Oblicz TPS modelu T1000 na lokalnych modelach AI

NVIDIA 4 GB GDDR6 160 GB/s May 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

97 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

DeciLM 6B

5.7B · Q3_K_M · 32.1 tok/s

Najszybszy model

Gemma 3 QAT 1B

67.8 tok/s · 1B

Które modele AI mogą działać na a T1000?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

Więcej kontekstu oznacza więcej VRAM dla pamięci rozmowy. Szybkość dotyczy świeżej rozmowy i nie zmienia się przy tym ustawieniu..

Minimalna jakość

Ukrywa modele, które można by zmieścić tylko przez skompresowanie poniżej tego punktu.

Szukaj modeli

Rozmiar modelu

Wydane

Pokazuje również modele, których nie może uruchomić.

97 modele pasują

Obliczanie

						Kwantyzacja	Pasuje
67.8 tok/s 58–81	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
67.8 tok/s 58–81	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
67.8 tok/s 41–108 · niska pewność	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
67.8 tok/s 41–108 · niska pewność	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
67.8 tok/s 41–108 · niska pewność	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
67.8 tok/s 41–108 · niska pewność	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
62.8 tok/s 38–100 · niska pewność	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Wygodny
61.6 tok/s 37–99 · niska pewność	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
61.6 tok/s 37–99 · niska pewność	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
61.6 tok/s 37–99 · niska pewność	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
61.6 tok/s 37–99 · niska pewność	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
56.5 tok/s 34–90 · niska pewność	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
56.5 tok/s 34–90 · niska pewność	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
56.5 tok/s 34–90 · niska pewność	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
56.5 tok/s 34–90 · niska pewność	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
55.1 tok/s 47–66	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	54k tokeny	Q8_0	Wygodny
54.3 tok/s 33–87 · niska pewność	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · niska pewność	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · niska pewność	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · niska pewność	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · niska pewność	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · niska pewność	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · niska pewność	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · niska pewność	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Wygodny
52.1 tok/s 31–83 · 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

T1000 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: 160 GB/s
Typ pamięci: GDDR6
Szerokość magistrali pamięci: 128 bit
Zegar pamięci: 1.25 GHz

Czip

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

Procesor graficzny: TU117
Architektura: Turing
Generacja: Quadro Turing(Tx000)
Odlewnia: TSMC
Rozmiar procesu: 12 nm
Transistory: 4.7 billion
Gęstość tranzystorów: 23,500 K/mm²
Rozmiar die: 200 mm²
Pakiet: BGA-960
Wydane: 6 May 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: 1.07 GHz
Zegar zwiększający: 1.4 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: 896
Jednostki mapowania tekstur: 56
Jednostki wyjściowe.Render: 32
Procesory strumieniowe: 14
cache L1: 64 KB
pamięć podręczna L2: 1 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): 5 TFLOPS
Pojedyncza precyzja (FP32): 2.5 TFLOPS
Podwójna precyzja (FP64): 78.1 GFLOPS
Wskaźnik pikseli: 45 GPixel/s
Współczynnik tekstury: 78 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): 50 W
Zalecany zasilacz: 250 W
Złącza zasilające: None
Interfejs magistrali: PCIe 3.0 x16
Szerokość slotu: Single-slot
Wymiary: 156 mm
Wyświetl wyniki: 4x mini-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: 7.5
DirectX: 12.1
OpenGL: 4.6
Vulkan: 1.4
OpenCL: 3.0
Model cieniowania: 6.8

Oferty

Gdzie kupić GPU T1000

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

4 GB

Szerokość pasma

160 GB/s

Największy model

DeciLM 6B

T1000 niesie tylko 4 GB z GDDR6. 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 160 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 1.25 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.

W praktyce ta kombinacja osiąga maksimum na DeciLM 6B, 5.7B, skompresowane do Q3_K_M i generowanie wokół 32.1 tokeny na sekundę

Układ scalony i jak został zbudowany

T1000 jest zbudowany na procesorze graficznym TU117, używając architektury Turing z NVIDIA, jako część generacji Quadro Turing(Tx000).

Chip jest produkowany przez TSMC, na procesie 12 nm, z kostką o wymiarach 200 mm², trzymanie 4.7 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 May 2021, szacunkowo 5.2380209493068 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

5 TFLOPS

FP64

78.1 GFLOPS

Na papierze T1000 osiąga 5 TFLOPS przy półprecyzji, i 2.5 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 78.1 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 1.07 GHz do zwiększenia 1.4 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

T1000 ma pamięć podręczną L1 64 KB, wspierany przez pamięć podręczną L2 1 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 896 Jednostki cieniujące, 56 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

50 W

T1000 jest oceniane na 50 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 156 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 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 T1000

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

01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 30.3 tok/s
02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 33.3 tok/s
03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 39.1 tok/s
04 Qwen3-4B 4B · Q3_K_M · Apr 2025 45.7 tok/s
05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 39.1 tok/s
06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 39.1 tok/s
07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 32.7 tok/s
08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 37.3 tok/s
09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 37.3 tok/s
10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 32.1 tok/s

Najszybsze modele AI na a T1000

Gdzie ta KARTA produkuje tokeny najszybciej. Mniejsze modele dominują tutaj, ponieważ generowanie każdego tokenu oznacza odczytanie całego modelu z pamięci raz..

01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 67.8 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 67.8 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 67.8 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 67.8 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 67.8 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 67.8 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 62.8 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 61.6 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 61.6 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 61.6 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a T1000

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

Szukaj modelu, którego chcesz

Tabela zawiera 97 modele, które obsługuje karta. Pole wyszukiwania przyjmuje nazwę lub rozmiar, taki jak 27b, który odpowiada liczbie parametrów.
02

Zdecyduj, jak długo trwają twoje rozmowy

Dłuższe rozmowy kosztują pamięć oprócz wag. 4 GB więc ustawienia warto dobrze ustawić.
03

Przypnij porównanie do jednego poziomu jakości

Domyślnie tabela wybiera najmniej skompresowaną kopię, która się zmieści. Ustawienie minimum usuwa modele, które kwalifikują się tylko dzięki dużej kompresji.
04

Weź zakres jako odpowiedź

Każda prędkość jest oszacowaniem dla pojedynczej rozmowy, z zakresem poniżej. Górna granica tutaj to 67.8 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 swój zapas przed podjęciem decyzji

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.
06

Sprawdź ten sam model z drugiej strony

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 T1000.

Odpowiedzi

T1000 — częste pytania

T1000— 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 32.1 tokenów na sekundę i potrzebuje około 3.5 GB pamięci karty.

T1000— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 67.8 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.

T1000— Ile ma pamięci?

Ta karta ma 4 GB z GDDR6. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 3.6 GB dostępny dla modelu i jego rozmowy

T1000— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 160 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.

T1000— Jakiego typu pamięci używa?

Używa GDDR6 prędkość zegara na 1.25 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.

T1000— kto to robi?

To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 12 nm.

T1000— kiedy to zostało wydane?

Został wydany w May 2021.

T1000— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 50 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.

T1000— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 64 KB, i pamięć podręczna L2 jest 1 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.

T1000— jakie są jego TFLOPS?

Jest oceniane na 5 TFLOPS przy połowicznej precyzji i 2.5 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.

T1000— czy obsługuje CUDA?

Tak. Raportuje zdolność obliczeniową CUDA. 7.5. Funkcjonalność 7.0 i wyższa ma rdzenie tensorowe, z których korzysta nowoczesne oprogramowanie inferencyjne; poniżej tego korzysta z wolniejszych ścieżek kodu dla modelów kwantyzowanych.

T1000— 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.

T1000— 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.

T1000— czy może uruchomić model, który nie mieści się w jego VRAM?

Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 4 GB zaciąga cały system w dół, a żadne z danych na tej stronie tego nie uwzględnia.

Czy dwa T1000 karty będą dwa razy szybsze?

Liberalizowanie ich kupuje przestrzeń zamiast tempa: 8 GB pracować z zamiast dwa razy więcej tokenów na sekundę — każda liczba tutaj dotyczy pojedynczej KARTY.

T1000— 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.

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