Oblicz TPS modelu Tesla P40 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
Mixtral 8x7B
46.7B · Q3_K_M · 26.1 tok/s
Najszybszy model
Gemma 3 QAT 1B
125 tok/s · 1B
Które modele AI mogą działać na a Tesla P40?
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.
502 modele pasują
Obliczanie| Kwantyzacja | Pasuje | ||||||
|---|---|---|---|---|---|---|---|
|
125
tok/s
44–250 · niska pewność |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Wygodny |
|
125
tok/s
44–250 · niska pewność |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Wygodny |
|
125
tok/s
44–250 · niska pewność |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
125
tok/s
44–250 · niska pewność |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
125
tok/s
44–250 · niska pewność |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
125
tok/s
44–250 · niska pewność |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
116
tok/s
41–231 · niska pewność |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
114
tok/s
40–227 · niska pewność |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
114
tok/s
40–227 · niska pewność |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
114
tok/s
40–227 · niska pewność |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
114
tok/s
40–227 · niska pewność |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
104
tok/s
36–208 · niska pewność |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
104
tok/s
36–208 · niska pewność |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
104
tok/s
36–208 · niska pewność |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
104
tok/s
36–208 · niska pewność |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
102
tok/s
36–203 · niska pewność |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Wygodny |
|
100
tok/s
35–200 · niska pewność |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · niska pewność |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · niska pewność |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · niska pewność |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · niska pewność |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · niska pewność |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · niska pewność |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · niska pewność |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
96.1
tok/s
34–192 · 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
Tesla P40 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
- 24 GB
- Pasmo pamięci
- 347 GB/s
- Typ pamięci
- GDDR5
- Szerokość magistrali pamięci
- 384 bit
- Zegar pamięci
- 1.81 GHz
Czip
Jaki procesor jest na płycie i jak został wyprodukowany. Mniejszy rozmiar procesu zazwyczaj oznacza większą wydajność przy tej samej mocy.
- Procesor graficzny
- GP102
- Architektura
- Pascal
- Generacja
- Tesla Pascal(Pxx)
- Odlewnia
- TSMC
- Rozmiar procesu
- 16 nm
- Transistory
- 11.8 billion
- Gęstość tranzystorów
- 25,100 K/mm²
- Rozmiar die
- 471 mm²
- Pakiet
- BGA-2397
- Wydane
- 13 September 2016
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
- 1.3 GHz
- Zegar zwiększający
- 1.53 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
- 3,840
- Jednostki mapowania tekstur
- 240
- Jednostki wyjściowe.Render
- 96
- Procesory strumieniowe
- 30
- 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.
- Pół precyzja (FP16)
- 183.7 GFLOPS
- Pojedyncza precyzja (FP32)
- 11.8 TFLOPS
- Podwójna precyzja (FP64)
- 367.4 GFLOPS
- Wskaźnik pikseli
- 147 GPixel/s
- Współczynnik tekstury
- 367 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
- 8-pin EPS
- Interfejs magistrali
- PCIe 3.0 x16
- Szerokość slotu
- Dual-slot
- Wymiary
- 267 mm
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
- 6.1
- DirectX
- 12.1
- OpenGL
- 4.6
- Vulkan
- 1.4
- OpenCL
- 3.0
- Model cieniowania
- 6.8
Oferty
Gdzie kupić GPU Tesla P40
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
Pojemność i przepustowość
VRAM
24 GB
Szerokość pasma
347 GB/s
Największy model
Mixtral 8x7B
Tesla P40 nosi 24 GB z GDDR5. To pokrywa modele średniej wielkości, które wiele osób faktycznie uruchamia. Gdy czas działania i sterownik zarezerwują swoją przestrzeń roboczą, mniej więcej tyle zostaje: 21.6 GB.
Przepustowość pamięci osiąga 347 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 1.81 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.
Praktyczny sufit to Mixtral 8x7B, 46.7B, skompresowane do Q3_K_M i generowanie wokół 26.1 tokeny na sekundę
Układ scalony i jak został zbudowany
Tesla P40 jest zbudowany na procesorze graficznym GP102, używając architektury Pascal z NVIDIA, jako część generacji Tesla Pascal(Pxx).
Chip jest produkowany przez TSMC, na procesie 16 nm, z kostką o wymiarach 471 mm², trzymanie 11.8 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 September 2016, szacunkowo 9.8818719476301 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
FP16
183.7 GFLOPS
FP64
367.4 GFLOPS
Na papierze Tesla P40 osiąga 183.7 GFLOPS przy półprecyzji, i 11.8 TFLOPS przy pojedynczej precyzji. To są wartości szczytowe, żaden rzeczywisty obciążenie ich nie utrzymuje, a generowanie tekstu osiąga tylko małą część z nich — dekodowanie jest ograniczone przez pamięć, a nie przez arytmetykę, co jest powodem, dla którego karta może wyglądać na niezwykle potężną tutaj i nadal produkować tokeny w zwykłym tempie.
Przepustowość podwójnej precyzji osiąga 367.4 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 1.3 GHz do zwiększenia 1.53 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
Tesla P40 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 3,840 Jednostki cieniujące, 240 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
Tesla P40 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 8-pin EPS. 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 Tesla P40
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 Tesla P40
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 Tesla P40
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 502 modele, które ta karta uruchamia. Wyszukiwanie zawęża listę według nazwy lub rozmiaru.
-
02
Zdecyduj, jak długo trwają twoje rozmowy
Dłuższe rozmowy kosztują pamięć oprócz wag. 24 GB to często różnica między modelem, który się mieści, a takim, który się nie mieści.
-
03
Wybierz, jak daleko chcesz skompresować
Kompresja to to, co pozwala większym modelom się zmieścić. Kontrola jakości odrzuca każdy model, który potrzebuje więcej tego, niż jesteś skłonny dać.
-
04
Przeczytaj prędkość i zasięg
Prędkości mają marginesy błędu z jakiegoś powodu. Najlepszym przypadkiem tutaj jest 125 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 kolumnę pamięci przed zatwierdzeniem
Tight oznacza, że działa dzisiaj; comfortable oznacza, że nadal działa, gdy rozmowa się rozwija. Porównaj, co każdy model potrzebuje w porównaniu z dostępnym. 24 GB.
-
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 Tesla P40.
Odpowiedzi
Tesla P40 — częste pytania
Tesla P40— Ile tokenów na sekundę produkuje?
To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 125 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.
Tesla P40— czy może działać 7B modele?
Tak. Na przykład działa Multi-Token Prediction 7B w Q8_0, używając około 7.9 GB pamięci i generowanie około 18.7 tokeny na sekundę
Tesla P40— czy może działać 13B modele?
Tak. Na przykład działa DeepSeekMoE-16B w Q8_0, używając około 17.5 GB pamięci i generowanie około 43.4 tokeny na sekundę
Tesla P40— czy może działać 30B modele?
Tak. Na przykład działa Nemotron 3-Nano-30B-A3B w Q4_K_M, używając około 18.1 GB pamięci i generowanie około 50.7 tokeny na sekundę
Tesla P40— Ile ma pamięci?
Ta karta ma 24 GB z GDDR5. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 21.6 GB dostępny dla modelu i jego rozmowy
Tesla P40— jaka jest jej przepustowość VRAM?
Przepustowość pamięci osiąga 347 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.
Tesla P40— Jakiego typu pamięci używa?
Używa GDDR5 prędkość zegara na 1.81 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.
Tesla P40— kto to robi?
To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 16 nm.
Tesla P40— kiedy to zostało wydane?
Został wydany w September 2016.
Tesla P40— 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.
Tesla P40— 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.
Tesla P40— jakie są jego TFLOPS?
Jest oceniane na 183.7 GFLOPS przy połowicznej precyzji i 11.8 TFLOPS przy pojedynczej precyzji. Są to najwyższe sufity arytmetyczne, a nie osiągalne stawki, a generacja tekstu osiąga tylko małą część z nich, ponieważ jest ograniczona przez przepustowość pamięci.
Tesla P40— czy obsługuje CUDA?
Tak. Raportuje zdolność obliczeniową CUDA. 6.1, 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.
Tesla P40— 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.
Tesla P40— czy jest dobry do uruchamiania lokalnych modeli AI?
Jego pamięć komfortowo pokrywa średniej wielkości modele, które większość ludzi uruchamia lokalnie, chociaż jego przepustowość oznacza, że generowanie będzie wydawać się wolne przy większych modelach. W sumie działa 502 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.
Tesla P40— czy może uruchomić model, który nie mieści się w jego VRAM?
Przekroczenie karty 24 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 Tesla P40 karty będą dwa razy szybsze?
Nie. Druga karta podwaja pamięć do 48 GB pracować z zamiast dwa razy więcej tokenów na sekundę — każda liczba tutaj dotyczy pojedynczej KARTY.
Tesla P40— które modele AI może uruchomić?
502 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.
Tesla P40— jaki jest największy model AI, który może uruchomić?
Największy model w naszym katalogu, który pasuje, to Mixtral 8x7B w 46.7B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 26.1 tokenów na sekundę i potrzebuje około 21.0 GB pamięci karty.
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.