Oblicz TPS modelu Quadro M4000 na lokalnych modelach AI
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
679 modele w naszym katalogu razem
Największy model, który obsługuje
Baichuan 1-13B
13.3B · Q3_K_M · 14.1 tok/s
Najszybszy model
Gemma 3 QAT 1B
69.2 tok/s · 1B
Które modele AI mogą działać na a Quadro M4000?
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.
337 modele pasują
Obliczanie| Kwantyzacja | Pasuje | ||||||
|---|---|---|---|---|---|---|---|
|
69.2
tok/s
24–138 · niska pewność |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Wygodny |
|
69.2
tok/s
24–138 · niska pewność |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Wygodny |
|
69.2
tok/s
24–138 · niska pewność |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
69.2
tok/s
24–138 · niska pewność |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
69.2
tok/s
24–138 · niska pewność |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
69.2
tok/s
24–138 · niska pewność |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
64.1
tok/s
22–128 · niska pewność |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
62.9
tok/s
22–126 · niska pewność |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
62.9
tok/s
22–126 · niska pewność |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
62.9
tok/s
22–126 · niska pewność |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
62.9
tok/s
22–126 · niska pewność |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
57.7
tok/s
20–115 · niska pewność |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
57.7
tok/s
20–115 · niska pewność |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
57.7
tok/s
20–115 · niska pewność |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
57.7
tok/s
20–115 · niska pewność |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
56.3
tok/s
20–113 · niska pewność |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Wygodny |
|
55.5
tok/s
19–111 · niska pewność |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · niska pewność |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · niska pewność |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · niska pewność |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · niska pewność |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · niska pewność |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · niska pewność |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · niska pewność |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
53.3
tok/s
19–107 · 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 M4000 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
- 8 GB
- Pasmo pamięci
- 192 GB/s
- Typ pamięci
- GDDR5
- Szerokość magistrali pamięci
- 256 bit
- Zegar pamięci
- 1.5 GHz
Czip
Jaki procesor jest na płycie i jak został wyprodukowany. Mniejszy rozmiar procesu zazwyczaj oznacza większą wydajność przy tej samej mocy.
- Procesor graficzny
- GM204
- Architektura
- Maxwell 2.0
- Generacja
- Quadro Maxwell(Mx000)
- Odlewnia
- TSMC
- Rozmiar procesu
- 28 nm
- Transistory
- 5.2 billion
- Gęstość tranzystorów
- 13,100 K/mm²
- Rozmiar die
- 398 mm²
- Pakiet
- BGA-1745
- Wydane
- 29 June 2015
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
- 773 MHz
- Zegar zwiększający
- 773 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
- 1,664
- Jednostki mapowania tekstur
- 104
- Jednostki wyjściowe.Render
- 64
- Procesory strumieniowe
- 13
- cache L1
- 48 KB
- pamięć podręczna L2
- 2 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)
- 2.6 TFLOPS
- Podwójna precyzja (FP64)
- 80.4 GFLOPS
- Wskaźnik pikseli
- 49 GPixel/s
- Współczynnik tekstury
- 80 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)
- 120 W
- Zalecany zasilacz
- 300 W
- Złącza zasilające
- 1x 6-pin
- Interfejs magistrali
- PCIe 3.0 x16
- Szerokość slotu
- Single-slot
- Wymiary
- 241 mm
- Wyświetl wyniki
- 4x 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
- 5.2
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Model cieniowania
- 6.8
Oferty
Gdzie kupić GPU Quadro M4000
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
8 GB
Szerokość pasma
192 GB/s
Największy model
Baichuan 1-13B
Quadro M4000 niesie tylko 8 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 7.2 GB.
Przepustowość pamięci osiąga 192 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 1.5 GHz. Poszerzenie magistrali i podniesienie zegara to dwa dźwignie, które ma producent, dlatego karta z nie wybitnymi rdzeniami może nadal generować szybko.
Największą rzeczą, jaką ma, jest Baichuan 1-13B, 13.3B, skompresowane do Q3_K_M i generowanie wokół 14.1 tokeny na sekundę
Układ scalony i jak został zbudowany
Quadro M4000 jest zbudowany na procesorze graficznym GM204, używając architektury Maxwell 2.0 z NVIDIA, jako część generacji Quadro Maxwell(Mx000).
Chip jest produkowany przez TSMC, na procesie 28 nm, z kostką o wymiarach 398 mm², trzymanie 5.2 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 2015, szacunkowo 11.090081175326 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
80.4 GFLOPS
Przepustowość podwójnej precyzji osiąga 80.4 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 773 MHz do zwiększenia 773 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 M4000 ma pamięć podręczną L1 48 KB, wspierany przez pamięć podręczną L2 2 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 1,664 Jednostki cieniujące, 104 Jednostki mapowania tekstur, i 64 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
120 W
Quadro M4000 jest oceniane na 120 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 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 Quadro M4000
Największe modele open-weight, które mieszczą się na tej karcie, najnowsze najpierw. Każdy jest pokazany w najlepszej kompresji, jaką karta może pomieścić..
Najszybsze modele AI na a Quadro M4000
Gdzie ta KARTA produkuje tokeny najszybciej. Mniejsze modele dominują tutaj, ponieważ generowanie każdego tokenu oznacza odczytanie całego modelu z pamięci raz..
Krok po kroku
Jak obliczyć liczbę tokenów na sekundę dla a Quadro M4000
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
Szukaj modelu, którego chcesz
Tabela zawiera 337 modele, które ta karta uruchamia. Wyszukiwanie zawęża listę według nazwy lub rozmiaru.
-
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 8 GB więc ustawienia warto dobrze ustawić.
-
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
Weź zakres jako odpowiedź
Każda prędkość jest oszacowaniem dla pojedynczej rozmowy, z zakresem poniżej. Górna granica tutaj to 69.2 tok/s na Gemma 3 QAT 1B. Ta sama karta i model różnią się od trzydziestu do pięćdziesięciu procent między czasami wykonywania inference.
-
05
Sprawdź swój zapas przed podjęciem decyzji
Tight oznacza, że działa dzisiaj; comfortable oznacza, że nadal działa, gdy rozmowa się rozwija. Porównaj, co każdy model potrzebuje w porównaniu z dostępnym. 8 GB.
-
06
Sprawdź w innych urządzeniach.
Śledzenie modelu na jego stronie pokazuje cały sprzęt, który może go uruchomić, więc możesz zobaczyć, jak wypada w porównaniu do Quadro M4000.
Odpowiedzi
Quadro M4000 — częste pytania
Quadro M4000— Jakiego typu pamięci używa?
Używa GDDR5 prędkość zegara na 1.5 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 M4000— kto to robi?
To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 28 nm.
Quadro M4000— kiedy to zostało wydane?
Został wydany w June 2015.
Quadro M4000— ile mocy zużywa?
Moc nominalna karty graficznej wynosi 120 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 M4000— ile pamięci podręcznej ma?
Pamięć podręczna L1 jest 48 KB, i pamięć podręczna L2 jest 2 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 M4000— czy obsługuje CUDA?
Tak. Raportuje zdolność obliczeniową CUDA. 5.2, 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 M4000— 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.
Quadro M4000— 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 337 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.
Quadro M4000— czy może uruchomić model, który nie mieści się w jego VRAM?
Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 8 GB zaciąga cały system w dół, a żadne z danych na tej stronie tego nie uwzględnia.
Czy dwa Quadro M4000 karty będą dwa razy szybsze?
Liberalizowanie ich kupuje przestrzeń zamiast tempa: 16 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.
Quadro M4000— które modele AI może uruchomić?
337 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 M4000— jaki jest największy model AI, który może uruchomić?
Największy model w naszym katalogu, który pasuje, to Baichuan 1-13B w 13.3B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 14.1 tokenów na sekundę i potrzebuje około 7.2 GB pamięci karty.
Quadro M4000— Ile tokenów na sekundę produkuje?
To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 69.2 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 M4000— czy może działać 7B modele?
Tak. Na przykład działa MetaMath 7B (LLaMa finetune) w Q4_K_M, używając około 6.5 GB pamięci i generowanie około 22.8 tokeny na sekundę
Quadro M4000— czy może działać 13B modele?
Tak. Na przykład działa Gemma 4 12B w Q3_K_M, używając około 6.5 GB pamięci i generowanie około 15.6 tokeny na sekundę
Quadro M4000— Ile ma pamięci?
Ta karta ma 8 GB z GDDR5. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 7.2 GB dostępny dla modelu i jego rozmowy
Quadro M4000— jaka jest jej przepustowość VRAM?
Przepustowość pamięci osiąga 192 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.
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.