Oblicz TPS modelu Quadro M6000 na lokalnych modelach AI

NVIDIA 12 GB GDDR5 317 GB/s March 2015

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

396 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

ERNIE-4.5-21B-A3B

21B · Q3_K_M · 81.6 tok/s

Najszybszy model

Gemma 3 QAT 1B

114 tok/s · 1B

Które modele AI mogą działać na a Quadro M6000?

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.

396 modele pasują

Obliczanie
Kwantyzacja Pasuje
114 tok/s

40–229 · niska pewność

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

40–229 · niska pewność

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

40–229 · niska pewność

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

40–229 · niska pewność

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

40–229 · niska pewność

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

40–229 · niska pewność

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

37–212 · niska pewność

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

36–208 · niska pewność

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

36–208 · niska pewność

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

36–208 · niska pewność

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

36–208 · niska pewność

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

33–190 · niska pewność

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

33–190 · niska pewność

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

33–190 · niska pewność

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

33–190 · niska pewność

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

33–186 · niska pewność

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokeny Q8_0 Wygodny
91.6 tok/s

32–183 · niska pewność

DeepSeekMoE-16B 16B Jan 2024 10.0 GB 4k tokeny Q4_K_M Wąski
91.6 tok/s

32–183 · niska pewność

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

31–176 · niska pewność

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

31–176 · niska pewność

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

31–176 · niska pewność

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

31–176 · niska pewność

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

31–176 · niska pewność

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

31–176 · niska pewność

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

31–176 · niska pewność

Otter ≈ 1.3B May 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 M6000 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
12 GB
Pasmo pamięci
317 GB/s
Typ pamięci
GDDR5
Szerokość magistrali pamięci
384 bit
Zegar pamięci
1.65 GHz

Czip

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

Procesor graficzny
GM200
Architektura
Maxwell 2.0
Generacja
Quadro Maxwell(Mx000)
Odlewnia
TSMC
Rozmiar procesu
28 nm
Transistory
8 billion
Gęstość tranzystorów
13,300 K/mm²
Rozmiar die
601 mm²
Pakiet
BGA-2152
Wydane
21 March 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
988 MHz
Zegar zwiększający
1.11 GHz

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
3,072
Jednostki mapowania tekstur
192
Jednostki wyjściowe.Render
96
Procesory strumieniowe
24
cache L1
48 KB
pamięć podręczna L2
3 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)
6.8 TFLOPS
Podwójna precyzja (FP64)
213.9 GFLOPS
Wskaźnik pikseli
107 GPixel/s
Współczynnik tekstury
214 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)
250 W
Zalecany zasilacz
600 W
Złącza zasilające
1x 8-pin
Interfejs magistrali
PCIe 3.0 x16
Szerokość slotu
Dual-slot
Wymiary
267 mm
Wyświetl wyniki
1x DVI, 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 M6000

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

12 GB

Szerokość pasma

317 GB/s

Największy model

ERNIE-4.5-21B-A3B

Quadro M6000 nosi 12 GB z GDDR5. To sięga komfortowo w małe i średnie modele, chociaż największe pozostają poza zasięgiem bez ich dzielenia. Nakład sterowników zostawia w przybliżeniu 10.8 GB.

Przepustowość pamięci osiąga 317 GB/s przez magistralę 384 bity. To jest liczba rządząca prędkością generacji — arytmetyka na bajt odczytany jest na tyle mała, że to magistrala, a nie rdzenie, jest na co wszystko czeka.

Przepustowość to zegar razy szerokość magistrali, a ta KARTA zegaruje swoją pamięć na 1.65 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.

Praktyczny sufit to ERNIE-4.5-21B-A3B, 21B, skompresowane do Q3_K_M i generowanie wokół 81.6 tokeny na sekundę

Układ scalony i jak został zbudowany

Quadro M6000 jest zbudowany na procesorze graficznym GM200, 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 601 mm², trzymanie 8 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 2015, szacunkowo 11.364054883953 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

213.9 GFLOPS

Przepustowość podwójnej precyzji osiąga 213.9 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 988 MHz do zwiększenia 1.11 GHz. 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 M6000 ma pamięć podręczną L1 48 KB, wspierany przez pamięć podręczną L2 3 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 3,072 Jednostki cieniujące, 192 Jednostki mapowania tekstur, i 96 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

250 W

Quadro M6000 jest oceniane na 250 W, i sugerowane zasilanie systemu wynosi 600 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 267 mm długi, i potrzebuje 1x 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 Quadro M6000

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

  1. 01 ERNIE-4.5-21B-A3B 21B · Q3_K_M · Jun 2025 81.6 tok/s
  2. 02 GigaChat Lite (GigaChat-20B-A3B) 20B · Q3_K_M · Dec 2024 85.7 tok/s
  3. 03 InternLM2.5 20B · Q3_K_M · Aug 2024 15.4 tok/s
  4. 04 Granite 20B 20B · Q3_K_M · May 2024 15.4 tok/s
  5. 05 InternLM2-20B 20B · Q3_K_M · Jan 2024 15.4 tok/s
  6. 06 CogAgent 18B · IQ4_XS · Dec 2023 15.6 tok/s
  7. 07 SPHINX (Llama 2 13B) 19.9B · Q3_K_M · Nov 2023 15.5 tok/s
  8. 08 CogVLM-17B 17B · IQ4_XS · Nov 2023 16.5 tok/s
  9. 09 Flan UL2 19.5B · Q3_K_M · Mar 2023 15.8 tok/s
  10. 10 Palmyra Large 20B 20B · Q3_K_M · Mar 2023 15.4 tok/s

Najszybsze modele AI na a Quadro M6000

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 114 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 114 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 114 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 114 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 114 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 114 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 106 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 104 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 104 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 104 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a Quadro M6000

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 396 modele, które ta karta uruchamia. Wyszukiwanie zawęża listę według nazwy lub rozmiaru.

  2. 02

    Ustaw długość kontekstu, którą faktycznie będziesz używać

    Ustaw kontekst na swoją rzeczywistą długość roboczą. Krótkie pytania kosztują prawie nic, ale długi dokument może zająć dużą część 12 GB to często różnica między modelem, który się mieści, a takim, który się nie mieści.

  3. 03

    Przypnij porównanie do jednego poziomu jakości

    Kompresja to to, co pozwala większym modelom się zmieścić. Kontrola jakości odrzuca każdy model, który potrzebuje więcej tego, niż jesteś skłonny dać.

  4. 04

    Spójrz na zakres, nie tylko na liczbę

    Prędkości mają marginesy błędu z jakiegoś powodu. Najlepszym przypadkiem tutaj jest 114 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 kolumnę pamięci przed zatwierdzeniem

    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 12 GB.

  6. 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 M6000.

Odpowiedzi

Quadro M6000 — częste pytania

01

Quadro M6000— które modele AI może uruchomić?

396 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.

02

Quadro M6000— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to ERNIE-4.5-21B-A3B w 21B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 81.6 tokenów na sekundę i potrzebuje około 10.1 GB pamięci karty.

03

Quadro M6000— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 114 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.

04

Quadro M6000— czy może działać 7B modele?

Tak. Na przykład działa DeepSeek Coder 6.7B w Q6_K, używając około 9.9 GB pamięci i generowanie około 24.8 tokeny na sekundę

05

Quadro M6000— czy może działać 13B modele?

Tak. Na przykład działa DeepSeekMoE-16B w Q4_K_M, używając około 10.0 GB pamięci i generowanie około 91.6 tokeny na sekundę

06

Quadro M6000— Ile ma pamięci?

Ta karta ma 12 GB z GDDR5. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 10.8 GB dostępny dla modelu i jego rozmowy

07

Quadro M6000— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 317 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.

08

Quadro M6000— Jakiego typu pamięci używa?

Używa GDDR5 prędkość zegara na 1.65 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.

09

Quadro M6000— kto to robi?

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

10

Quadro M6000— kiedy to zostało wydane?

Został wydany w March 2015.

11

Quadro M6000— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 250 W, i sugerowane zasilanie systemu wynosi 600 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.

12

Quadro M6000— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 48 KB, i pamięć podręczna L2 jest 3 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.

13

Quadro M6000— 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.

14

Quadro M6000— 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.

15

Quadro M6000— czy jest dobry do uruchamiania lokalnych modeli AI?

Jego pamięć obejmuje małe i średnie modele, chociaż największe są poza zasięgiem, a jego przepustowość oznacza, że generacja będzie wydawać się wolna na większych modelach. W sumie uruchamia 396 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

16

Quadro M6000— czy może uruchomić model, który nie mieści się w jego VRAM?

Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 12 GB zaciąga cały system w dół, a żadne z danych na tej stronie tego nie uwzględnia.

17

Czy dwa Quadro M6000 karty będą dwa razy szybsze?

Liberalizowanie ich kupuje przestrzeń zamiast tempa: 24 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.

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