Oblicz TPS modelu P104-101 na lokalnych modelach AI

NVIDIA 4 GB GDDR5 256 GB/s January 2018

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 · 43.7 tok/s

Najszybszy model

Gemma 3 QAT 1B

92.3 tok/s · 1B

Które modele AI mogą działać na a P104-101?

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.

97 modele pasują

Obliczanie
Kwantyzacja Pasuje
92.3 tok/s

32–185 · niska pewność

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

32–185 · niska pewność

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

32–185 · niska pewność

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

32–185 · niska pewność

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

32–185 · niska pewność

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

32–185 · niska pewność

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

30–171 · niska pewność

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

29–168 · niska pewność

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

29–168 · niska pewność

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

29–168 · niska pewność

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

29–168 · niska pewność

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

27–154 · niska pewność

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

27–154 · niska pewność

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

27–154 · niska pewność

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

27–154 · niska pewność

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

26–150 · niska pewność

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokeny Q8_0 Wygodny
74.0 tok/s

26–148 · niska pewność

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

25–142 · niska pewność

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

25–142 · niska pewność

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

25–142 · niska pewność

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

25–142 · niska pewność

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

25–142 · niska pewność

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

25–142 · niska pewność

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

25–142 · niska pewność

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

25–142 · 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

P104-101 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
256 GB/s
Typ pamięci
GDDR5
Szerokość magistrali pamięci
256 bit
Zegar pamięci
2 GHz

Czip

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

Procesor graficzny
GP104
Architektura
Pascal
Generacja
Mining GPUs
Odlewnia
TSMC
Rozmiar procesu
16 nm
Transistory
7.2 billion
Gęstość tranzystorów
22,900 K/mm²
Rozmiar die
314 mm²
Pakiet
BGA-2150
Wydane
5 January 2018

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
1.51 GHz
Zegar zwiększający
1.68 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
2,560
Jednostki mapowania tekstur
160
Jednostki wyjściowe.Render
64
Procesory strumieniowe
20
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.

Pół precyzja (FP16)
134.6 GFLOPS
Pojedyncza precyzja (FP32)
8.6 TFLOPS
Podwójna precyzja (FP64)
269.3 GFLOPS
Wskaźnik pikseli
108 GPixel/s
Współczynnik tekstury
269 GTexel/s

Płyta

Co jest potrzebne do fizycznej instalacji i zasilania karty — praktyczne ograniczenia, które decydują, czy pasuje do maszyny, którą już posiadasz.

Zalecany zasilacz
200 W
Złącza zasilające
1x 8-pin
Interfejs magistrali
PCIe 1.0 x4
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 P104-101

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

4 GB

Szerokość pasma

256 GB/s

Największy model

DeciLM 6B

P104-101 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 256 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.

Liczba to szerokość magistrali pomnożona przez zegar pamięci 2 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.

Największą rzeczą, jaką ma, jest DeciLM 6B, 5.7B, skompresowane do Q3_K_M i generowanie wokół 43.7 tokeny na sekundę

Układ scalony i jak został zbudowany

P104-101 jest zbudowany na procesorze graficznym GP104, używając architektury Pascal z NVIDIA, jako część generacji Mining GPUs.

Chip jest produkowany przez TSMC, na procesie 16 nm, z kostką o wymiarach 314 mm², trzymanie 7.2 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 January 2018, szacunkowo 8.569532152037 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

134.6 GFLOPS

FP64

269.3 GFLOPS

Na papierze P104-101 osiąga 134.6 GFLOPS przy półprecyzji, i 8.6 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 269.3 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 1.51 GHz do zwiększenia 1.68 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

P104-101 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 2,560 Jednostki cieniujące, 160 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

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 1.0 x4. 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 P104-101

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

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 41.2 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 45.3 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 53.3 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 62.2 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 53.3 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 53.3 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 44.5 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 50.7 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 50.7 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 43.7 tok/s

Najszybsze modele AI na a P104-101

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 92.3 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 92.3 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 92.3 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 92.3 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 92.3 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 92.3 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 85.4 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 83.9 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 83.9 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 83.9 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a P104-101

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

    Szukaj modelu, którego chcesz

    Tabela zawiera 97 modele, które ta karta uruchamia. Wyszukiwanie zawęża listę według nazwy lub rozmiaru.

  2. 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.

  3. 03

    Przypnij porównanie do jednego poziomu jakości

    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

    Przeczytaj prędkość i zasięg

    Liczby są obliczane, a nie mierzone. Najszybszy wynik na tej karcie to 92.3 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

    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.

  6. 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 P104-101.

Odpowiedzi

P104-101 — częste pytania

01

P104-101— 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.

02

P104-101— Jakiego interfejsu autobusowego używa?

Używa PCIe 1.0 x4. 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

P104-101— 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.

04

P104-101— czy może uruchomić model, który nie mieści się w jego VRAM?

Tylko częściowo. Warstwy poza kartą 4 GB jest możliwe i zwykle jest to fałszywa oszczędność: część pamięci systemu jest wystarczająco wolna, aby zdominować wynik.

05

Czy dwa P104-101 karty będą dwa razy szybsze?

Pojemność dodaje, wydajność nie. Dwie z nich dają ci 8 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

P104-101— 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.

07

P104-101— 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 43.7 tokenów na sekundę i potrzebuje około 3.5 GB pamięci karty.

08

P104-101— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 92.3 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

P104-101— 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

10

P104-101— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 256 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.

11

P104-101— Jakiego typu pamięci używa?

Używa GDDR5 prędkość zegara na 2 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.

12

P104-101— kto to robi?

To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 16 nm.

13

P104-101— kiedy to zostało wydane?

Został wydany w January 2018.

14

P104-101— 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.

15

P104-101— jakie są jego TFLOPS?

Jest oceniane na 134.6 GFLOPS przy połowicznej precyzji i 8.6 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.

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