Oblicz TPS modelu A2 PCIe na lokalnych modelach AI

NVIDIA 16 GB GDDR6 200 GB/s November 2021

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

432 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

Nemotron 3-Nano-30B-A3B

31.6B · Q3_K_M · 40.2 tok/s

Najszybszy model

Gemma 3 QAT 1B

84.8 tok/s · 1B

Które modele AI mogą działać na a A2 PCIe?

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.

432 modele pasują

Obliczanie
Kwantyzacja Pasuje
84.8 tok/s

72–102

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

72–102

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

51–136 · niska pewność

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

51–136 · niska pewność

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

51–136 · niska pewność

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

51–136 · niska pewność

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

47–126 · niska pewność

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

46–123 · niska pewność

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

46–123 · niska pewność

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

46–123 · niska pewność

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

46–123 · niska pewność

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

42–113 · niska pewność

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

42–113 · niska pewność

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

42–113 · niska pewność

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

42–113 · niska pewność

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

59–83

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

41–109 · niska pewność

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

39–104 · niska pewność

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

39–104 · niska pewność

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

39–104 · niska pewność

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

39–104 · niska pewność

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

39–104 · niska pewność

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

39–104 · niska pewność

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

39–104 · niska pewność

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

39–104 · 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

A2 PCIe 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
16 GB
Pasmo pamięci
200 GB/s
Typ pamięci
GDDR6
Szerokość magistrali pamięci
128 bit
Zegar pamięci
1.56 GHz

Czip

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

Procesor graficzny
GA107
Architektura
Ampere
Generacja
Server Ampere(Axx)
Odlewnia
Samsung
Rozmiar procesu
8 nm
Transistory
8.7 billion
Gęstość tranzystorów
43,500 K/mm²
Rozmiar die
200 mm²
Pakiet
FCBGA-1358
Wydane
10 November 2021

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
1.44 GHz
Zegar zwiększający
1.77 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
1,280
Jednostki mapowania tekstur
40
Jednostki wyjściowe.Render
32
Procesory strumieniowe
10
Rdzenie tensorowe
40
Rdzenie śledzenia promieni
10
cache L1
128 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)
4.5 TFLOPS
Pojedyncza precyzja (FP32)
4.5 TFLOPS
Podwójna precyzja (FP64)
141.6 GFLOPS
Wskaźnik pikseli
57 GPixel/s
Współczynnik tekstury
71 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)
60 W
Zalecany zasilacz
250 W
Złącza zasilające
None
Interfejs magistrali
PCIe 4.0 x8
Szerokość slotu
Single-slot
Wymiary
168 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
8.6
DirectX
12.2
OpenGL
4.6
Vulkan
1.4
OpenCL
3.0
Model cieniowania
6.8

Oferty

Gdzie kupić GPU A2 PCIe

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

16 GB

Szerokość pasma

200 GB/s

Największy model

Nemotron 3-Nano-30B-A3B

A2 PCIe nosi 16 GB z GDDR6. To sięga komfortowo w małe i średnie modele, chociaż największe pozostają poza zasięgiem bez ich dzielenia. Nakład sterowników zostawia w przybliżeniu 14.4 GB.

Przepustowość pamięci osiąga 200 GB/s przez magistralę 128 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 1.56 GHz. Poszerzenie magistrali i podniesienie zegara to dwa dźwignie, które ma producent, dlatego karta z nie wybitnymi rdzeniami może nadal generować szybko.

W całości największy model, który się mieści, to Nemotron 3-Nano-30B-A3B, 31.6B, skompresowane do Q3_K_M i generowanie wokół 40.2 tokeny na sekundę

Układ scalony i jak został zbudowany

A2 PCIe jest zbudowany na procesorze graficznym GA107, używając architektury Ampere z NVIDIA, jako część generacji Server Ampere(Axx).

Chip jest produkowany przez Samsung, na procesie 8 nm, z kostką o wymiarach 200 mm², trzymanie 8.7 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 November 2021, szacunkowo 4.7231300883519 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

4.5 TFLOPS

FP64

141.6 GFLOPS

Rdzenie tensorowe

40

Na papierze A2 PCIe osiąga 4.5 TFLOPS przy półprecyzji, i 4.5 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 141.6 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.

Karta przenosi 40 Rdzenie tensorowe na wzdłuż 10 Procesory strumieniowe. Te przyspieszają obliczenia macierzowe, które są sercem transformatora, i to one sprawiają, że przetwarzanie poleceń — czytanie długiego dokumentu przed udzieleniem odpowiedzi — jest znacznie szybsze, niż byłoby w przeciwnym razie.

Zegary działają od podstawy 1.44 GHz do zwiększenia 1.77 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

A2 PCIe ma pamięć podręczną L1 128 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 1,280 Jednostki cieniujące, 40 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

60 W

A2 PCIe jest oceniane na 60 W, i sugerowane zasilanie systemu wynosi 250 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 168 mm długi. Warto sprawdzić z zasilaczem oraz obudową w maszynie, ponieważ największe karty potrzebują zdecydowanie więcej obu niż typowy komputer stacjonarny oferuje.

Łączy się przez PCIe 4.0 x8. 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 A2 PCIe

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

  1. 01 North Mini Code 30B · Q3_K_M · Jun 2026 42.4 tok/s
  2. 02 Qwen 3.6-27B 27B · Q3_K_M · Apr 2026 8.5 tok/s
  3. 03 Qwen3.5-27B 27B · Q3_K_M · Feb 2026 8.5 tok/s
  4. 04 Nemotron 3-Nano-30B-A3B 31.6B · Q3_K_M · Dec 2025 40.2 tok/s
  5. 05 Nomos 1 30B · Q3_K_M · Dec 2025 42.4 tok/s
  6. 06 C2S-Scale 27B · Q3_K_M · Oct 2025 8.5 tok/s
  7. 07 Gemma-SEA-LION-v4-27B-IT 27B · Q3_K_M · Aug 2025 8.5 tok/s
  8. 08 ERNIE-4.5-VL-28B-A3B 28B · Q3_K_M · Jun 2025 45.4 tok/s
  9. 09 Qwen3-30B-A3B 30B · Q3_K_M · Apr 2025 42.4 tok/s
  10. 10 Gemma 3 QAT 27B 27B · Q3_K_M · Apr 2025 8.5 tok/s

Najszybsze modele AI na a A2 PCIe

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 84.8 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 84.8 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 84.8 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 84.8 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 84.8 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 84.8 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 78.5 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 77.0 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 77.0 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 77.0 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a A2 PCIe

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 432 modele, które ta karta może uruchomić. Szukaj według nazwy lub rozmiaru — wpisanie 27b pasuje do liczby parametrów, nawet gdy nazwa tego nie stwierdza.

  2. 02

    Ustaw długość kontekstu, którą faktycznie będziesz używać

    Dłuższe rozmowy kosztują pamięć oprócz wag. 16 GB to często różnica między modelem, który się mieści, a takim, który się nie mieści.

  3. 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.

  4. 04

    Spójrz na zakres, nie tylko na liczbę

    Liczby są obliczane, a nie mierzone. Najszybszy wynik na tej karcie to 84.8 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 16 GB.

  6. 06

    Otwórz model, aby porównać karty

    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 A2 PCIe.

Odpowiedzi

A2 PCIe — częste pytania

01

A2 PCIe— czy może działać 13B modele?

Tak. Na przykład działa DeepSeekMoE-16B w Q6_K, używając około 13.7 GB pamięci i generowanie około 42.8 tokeny na sekundę

02

A2 PCIe— czy może działać 30B modele?

Tak. Na przykład działa ERNIE-4.5-VL-28B-A3B w Q3_K_M, używając około 12.9 GB pamięci i generowanie około 45.4 tokeny na sekundę

03

A2 PCIe— Ile ma pamięci?

Ta karta ma 16 GB z GDDR6. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 14.4 GB dostępny dla modelu i jego rozmowy

04

A2 PCIe— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 200 GB/s przez magistralę 128 bity. To jest jedyny najlepszy wskaźnik tego, jak szybko generuje tekst, ponieważ produkcja każdego tokena oznacza odczytanie całego modelu z pamięci jednocześnie.

05

A2 PCIe— Jakiego typu pamięci używa?

Używa GDDR6 prędkość zegara na 1.56 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.

06

A2 PCIe— kto to robi?

To jest produkt NVIDIA, z chipem wyprodukowanym przez Samsung, na procesie 8 nm.

07

A2 PCIe— kiedy to zostało wydane?

Został wydany w November 2021.

08

A2 PCIe— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 60 W, i sugerowane zasilanie systemu wynosi 250 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.

09

A2 PCIe— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 128 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.

10

A2 PCIe— jakie są jego TFLOPS?

Jest oceniane na 4.5 TFLOPS przy połowicznej precyzji i 4.5 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.

11

A2 PCIe— Ile rdzeni tensorowych ma?

To ma 40 Rdzenie tensorowe na wzdłuż 10 Procesory strumieniowe. Przyspieszają arytmetykę macierzy, z której zbudowany jest transformator, co głównie przyspiesza przetwarzanie długiego promptu, a nie generowanie odpowiedzi.

12

A2 PCIe— czy obsługuje CUDA?

Tak. Raportuje zdolność obliczeniową CUDA. 8.6. Funkcjonalność 7.0 i wyższa ma rdzenie tensorowe, z których korzysta nowoczesne oprogramowanie inferencyjne; poniżej tego korzysta z wolniejszych ścieżek kodu dla modelów kwantyzowanych.

13

A2 PCIe— Jakiego interfejsu autobusowego używa?

Używa PCIe 4.0 x8. 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.

14

A2 PCIe— 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 432 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

15

A2 PCIe— czy może uruchomić model, który nie mieści się w jego VRAM?

Tylko częściowo. Warstwy poza kartą 16 GB zaciąga cały system w dół, a żadne z danych na tej stronie tego nie uwzględnia.

16

Czy dwa A2 PCIe karty będą dwa razy szybsze?

Liberalizowanie ich kupuje przestrzeń zamiast tempa: 32 GB pracować z zamiast dwa razy więcej tokenów na sekundę — każda liczba tutaj dotyczy pojedynczej KARTY.

17

A2 PCIe— które modele AI może uruchomić?

432 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.

18

A2 PCIe— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to Nemotron 3-Nano-30B-A3B w 31.6B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 40.2 tokenów na sekundę i potrzebuje około 14.4 GB pamięci karty.

19

A2 PCIe— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 84.8 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.

20

A2 PCIe— 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 12.7 tokeny na sekundę

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