Oblicz TPS modelu RTX 500 Mobile Ada Generation na lokalnych modelach AI

NVIDIA 4 GB GDDR6 128 GB/s February 2024

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 · 25.7 tok/s

Najszybszy model

Gemma 3 QAT 1B

54.2 tok/s · 1B

Które modele AI mogą działać na a RTX 500 Mobile Ada Generation?

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.

97 modele pasują

Obliczanie
Kwantyzacja Pasuje
54.2 tok/s

46–65

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

46–65

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

33–87 · niska pewność

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

33–87 · niska pewność

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

33–87 · niska pewność

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

33–87 · niska pewność

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

30–80 · niska pewność

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

30–79 · niska pewność

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

30–79 · niska pewność

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

30–79 · niska pewność

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

30–79 · niska pewność

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

27–72 · niska pewność

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

27–72 · niska pewność

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

27–72 · niska pewność

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

27–72 · niska pewność

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

37–53

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 54k tokeny Q8_0 Wygodny
43.5 tok/s

26–70 · niska pewność

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

25–67 · niska pewność

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

25–67 · niska pewność

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

25–67 · niska pewność

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

25–67 · niska pewność

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

25–67 · niska pewność

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

25–67 · niska pewność

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

25–67 · niska pewność

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

25–67 · 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 500 Mobile Ada Generation 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
128 GB/s
Typ pamięci
GDDR6
Szerokość magistrali pamięci
64 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
Ada-MW(x000A)
Odlewnia
TSMC
Rozmiar procesu
5 nm
Transistory
18.9 billion
Gęstość tranzystorów
118,900 K/mm²
Rozmiar die
159 mm²
Wydane
26 February 2024

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
1.49 GHz
Zegar zwiększający
2.03 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
2,048
Jednostki mapowania tekstur
64
Jednostki wyjściowe.Render
32
Procesory strumieniowe
16
Rdzenie tensorowe
64
Rdzenie śledzenia promieni
16
cache L1
128 KB
pamięć podręczna L2
12 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)
8.3 TFLOPS
Pojedyncza precyzja (FP32)
8.3 TFLOPS
Podwójna precyzja (FP64)
129.6 GFLOPS
Wskaźnik pikseli
65 GPixel/s
Współczynnik tekstury
130 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)
35 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 RTX 500 Mobile Ada Generation

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

128 GB/s

Największy model

DeciLM 6B

RTX 500 Mobile Ada Generation 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 128 GB/s przez magistralę 64 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.

Liczba to szerokość magistrali pomnożona przez zegar pamięci 2 GHz. To dlatego liczba rdzeni tak słabo przewiduje prędkość generacji.

W całości największy model, który się mieści, to DeciLM 6B, 5.7B, skompresowane do Q3_K_M i generowanie wokół 25.7 tokeny na sekundę

Układ scalony i jak został zbudowany

RTX 500 Mobile Ada Generation jest zbudowany na procesorze graficznym AD107, używając architektury Ada Lovelace z NVIDIA, jako część generacji Ada-MW(x000A).

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 February 2024, szacunkowo 2.4270762176006 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

8.3 TFLOPS

FP64

129.6 GFLOPS

Rdzenie tensorowe

64

Na papierze RTX 500 Mobile Ada Generation osiąga 8.3 TFLOPS przy półprecyzji, i 8.3 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 129.6 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 64 Rdzenie tensorowe na wzdłuż 16 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 1.49 GHz do zwiększenia 2.03 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 500 Mobile Ada Generation ma pamięć podręczną L1 128 KB, wspierany przez pamięć podręczną L2 12 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 2,048 Jednostki cieniujące, 64 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

35 W

RTX 500 Mobile Ada Generation jest oceniane na 35 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 RTX 500 Mobile Ada Generation

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

  1. 01 Qwen3.5-4B 4B · Q5_K_M · Feb 2026 24.2 tok/s
  2. 02 Voxtral Mini 4.7B · Q4_K_M · Jul 2025 26.6 tok/s
  3. 03 Typhoon 2.1 Gemma 4B 4B · Q4_K_M · May 2025 31.3 tok/s
  4. 04 Qwen3-4B 4B · Q3_K_M · Apr 2025 36.6 tok/s
  5. 05 Gemma 3 QAT 4B 4B · Q4_K_M · Apr 2025 31.3 tok/s
  6. 06 Gemma 3 4B 4B · Q4_K_M · Mar 2025 31.3 tok/s
  7. 07 Phi-4-Multimodal 5.6B · Q3_K_M · Mar 2025 26.1 tok/s
  8. 08 Minitron 4B 4.2B · Q4_K_M · Nov 2024 29.8 tok/s
  9. 09 XVERSE-MoE-A4.2B 4.2B · Q4_K_M · Apr 2024 29.8 tok/s
  10. 10 DeciLM 6B 5.7B · Q3_K_M · Sep 2023 25.7 tok/s

Najszybsze modele AI na a RTX 500 Mobile Ada Generation

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 54.2 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 54.2 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 54.2 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 54.2 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 54.2 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 54.2 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 50.2 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 49.3 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 49.3 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 49.3 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a RTX 500 Mobile Ada Generation

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

    Znajdź model w tabeli

    Tabela zawiera 97 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

    Dłuższe rozmowy kosztują pamięć oprócz wag. 4 GB to często różnica między modelem, który się mieści, a takim, który się nie mieści.

  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

    Spójrz na zakres, nie tylko na liczbę

    Prędkości mają marginesy błędu z jakiegoś powodu. Najlepszym przypadkiem tutaj jest 54.2 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 4 GB.

  6. 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 RTX 500 Mobile Ada Generation.

Odpowiedzi

RTX 500 Mobile Ada Generation — częste pytania

01

RTX 500 Mobile Ada Generation— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 128 KB, i pamięć podręczna L2 jest 12 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.

02

RTX 500 Mobile Ada Generation— jakie są jego TFLOPS?

Jest oceniane na 8.3 TFLOPS przy połowicznej precyzji i 8.3 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.

03

RTX 500 Mobile Ada Generation— Ile rdzeni tensorowych ma?

To ma 64 Rdzenie tensorowe na wzdłuż 16 Procesory strumieniowe. Przyspieszają arytmetykę macierzy, z której zbudowany jest transformator, co głównie przyspiesza przetwarzanie długiego promptu, a nie generowanie odpowiedzi.

04

RTX 500 Mobile Ada Generation— 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.

05

RTX 500 Mobile Ada Generation— 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.

06

RTX 500 Mobile Ada Generation— 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.

07

RTX 500 Mobile Ada Generation— czy może uruchomić model, który nie mieści się w jego VRAM?

Przekroczenie karty 4 GB siedzi w pamięci GPU i działa z ułamkową prędkością, więc w dużej mierze zrzucany model rzadko jest wart użycia. Każda wartość tutaj zakłada, że jest w pełni dostępna na karcie.

08

Czy dwa RTX 500 Mobile Ada Generation karty będą dwa razy szybsze?

Liberalizowanie ich kupuje przestrzeń zamiast tempa: 8 GB z połączoną pamięcią, w mniej więcej tej samej prędkości generacji co jeden.

09

RTX 500 Mobile Ada Generation— 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.

10

RTX 500 Mobile Ada Generation— 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 25.7 tokenów na sekundę i potrzebuje około 3.5 GB pamięci karty.

11

RTX 500 Mobile Ada Generation— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 54.2 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.

12

RTX 500 Mobile Ada Generation— 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

13

RTX 500 Mobile Ada Generation— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 128 GB/s przez magistralę 64 bity. To jest jedyny najlepszy wskaźnik tego, jak szybko generuje tekst, ponieważ produkcja każdego tokena oznacza odczytanie całego modelu z pamięci jednocześnie.

14

RTX 500 Mobile Ada Generation— 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.

15

RTX 500 Mobile Ada Generation— kto to robi?

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

16

RTX 500 Mobile Ada Generation— kiedy to zostało wydane?

Został wydany w February 2024.

17

RTX 500 Mobile Ada Generation— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 35 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.

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