15

FirePro S10000 Passive 12GB— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 375 W, i sugerowane zasilanie systemu wynosi 750 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.

16

FirePro S10000 Passive 12GB— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 16 KB, i pamięć podręczna L2 jest 0.75 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.

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