Oblicz TPS modelu RTX A4000 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
Nemotron 3-Nano-30B-A3B
31.6B · Q3_K_M · 90.0 tok/s
Najszybszy model
Gemma 3 QAT 1B
190 tok/s · 1B
Które modele AI mogą działać na a RTX A4000?
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 | ||||||
|---|---|---|---|---|---|---|---|
|
190
tok/s
161–228 |
Gemma 3 1B | 1B | Mar 2025 | 1.8 GB | 33k tokeny | Q8_0 | Wygodny |
|
190
tok/s
161–228 |
Gemma 3 QAT 1B | 1B | Apr 2025 | 1.8 GB | 33k tokeny | Q8_0 | Wygodny |
|
190
tok/s
114–304 · niska pewność |
HGRN 1B (WT 103) ≈ | 1B | Nov 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
190
tok/s
114–304 · niska pewność |
LLama 3..2 Typhoon 2 1B ≈ | 1B | Dec 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
190
tok/s
114–304 · niska pewność |
OLMo-1B ≈ | 1B | Feb 2024 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
190
tok/s
114–304 · niska pewność |
Pythia-1b ≈ | 1B | Apr 2023 | 1.8 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
176
tok/s
105–281 · niska pewność |
OpenELM-1.1B ≈ | 1.1B | May 2024 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
172
tok/s
104–276 · niska pewność |
DeciCoder-1B ≈ | 1.1B | Aug 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
172
tok/s
104–276 · niska pewność |
SantaCoder ≈ | 1.1B | Jan 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
172
tok/s
104–276 · niska pewność |
TinyLlama-1.1B (1T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
172
tok/s
104–276 · niska pewność |
TinyLlama-1.1B (3T token checkpoint) ≈ | 1.1B | Oct 2023 | 1.9 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
158
tok/s
95–253 · niska pewność |
EXAONE 4.0 (1.2B) ≈ | 1.2B | Jul 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
158
tok/s
95–253 · niska pewność |
MinerU2.5 ≈ | 1.2B | Sep 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
158
tok/s
95–253 · niska pewność |
Pleias 1.0 1.2B ≈ | 1.2B | Dec 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
158
tok/s
95–253 · niska pewność |
Pleias-RAG-1B ≈ | 1.2B | Apr 2025 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
154
tok/s
131–185 |
Llama 3.2 1B | 1.2B | Sep 2024 | 2.2 GB | 131k tokeny | Q8_0 | Wygodny |
|
152
tok/s
91–243 · niska pewność |
MiniCPM-1.2B ≈ | 1.2B | Jun 2024 | 2.0 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · niska pewność |
DeepSeek Coder 1.3B ≈ | 1.3B | Jan 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · niska pewność |
DeepSeek-VL-1.3B ≈ | 1.3B | Mar 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · niska pewność |
DigiRL ≈ | 1.3B | Jun 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · niska pewność |
GLA Transformer 1.3B ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · niska pewność |
Janus 1.3B ≈ | 1.3B | Oct 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · niska pewność |
Kosmos-2.5 ≈ | 1.3B | Aug 2024 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · niska pewność |
Otter ≈ | 1.3B | May 2023 | 2.1 GB | 131k tokeny ? | Q8_0 | Wygodny |
|
146
tok/s
88–234 · 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
RTX A4000 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
- 448 GB/s
- Typ pamięci
- GDDR6
- Szerokość magistrali pamięci
- 256 bit
- Zegar pamięci
- 1.75 GHz
Czip
Jaki procesor jest na płycie i jak został wyprodukowany. Mniejszy rozmiar procesu zazwyczaj oznacza większą wydajność przy tej samej mocy.
- Procesor graficzny
- GA104
- Architektura
- Ampere
- Generacja
- Workstation Ampere(Ax000)
- Odlewnia
- Samsung
- Rozmiar procesu
- 8 nm
- Transistory
- 17.4 billion
- Gęstość tranzystorów
- 44,400 K/mm²
- Rozmiar die
- 392 mm²
- Pakiet
- BGA-2713
- Wydane
- 12 April 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
- 735 MHz
- Zegar zwiększający
- 1.56 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
- 6,144
- Jednostki mapowania tekstur
- 192
- Jednostki wyjściowe.Render
- 96
- Procesory strumieniowe
- 48
- Rdzenie tensorowe
- 192
- Rdzenie śledzenia promieni
- 48
- cache L1
- 128 KB
- pamięć podręczna L2
- 4 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)
- 19.2 TFLOPS
- Pojedyncza precyzja (FP32)
- 19.2 TFLOPS
- Podwójna precyzja (FP64)
- 299.5 GFLOPS
- Wskaźnik pikseli
- 150 GPixel/s
- Współczynnik tekstury
- 300 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)
- 140 W
- Zalecany zasilacz
- 300 W
- Złącza zasilające
- 1x 6-pin
- Interfejs magistrali
- PCIe 4.0 x16
- Szerokość slotu
- Single-slot
- Wymiary
- 241 mm
- Wyświetl wyniki
- 4x DisplayPort 1.4a
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 RTX A4000
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
16 GB
Szerokość pasma
448 GB/s
Największy model
Nemotron 3-Nano-30B-A3B
RTX A4000 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 448 GB/s przez magistralę 256 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.
To pochodzi z zegara pamięci 1.75 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.
Największą rzeczą, jaką ma, jest Nemotron 3-Nano-30B-A3B, 31.6B, skompresowane do Q3_K_M i generowanie wokół 90.0 tokeny na sekundę
Układ scalony i jak został zbudowany
RTX A4000 jest zbudowany na procesorze graficznym GA104, używając architektury Ampere z NVIDIA, jako część generacji Workstation Ampere(Ax000).
Chip jest produkowany przez Samsung, na procesie 8 nm, z kostką o wymiarach 392 mm², trzymanie 17.4 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 April 2021, szacunkowo 5.3036996525356 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
19.2 TFLOPS
FP64
299.5 GFLOPS
Rdzenie tensorowe
192
Na papierze RTX A4000 osiąga 19.2 TFLOPS przy półprecyzji, i 19.2 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 299.5 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 192 Rdzenie tensorowe na wzdłuż 48 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 735 MHz do zwiększenia 1.56 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
RTX A4000 ma pamięć podręczną L1 128 KB, wspierany przez pamięć podręczną L2 4 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 6,144 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
140 W
RTX A4000 jest oceniane na 140 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 4.0 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 RTX A4000
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 RTX A4000
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 RTX A4000
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
Model: model AI Run: uruchomienie modelu AI Does not fit: nie mieści się w GPU VRAM Tight: ledwo uruchamialny Comfortable: działa płynnie Open weight: model AI typu open-source On file: w naszej bazie danych Releases: nowo wydane GPU Memory/memory-bound: GPU VRAM/bandwidth Card: karta GPU Context length: okno kontekstu AI
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.
-
02
Dopasuj kontekst do swojej pracy
Przeciągnij suwak do długości rozmowy, na której planujesz pracować. Pamięć podręczna rośnie wraz z rozmową, a w porównaniu do karty trzymającej 16 GB więc ustawienia warto dobrze ustawić.
-
03
Ustaw minimalną jakość, jeśli jest potrzebna.
Kompresja to to, co pozwala większym modelom się zmieścić. Kontrola jakości odrzuca każdy model, który potrzebuje więcej tego, niż jesteś skłonny dać.
-
04
Weź zakres jako odpowiedź
Liczby są obliczane, a nie mierzone. Najszybszy wynik na tej karcie to 190 tok/s na Gemma 3 QAT 1B. Ta sama karta i model różnią się od trzydziestu do pięćdziesięciu procent między czasami wykonywania inference.
-
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.
-
06
Sprawdź ten sam model z drugiej strony
Każda strona modelu powtarza tę kalkulację dla całego katalogu. Warto spojrzeć przed podjęciem decyzji: pokazuje, co jeszcze uruchamia ten sam model, obok RTX A4000.
Odpowiedzi
RTX A4000 — częste pytania
RTX A4000— czy jest dobry do uruchamiania lokalnych modeli AI?
Jego pamięć obejmuje małe i średnie modele, chociaż największe są poza zasięgiem, a jego przepustowość zapewnia użyteczne, chociaż niespektakularne, prędkości generacji. W sumie działa 432 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.
RTX A4000— czy może uruchomić model, który nie mieści się w jego VRAM?
Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 16 GB jest możliwe i zwykle jest to fałszywa oszczędność: część pamięci systemu jest wystarczająco wolna, aby zdominować wynik.
Czy dwa RTX A4000 karty będą dwa razy szybsze?
Liberalizowanie ich kupuje przestrzeń zamiast tempa: 32 GB z połączoną pamięcią, w mniej więcej tej samej prędkości generacji co jeden.
RTX A4000— 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.
RTX A4000— 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 90.0 tokenów na sekundę i potrzebuje około 14.4 GB pamięci karty.
RTX A4000— Ile tokenów na sekundę produkuje?
To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 190 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.
RTX A4000— 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 28.3 tokeny na sekundę
RTX A4000— czy może działać 13B modele?
Tak. Na przykład działa DeepSeekMoE-16B w Q6_K, używając około 13.7 GB pamięci i generowanie około 95.7 tokeny na sekundę
RTX A4000— 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 102 tokeny na sekundę
RTX A4000— 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
RTX A4000— jaka jest jej przepustowość VRAM?
Przepustowość pamięci osiąga 448 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.
RTX A4000— Jakiego typu pamięci używa?
Używa GDDR6 prędkość zegara na 1.75 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.
RTX A4000— kto to robi?
To jest produkt NVIDIA, z chipem wyprodukowanym przez Samsung, na procesie 8 nm.
RTX A4000— kiedy to zostało wydane?
Został wydany w April 2021.
RTX A4000— ile mocy zużywa?
Moc nominalna karty graficznej wynosi 140 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.
RTX A4000— ile pamięci podręcznej ma?
Pamięć podręczna L1 jest 128 KB, i pamięć podręczna L2 jest 4 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.
RTX A4000— jakie są jego TFLOPS?
Jest oceniane na 19.2 TFLOPS przy połowicznej precyzji i 19.2 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.
RTX A4000— Ile rdzeni tensorowych ma?
To ma 192 Rdzenie tensorowe na wzdłuż 48 Procesory strumieniowe. Przyspieszają arytmetykę macierzy, z której zbudowany jest transformator, co głównie przyspiesza przetwarzanie długiego promptu, a nie generowanie odpowiedzi.
RTX A4000— 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.
RTX A4000— Jakiego interfejsu autobusowego używa?
Używa PCIe 4.0 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.
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.