Oblicz TPS modelu H100 PCIe 80 GB na lokalnych modelach AI

NVIDIA 80 GB HBM2e 2,040 GB/s October 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

609 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

dots.llm1

142B · Q3_K_M · 16.4 tok/s

Najszybszy model

Gemma 3 QAT 1B

864 tok/s · 1B

Które modele AI mogą działać na a H100 PCIe 80 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.

609 modele pasują

Obliczanie

						Kwantyzacja	Pasuje
864 tok/s 734–1,037	Gemma 3 1B	1B	Mar 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
864 tok/s 734–1,037	Gemma 3 QAT 1B	1B	Apr 2025	1.8 GB	33k tokeny	Q8_0	Wygodny
864 tok/s 518–1,382 · niska pewność	HGRN 1B (WT 103) ≈	1B	Nov 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
864 tok/s 518–1,382 · niska pewność	LLama 3..2 Typhoon 2 1B ≈	1B	Dec 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
864 tok/s 518–1,382 · niska pewność	OLMo-1B ≈	1B	Feb 2024	1.8 GB	131k tokeny ?	Q8_0	Wygodny
864 tok/s 518–1,382 · niska pewność	Pythia-1b ≈	1B	Apr 2023	1.8 GB	131k tokeny ?	Q8_0	Wygodny
800 tok/s 480–1,280 · niska pewność	OpenELM-1.1B ≈	1.1B	May 2024	1.9 GB	131k tokeny ?	Q8_0	Wygodny
785 tok/s 471–1,257 · niska pewność	DeciCoder-1B ≈	1.1B	Aug 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
785 tok/s 471–1,257 · niska pewność	SantaCoder ≈	1.1B	Jan 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
785 tok/s 471–1,257 · niska pewność	TinyLlama-1.1B (1T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
785 tok/s 471–1,257 · niska pewność	TinyLlama-1.1B (3T token checkpoint) ≈	1.1B	Oct 2023	1.9 GB	131k tokeny ?	Q8_0	Wygodny
720 tok/s 432–1,152 · niska pewność	EXAONE 4.0 (1.2B) ≈	1.2B	Jul 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
720 tok/s 432–1,152 · niska pewność	MinerU2.5 ≈	1.2B	Sep 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
720 tok/s 432–1,152 · niska pewność	Pleias 1.0 1.2B ≈	1.2B	Dec 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
720 tok/s 432–1,152 · niska pewność	Pleias-RAG-1B ≈	1.2B	Apr 2025	2.0 GB	131k tokeny ?	Q8_0	Wygodny
702 tok/s 597–843	Llama 3.2 1B	1.2B	Sep 2024	2.2 GB	131k tokeny	Q8_0	Wygodny
693 tok/s 416–1,108 · niska pewność	MiniCPM-1.2B ≈	1.2B	Jun 2024	2.0 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · niska pewność	DeepSeek Coder 1.3B ≈	1.3B	Jan 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · niska pewność	DeepSeek-VL-1.3B ≈	1.3B	Mar 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · niska pewność	DigiRL ≈	1.3B	Jun 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · niska pewność	GLA Transformer 1.3B ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · niska pewność	Janus 1.3B ≈	1.3B	Oct 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · niska pewność	Kosmos-2.5 ≈	1.3B	Aug 2024	2.1 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · niska pewność	Otter ≈	1.3B	May 2023	2.1 GB	131k tokeny ?	Q8_0	Wygodny
665 tok/s 399–1,063 · 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

H100 PCIe 80 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: 80 GB
Pasmo pamięci: 2,040 GB/s
Typ pamięci: HBM2e
Szerokość magistrali pamięci: 5,120 bit
Zegar pamięci: 1.59 GHz

Czip

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

Procesor graficzny: GH100
Architektura: Hopper
Generacja: Server Hopper(Hxx)
Odlewnia: TSMC
Rozmiar procesu: 5 nm
Transistory: 80 billion
Gęstość tranzystorów: 98,300 K/mm²
Rozmiar die: 814 mm²
Wydane: 1 October 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: 1.1 GHz
Zegar zwiększający: 1.76 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: 14,592
Jednostki mapowania tekstur: 456
Jednostki wyjściowe.Render: 24
Procesory strumieniowe: 114
Rdzenie tensorowe: 456
cache L1: 250 KB
pamięć podręczna L2: 50 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): 204.9 TFLOPS
Pojedyncza precyzja (FP32): 51.2 TFLOPS
Podwójna precyzja (FP64): 25.6 TFLOPS
Wskaźnik pikseli: 42 GPixel/s
Współczynnik tekstury: 800 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): 350 W
Zalecany zasilacz: 750 W
Złącza zasilające: 1x 16-pin
Interfejs magistrali: PCIe 5.0 x16
Szerokość slotu: Dual-slot
Wymiary: 268 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: 9.0
OpenCL: 3.0

Oferty

Gdzie kupić GPU H100 PCIe 80 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

Co oznacza subsystém pamięci dla AI

VRAM

80 GB

Szerokość pasma

2,040 GB/s

Największy model

dots.llm1

H100 PCIe 80 GB trzyma 80 GB z HBM2e. To stawia go w klasie sprzętu, który obsługuje największe modele open-weight bez dzielenia ich na maszyny. Czas wykonania inferencji może osiągnąć około 72 GB.

Przepustowość pamięci osiąga 2,040 GB/s przez magistralę 5,120 bity. To jest na szczycie tego, co istnieje. Ponieważ każdy token oznacza odczytanie całego modelu z pamięci raz, przekłada się to prawie bezpośrednio na prędkość generacji - ta KARTA jest wystarczająco bogata w przepustowość, że rozmiar modelu przestaje być czynnikiem ograniczającym na długo przed tym, jak zrobi to magistrala.

Przepustowość to zegar razy szerokość magistrali, a ta KARTA zegaruje swoją pamięć na 1.59 GHz. Poszerzenie magistrali i podniesienie zegara to dwa dźwignie, które ma producent, dlatego karta z nie wybitnymi rdzeniami może nadal generować szybko.

Największą rzeczą, jaką ma, jest dots.llm1, 142B, skompresowane do Q3_K_M i generowanie wokół 16.4 tokeny na sekundę

Układ scalony i jak został zbudowany

H100 PCIe 80 GB jest zbudowany na procesorze graficznym GH100, używając architektury Hopper z NVIDIA, jako część generacji Server Hopper(Hxx).

Chip jest produkowany przez TSMC, na procesie 5 nm, z kostką o wymiarach 814 mm², trzymanie 80 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 October 2022, szacunkowo 3.832554495437 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

204.9 TFLOPS

FP64

25.6 TFLOPS

Rdzenie tensorowe

456

Na papierze H100 PCIe 80 GB osiąga 204.9 TFLOPS przy półprecyzji, i 51.2 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 25.6 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 456 Rdzenie tensorowe na wzdłuż 114 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 1.1 GHz do zwiększenia 1.76 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

H100 PCIe 80 GB ma pamięć podręczną L1 250 KB, wspierany przez pamięć podręczną L2 50 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 14,592 Jednostki cieniujące, 456 Jednostki mapowania tekstur, i 24 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

350 W

H100 PCIe 80 GB jest oceniane na 350 W, i sugerowane zasilanie systemu wynosi 750 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 268 mm długi, i potrzebuje 1x 16-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 5.0 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 H100 PCIe 80 GB

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

01 Mistral Medium 3.5 128B · IQ4_XS · Apr 2026 16.6 tok/s
02 dots.llm1 142B · Q3_K_M · Jul 2025 16.4 tok/s
03 Pixtral Large 124B · IQ4_XS · Nov 2024 17.1 tok/s
04 xLAM-8x22B 141B · Q3_K_M · Sep 2024 16.5 tok/s
05 SaulLM-large 141B · Q3_K_M · Jul 2024 16.5 tok/s
06 Mixtral 8x22B 141B · Q3_K_M · Apr 2024 59.8 tok/s
07 WizardLM-2 8x22B 141B · Q3_K_M · Apr 2024 16.5 tok/s
08 Zephyr 141B-A39B 141B · Q3_K_M · Apr 2024 59.8 tok/s
09 APUS-xDAN-4.0(MoE) 136B · Q3_K_M · Apr 2024 17.1 tok/s
10 DBRX 132B · IQ4_XS · Mar 2024 58.9 tok/s

Najszybsze modele AI na a H100 PCIe 80 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 864 tok/s
02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 864 tok/s
03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 864 tok/s
04 OLMo-1B 1B · Q8_0 · 1.8 GB 864 tok/s
05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 864 tok/s
06 Pythia-1b 1B · Q8_0 · 1.8 GB 864 tok/s
07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 800 tok/s
08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 785 tok/s
09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 785 tok/s
10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 785 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a H100 PCIe 80 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

Znajdź model w tabeli

Tabela zawiera 609 modele, które ta karta uruchamia. Wyszukiwanie zawęża listę według nazwy lub rozmiaru.
02

Zdecyduj, jak długo trwają twoje rozmowy

Dłuższe rozmowy kosztują pamięć oprócz wag. 80 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 864 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 oznacza, że działa dzisiaj; comfortable oznacza, że nadal działa, gdy rozmowa się rozwija. Porównaj, co każdy model potrzebuje w porównaniu z dostępnym. 80 GB.
06

Sprawdź w innych urządzeniach.

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 H100 PCIe 80 GB.

Odpowiedzi

H100 PCIe 80 GB — częste pytania

H100 PCIe 80 GB— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 2,040 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.

H100 PCIe 80 GB— Jakiego typu pamięci używa?

Używa HBM2e prędkość zegara na 1.59 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.

H100 PCIe 80 GB— kto to robi?

To jest produkt NVIDIA, z chipem wyprodukowanym przez TSMC, na procesie 5 nm.

H100 PCIe 80 GB— kiedy to zostało wydane?

Został wydany w October 2022.

H100 PCIe 80 GB— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 350 W, i sugerowane zasilanie systemu wynosi 750 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.

H100 PCIe 80 GB— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 250 KB, i pamięć podręczna L2 jest 50 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.

H100 PCIe 80 GB— jakie są jego TFLOPS?

Jest oceniane na 204.9 TFLOPS przy połowicznej precyzji i 51.2 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.

H100 PCIe 80 GB— Ile rdzeni tensorowych ma?

To ma 456 Rdzenie tensorowe na wzdłuż 114 Procesory strumieniowe. Przyspieszają arytmetykę macierzy, z której zbudowany jest transformator, co głównie przyspiesza przetwarzanie długiego promptu, a nie generowanie odpowiedzi.

H100 PCIe 80 GB— czy obsługuje CUDA?

Tak. Raportuje zdolność obliczeniową CUDA. 9.0. Funkcjonalność 7.0 i wyższa ma rdzenie tensorowe, z których korzysta nowoczesne oprogramowanie inferencyjne; poniżej tego korzysta z wolniejszych ścieżek kodu dla modelów kwantyzowanych.

H100 PCIe 80 GB— Jakiego interfejsu autobusowego używa?

Używa PCIe 5.0 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.

H100 PCIe 80 GB— czy jest dobry do uruchamiania lokalnych modeli AI?

Jego VRAM jest wystarczająco duża dla modeli, do których większość sprzętu komputerowego nie ma dostępu, a jego przepustowość plasuje go wśród najszybszego sprzętu dostępnego do generacji. W sumie działa 609 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

H100 PCIe 80 GB— czy może uruchomić model, który nie mieści się w jego VRAM?

Przekroczenie karty 80 GB jest możliwe i zwykle jest to fałszywa oszczędność: część pamięci systemu jest wystarczająco wolna, aby zdominować wynik.

Czy dwa H100 PCIe 80 GB karty będą dwa razy szybsze?

Liberalizowanie ich kupuje przestrzeń zamiast tempa: 160 GB z połączoną pamięcią, w mniej więcej tej samej prędkości generacji co jeden.

H100 PCIe 80 GB— które modele AI może uruchomić?

609 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.

H100 PCIe 80 GB— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to dots.llm1 w 142B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 16.4 tokenów na sekundę i potrzebuje około 70.1 GB pamięci karty.

H100 PCIe 80 GB— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 864 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.

H100 PCIe 80 GB— 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 129 tokeny na sekundę

H100 PCIe 80 GB— czy może działać 13B modele?

Tak. Na przykład działa DeepSeekMoE-16B w Q8_0, używając około 17.5 GB pamięci i generowanie około 300 tokeny na sekundę

H100 PCIe 80 GB— czy może działać 30B modele?

Tak. Na przykład działa ERNIE-4.5-VL-28B-A3B w Q8_0, używając około 29.2 GB pamięci i generowanie około 171 tokeny na sekundę

H100 PCIe 80 GB— czy może działać 70B modele?

Tak. Na przykład działa Qwen3-Coder-Next w Q6_K, używając około 62.0 GB pamięci i generowanie około 87.2 tokeny na sekundę

H100 PCIe 80 GB— Ile ma pamięci?

Ta karta ma 80 GB z HBM2e. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 72 GB dostępny dla modelu i jego rozmowy

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