Oblicz TPS modelu A800 PCIe 40 GB na lokalnych modelach AI

NVIDIA 40 GB HBM2e 1,560 GB/s November 2022

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

604 modele, które może uruchomić

721 modele w naszym katalogu razem

Największy model, który obsługuje

Qwen3-Coder-Next

80B · Q3_K_M · 124 tok/s

Najszybszy model

Gemma 3 QAT 1B

661 tok/s · 1B

Które modele AI mogą działać na a A800 PCIe 40 GB?

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.

604 modele pasują

Obliczanie

						Kwantyzacja	Pasuje
661 tok/s 562–793	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
661 tok/s 562–793	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
661 tok/s 396–1,057 · niska pewność	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
661 tok/s 396–1,057 · niska pewność	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
661 tok/s 396–1,057 · niska pewność	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
661 tok/s 396–1,057 · niska pewność	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
612 tok/s 367–979 · niska pewność	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Wygodny
601 tok/s 360–961 · niska pewność	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
601 tok/s 360–961 · niska pewność	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
601 tok/s 360–961 · niska pewność	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
601 tok/s 360–961 · niska pewność	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
551 tok/s 330–881 · niska pewność	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
551 tok/s 330–881 · niska pewność	LFM2-1.2B ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
551 tok/s 330–881 · niska pewność	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
551 tok/s 330–881 · niska pewność	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
551 tok/s 330–881 · niska pewność	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
537 tok/s 457–645	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Wygodny
530 tok/s 318–847 · niska pewność	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
508 tok/s 305–813 · niska pewność	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
508 tok/s 305–813 · niska pewność	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
508 tok/s 305–813 · niska pewność	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
508 tok/s 305–813 · niska pewność	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
508 tok/s 305–813 · niska pewność	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
508 tok/s 305–813 · niska pewność	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
508 tok/s 305–813 · niska pewność	Otter ≈	1.3B	May 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

A800 PCIe 40 GB 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: 40 GB
Pasmo pamięci: 1,560 GB/s
Typ pamięci: HBM2e
Szerokość magistrali pamięci: 5,120 bit
Zegar pamięci: 1.22 GHz

Czip

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

Procesor graficzny: GA100
Architektura: Ampere
Generacja: Server Ampere(Axx)
Odlewnia: TSMC
Rozmiar procesu: 7 nm
Transistory: 54.2 billion
Gęstość tranzystorów: 65,600 K/mm²
Rozmiar die: 826 mm²
Pakiet: BGA-2743
Wydane: 8 November 2022

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: 765 MHz
Zegar zwiększający: 1.41 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: 6,912
Jednostki mapowania tekstur: 432
Jednostki wyjściowe.Render: 160
Procesory strumieniowe: 108
Rdzenie tensorowe: 432
cache L1: 192 KB
pamięć podręczna L2: 40 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): 78 TFLOPS
Pojedyncza precyzja (FP32): 19.5 TFLOPS
Podwójna precyzja (FP64): 9.7 TFLOPS
Wskaźnik pikseli: 226 GPixel/s
Współczynnik tekstury: 609 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 4.0 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: 8.0
OpenCL: 3.0

Oferty

Gdzie kupić GPU A800 PCIe 40 GB

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

Pamięć: specyfikacja, która decyduje o wszystkim

VRAM

40 GB

Szerokość pasma

1,560 GB/s

Największy model

Qwen3-Coder-Next

A800 PCIe 40 GB nosi 40 GB z HBM2e. To pokrywa modele średniej wielkości, które wiele osób faktycznie uruchamia. Gdy czas działania i sterownik zarezerwują swoją przestrzeń roboczą, mniej więcej tyle zostaje: 36 GB.

Przepustowość pamięci osiąga 1,560 GB/s przez magistralę 5,120 bity. Generowanie tokena oznacza odczytanie każdej wagi raz, więc ta liczba wyznacza tempo bardziej niż jakakolwiek inna liczba tutaj, a na tym poziomie tekst dociera szybciej niż większość ludzi czyta.

Liczba to szerokość magistrali pomnożona przez zegar pamięci 1.22 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.

Największą rzeczą, jaką ma, jest Qwen3-Coder-Next, 80B, skompresowane do Q3_K_M i generowanie wokół 124 tokeny na sekundę

Układ scalony i jak został zbudowany

A800 PCIe 40 GB jest zbudowany na procesorze graficznym GA100, używając architektury Ampere z NVIDIA, jako część generacji Server Ampere(Axx).

Chip jest produkowany przez TSMC, na procesie 7 nm, z kostką o wymiarach 826 mm², trzymanie 54.2 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 November 2022, szacunkowo 3.8492430751669 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

78 TFLOPS

FP64

9.7 TFLOPS

Rdzenie tensorowe

432

Na papierze A800 PCIe 40 GB osiąga 78 TFLOPS przy półprecyzji, i 19.5 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 9.7 TFLOPS. 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 432 Rdzenie tensorowe na wzdłuż 108 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 765 MHz do zwiększenia 1.41 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

A800 PCIe 40 GB ma pamięć podręczną L1 192 KB, wspierany przez pamięć podręczną L2 40 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 6,912 Jednostki cieniujące, 432 Jednostki mapowania tekstur, i 160 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

A800 PCIe 40 GB 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 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 A800 PCIe 40 GB

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

01 Qwen3-Coder-Next 80B · Q3_K_M · Feb 2026 124 tok/s
02 Qwen3-Next-80B-A3B 80B · Q3_K_M · Sep 2025 124 tok/s
03 Kimi Dev 72b 72B · Q3_K_M · Jun 2025 24.8 tok/s
04 OpenThaiGPT 1.6 / OTG-1.6 (72B) 72B · Q3_K_M · Apr 2025 24.8 tok/s
05 Qwen2.5-VL-72B 72B · Q3_K_M · Feb 2025 24.8 tok/s
06 QVQ 72B · Q3_K_M · Dec 2024 24.8 tok/s
07 Athene-V2 72B · Q3_K_M · Nov 2024 24.8 tok/s
08 Qwen2.5-72B 72.7B · Q3_K_M · Sep 2024 24.5 tok/s
09 Qwen2.5 Instruct (72B) 72.7B · Q3_K_M · Sep 2024 24.5 tok/s
10 Qwen2-72B 72.7B · Q3_K_M · Jun 2024 24.5 tok/s

Najszybsze modele AI na a A800 PCIe 40 GB

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 661 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 661 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 661 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 661 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 661 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 661 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 612 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 601 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 601 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 601 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a A800 PCIe 40 GB

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 604 modele, które ta karta uruchamia. Wyszukiwanie zawęża listę według nazwy lub rozmiaru.
02

Zdecyduj, jak długo trwają twoje rozmowy

Przeciągnij suwak do długości rozmowy, na której planujesz pracować. Pamięć podręczna rośnie wraz z rozmową, a w porównaniu do karty trzymającej 40 GB więc ustawienia warto dobrze ustawić.
03

Wybierz, jak daleko chcesz skompresować

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

Spójrz na zakres, nie tylko na liczbę

Liczby są obliczane, a nie mierzone. Najszybszy wynik na tej karcie to 661 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

Kolumna dopasowania oddziela modele, które tylko mieszczą się, od tych, które mają trochę miejsca zapasowego — warto to sprawdzić przed zdecydowaniem się na jeden, w konfrontacji z dostępnym 40 GB.
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 A800 PCIe 40 GB.

Odpowiedzi

A800 PCIe 40 GB — częste pytania

A800 PCIe 40 GB— czy może działać 30B modele?

Tak. Na przykład działa Qwen3.6-35B-A3B w Q6_K, używając około 28.0 GB pamięci i generowanie około 152 tokeny na sekundę

A800 PCIe 40 GB— czy może działać 70B modele?

Tak. Na przykład działa Qwen3-Coder-Next w Q3_K_M, używając około 34.1 GB pamięci i generowanie około 124 tokeny na sekundę

A800 PCIe 40 GB— Ile ma pamięci?

Ta karta ma 40 GB z HBM2e. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 36 GB dostępny dla modelu i jego rozmowy

A800 PCIe 40 GB— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 1,560 GB/s przez magistralę 5,120 bity. To jest jedyny najlepszy wskaźnik tego, jak szybko generuje tekst, ponieważ produkcja każdego tokena oznacza odczytanie całego modelu z pamięci jednocześnie.

A800 PCIe 40 GB— Jakiego typu pamięci używa?

Używa HBM2e prędkość zegara na 1.22 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.

A800 PCIe 40 GB— kto to robi?

To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 7 nm.

A800 PCIe 40 GB— kiedy to zostało wydane?

Został wydany w November 2022.

A800 PCIe 40 GB— 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.

A800 PCIe 40 GB— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 192 KB, i pamięć podręczna L2 jest 40 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.

A800 PCIe 40 GB— jakie są jego TFLOPS?

Jest oceniane na 78 TFLOPS przy połowicznej precyzji i 19.5 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.

A800 PCIe 40 GB— Ile rdzeni tensorowych ma?

To ma 432 Rdzenie tensorowe na wzdłuż 108 Procesory strumieniowe. Przyspieszają arytmetykę macierzy, z której zbudowany jest transformator, co głównie przyspiesza przetwarzanie długiego promptu, a nie generowanie odpowiedzi.

A800 PCIe 40 GB— czy obsługuje CUDA?

Tak. Raportuje zdolność obliczeniową CUDA. 8.0. Funkcjonalność 7.0 i wyższa ma rdzenie tensorowe, z których korzysta nowoczesne oprogramowanie inferencyjne; poniżej tego korzysta z wolniejszych ścieżek kodu dla modelów kwantyzowanych.

A800 PCIe 40 GB— 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.

A800 PCIe 40 GB— czy jest dobry do uruchamiania lokalnych modeli AI?

Jego pamięć komfortowo pokrywa średniej wielkości modele, które większość ludzi uruchamia lokalnie, a jego przepustowość jest na tyle wysoka, że generuje tekst szybciej niż większość ludzi czyta. W sumie działa 604 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

A800 PCIe 40 GB— czy może uruchomić model, który nie mieści się w jego VRAM?

Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 40 GB zaciąga cały system w dół, a żadne z danych na tej stronie tego nie uwzględnia.

Czy dwa A800 PCIe 40 GB karty będą dwa razy szybsze?

Nie. Druga karta podwaja pamięć do 80 GB pracować z zamiast dwa razy więcej tokenów na sekundę — każda liczba tutaj dotyczy pojedynczej KARTY.

A800 PCIe 40 GB— które modele AI może uruchomić?

604 z 721 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.

A800 PCIe 40 GB— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to Qwen3-Coder-Next w 80B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 124 tokenów na sekundę i potrzebuje około 34.1 GB pamięci karty.

A800 PCIe 40 GB— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 661 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.

A800 PCIe 40 GB— czy może działać 7B modele?

Tak. Na przykład działa Gemma 4 E4B w Q8_0, używając około 9.8 GB pamięci i generowanie około 147 tokeny na sekundę

A800 PCIe 40 GB— czy może działać 13B modele?

Tak. Na przykład działa DeepSeekMoE-16B w Q8_0, używając około 17.5 GB pamięci i generowanie około 229 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