Oblicz TPS modelu GeForce RTX 4060 Mobile na lokalnych modelach AI

NVIDIA 8 GB GDDR6 256 GB/s January 2023

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

337 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

Baichuan 1-13B

13.3B · Q3_K_M · 22.1 tok/s

Najszybszy model

Gemma 3 QAT 1B

108 tok/s · 1B

Które modele AI mogą działać na a GeForce RTX 4060 Mobile?

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.

337 modele pasują

Obliczanie
Kwantyzacja Pasuje
108 tok/s

92–130

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

92–130

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

65–173 · niska pewność

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

65–173 · niska pewność

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

65–173 · niska pewność

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

65–173 · niska pewność

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

60–161 · niska pewność

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

59–158 · niska pewność

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

59–158 · niska pewność

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

59–158 · niska pewność

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

59–158 · niska pewność

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

54–145 · niska pewność

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

54–145 · niska pewność

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

54–145 · niska pewność

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

54–145 · niska pewność

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

75–106

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

52–139 · niska pewność

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

50–133 · niska pewność

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

50–133 · niska pewność

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

50–133 · niska pewność

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

50–133 · niska pewność

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

50–133 · niska pewność

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

50–133 · niska pewność

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

50–133 · niska pewność

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

50–133 · 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

GeForce RTX 4060 Mobile 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
8 GB
Pasmo pamięci
256 GB/s
Typ pamięci
GDDR6
Szerokość magistrali pamięci
128 bit
Zegar pamięci
2 GHz

Czip

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

Procesor graficzny
AD107
Architektura
Ada Lovelace
Generacja
GeForce 40 Mobile
Odlewnia
TSMC
Rozmiar procesu
5 nm
Transistory
18.9 billion
Gęstość tranzystorów
118,900 K/mm²
Rozmiar die
159 mm²
Wydane
3 January 2023

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
1.55 GHz
Zegar zwiększający
1.89 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
3,072
Jednostki mapowania tekstur
96
Jednostki wyjściowe.Render
48
Procesory strumieniowe
24
Rdzenie tensorowe
96
Rdzenie śledzenia promieni
24
cache L1
128 KB
pamięć podręczna L2
32 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)
11.6 TFLOPS
Pojedyncza precyzja (FP32)
11.6 TFLOPS
Podwójna precyzja (FP64)
181.4 GFLOPS
Wskaźnik pikseli
91 GPixel/s
Współczynnik tekstury
181 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)
115 W
Złącza zasilające
None
Interfejs magistrali
PCIe 4.0 x8
Szerokość slotu
IGP

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
8.9
DirectX
12.2
OpenGL
4.6
Vulkan
1.4
OpenCL
3.0
Model cieniowania
6.8

Oferty

Gdzie kupić GPU GeForce RTX 4060 Mobile

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

8 GB

Szerokość pasma

256 GB/s

Największy model

Baichuan 1-13B

GeForce RTX 4060 Mobile niesie tylko 8 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 7.2 GB.

Przepustowość pamięci osiąga 256 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 2 GHz. Poszerzenie magistrali i podniesienie zegara to dwa dźwignie, które ma producent, dlatego karta z nie wybitnymi rdzeniami może nadal generować szybko.

Praktyczny sufit to Baichuan 1-13B, 13.3B, skompresowane do Q3_K_M i generowanie wokół 22.1 tokeny na sekundę

Układ scalony i jak został zbudowany

GeForce RTX 4060 Mobile jest zbudowany na procesorze graficznym AD107, używając architektury Ada Lovelace z NVIDIA, jako część generacji GeForce 40 Mobile.

Chip jest produkowany przez TSMC, na procesie 5 nm, z kostką o wymiarach 159 mm², trzymanie 18.9 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 January 2023, szacunkowo 3.5753451079686 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

11.6 TFLOPS

FP64

181.4 GFLOPS

Rdzenie tensorowe

96

Na papierze GeForce RTX 4060 Mobile osiąga 11.6 TFLOPS przy półprecyzji, i 11.6 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 181.4 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 96 Rdzenie tensorowe na wzdłuż 24 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 1.55 GHz do zwiększenia 1.89 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

GeForce RTX 4060 Mobile ma pamięć podręczną L1 128 KB, wspierany przez pamięć podręczną L2 32 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 3,072 Jednostki cieniujące, 96 Jednostki mapowania tekstur, i 48 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

115 W

GeForce RTX 4060 Mobile jest oceniane na 115 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 igp. 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 GeForce RTX 4060 Mobile

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

  1. 01 OLMo 2 Furious 13B 13B · Q3_K_M · Dec 2024 22.5 tok/s
  2. 02 Cambrian-1-13B 13B · Q3_K_M · Jun 2024 22.5 tok/s
  3. 03 Fugaku-LLM 13B · Q3_K_M · May 2024 22.5 tok/s
  4. 04 OpenThaiGPT v1.0.0 (13B) 13.1B · Q3_K_M · Apr 2024 22.3 tok/s
  5. 05 Aya 13B · Q3_K_M · Feb 2024 22.5 tok/s
  6. 06 Elyza 13B · Q3_K_M · Dec 2023 22.5 tok/s
  7. 07 NexusRaven-V2 13B · Q3_K_M · Dec 2023 22.5 tok/s
  8. 08 Baize-v2-13B (白泽) 13B · Q3_K_M · Dec 2023 22.5 tok/s
  9. 09 Stockmark-13B 13.2B · Q3_K_M · Oct 2023 22.2 tok/s
  10. 10 Baichuan 1-13B 13.3B · Q3_K_M · Jul 2023 22.1 tok/s

Najszybsze modele AI na a GeForce RTX 4060 Mobile

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 108 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 108 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 108 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 108 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 108 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 108 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 100 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 98.6 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 98.6 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 98.6 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a GeForce RTX 4060 Mobile

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

    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 337 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

    Zdecyduj, jak długo trwają twoje rozmowy

    Ustaw kontekst na swoją rzeczywistą długość roboczą. Krótkie pytania kosztują prawie nic, ale długi dokument może zająć dużą część 8 GB często jest to to, co pcha duży model na krawędź.

  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

    Weź zakres jako odpowiedź

    Każda prędkość jest oszacowaniem dla pojedynczej rozmowy, z zakresem poniżej. Górna granica tutaj to 108 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

    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 8 GB.

  6. 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 GeForce RTX 4060 Mobile.

Odpowiedzi

GeForce RTX 4060 Mobile — częste pytania

01

GeForce RTX 4060 Mobile— czy może działać 13B modele?

Tak. Na przykład działa Gemma 4 12B w Q3_K_M, używając około 6.5 GB pamięci i generowanie około 24.5 tokeny na sekundę

02

GeForce RTX 4060 Mobile— Ile ma pamięci?

Ta karta ma 8 GB z GDDR6. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 7.2 GB dostępny dla modelu i jego rozmowy

03

GeForce RTX 4060 Mobile— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 256 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.

04

GeForce RTX 4060 Mobile— Jakiego typu pamięci używa?

Używa GDDR6 prędkość zegara na 2 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.

05

GeForce RTX 4060 Mobile— kto to robi?

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

06

GeForce RTX 4060 Mobile— kiedy to zostało wydane?

Został wydany w January 2023.

07

GeForce RTX 4060 Mobile— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 115 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.

08

GeForce RTX 4060 Mobile— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 128 KB, i pamięć podręczna L2 jest 32 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.

09

GeForce RTX 4060 Mobile— jakie są jego TFLOPS?

Jest oceniane na 11.6 TFLOPS przy połowicznej precyzji i 11.6 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.

10

GeForce RTX 4060 Mobile— Ile rdzeni tensorowych ma?

To ma 96 Rdzenie tensorowe na wzdłuż 24 Procesory strumieniowe. Przyspieszają arytmetykę macierzy, z której zbudowany jest transformator, co głównie przyspiesza przetwarzanie długiego promptu, a nie generowanie odpowiedzi.

11

GeForce RTX 4060 Mobile— czy obsługuje CUDA?

Tak. Raportuje zdolność obliczeniową CUDA. 8.9. Funkcjonalność 7.0 i wyższa ma rdzenie tensorowe, z których korzysta nowoczesne oprogramowanie inferencyjne; poniżej tego korzysta z wolniejszych ścieżek kodu dla modelów kwantyzowanych.

12

GeForce RTX 4060 Mobile— 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.

13

GeForce RTX 4060 Mobile— 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 337 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

14

GeForce RTX 4060 Mobile— czy może uruchomić model, który nie mieści się w jego VRAM?

Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 8 GB zaciąga cały system w dół, a żadne z danych na tej stronie tego nie uwzględnia.

15

Czy dwa GeForce RTX 4060 Mobile karty będą dwa razy szybsze?

Pojemność dodaje, wydajność nie. Dwie z nich dają ci 16 GB pracować z zamiast dwa razy więcej tokenów na sekundę — każda liczba tutaj dotyczy pojedynczej KARTY.

16

GeForce RTX 4060 Mobile— które modele AI może uruchomić?

337 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.

17

GeForce RTX 4060 Mobile— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to Baichuan 1-13B w 13.3B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 22.1 tokenów na sekundę i potrzebuje około 7.2 GB pamięci karty.

18

GeForce RTX 4060 Mobile— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 108 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.

19

GeForce RTX 4060 Mobile— czy może działać 7B modele?

Tak. Na przykład działa MetaMath 7B (LLaMa finetune) w Q4_K_M, używając około 6.5 GB pamięci i generowanie około 35.8 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