Die NVIDIA A40 ist eine Enterprise- GPU, basiert auf der Ampere-Architektur und verfügt über 48 GB Speicher mit 696 GB/s Speicherbandbreite und einer TDP von 300 W. Sie liefert 37,4 TFLOPS FP32-Rechenleistung und 150 TFLOPS FP16-Tensor-Leistung. Derzeit bei 2 Anbieter verfügbar, ab 0,38 €/GPU/Stunde, mit einem Marktmedian von 1,50 €/GPU/Stunde über 7 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
3 Angebote von 2 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
Bis zu429 €Guthaben | ×1 | 9 | 50 GB |   | 0,378 € | 0,38 € | Starten |
 Sesterce CloudEmpfehlungslink | ×2 | 12 | 120 GB | -- | Ab1,039 € 0.0% 30T | Ab2,08 € | |
| ×1/20 | 1 | 5 GB |  | Ab1,312 € | Ab0,07 € | Starten |
LLMs, die auf die NVIDIA A40 passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 48 GB pro GPU. Gezeigt werden die 12 größten passenden Modelle.
| Modell | Parameter | 16 Bit | 8 Bit | 4 Bit |
|---|---|---|---|---|
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB Zu groß | 47 GB Passt knapp auf 1× | 28 GB 1× · 20 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB Zu groß | 43 GB 1× · 4,8 GB frei | 25 GB 1× · 23 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB Zu groß | 41 GB 1× · 6,7 GB frei | 24 GB 1× · 24 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB Zu groß | 41 GB 1× · 6,8 GB frei | 24 GB 1× · 24 GB frei |
| Qwen3.6 27B Alibaba | 27,8 Mrd. | 67 GB Zu groß | 37 GB 1× · 11 GB frei | 21 GB 1× · 27 GB frei |
| Mistral Small 3.2 24B Mistral AI | 24 Mrd. | 58 GB Zu groß | 32 GB 1× · 16 GB frei | 18 GB 1× · 30 GB frei |
| gpt-oss-20b OpenAI | 21 Mrd. 3,6 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 17 GB 1× · 31 GB frei |
| Gemma 3 12B Google | 12,2 Mrd. | 29 GB 1× · 19 GB frei | 16 GB 1× · 32 GB frei | 9,4 GB 1× · 39 GB frei |
| Granite 4.1 8B IBM | 8,8 Mrd. | 21 GB 1× · 27 GB frei | 12 GB 1× · 36 GB frei | 6,8 GB 1× · 41 GB frei |
| Qwen3 8B Alibaba | 8,2 Mrd. | 20 GB 1× · 28 GB frei | 11 GB 1× · 37 GB frei | 6,3 GB 1× · 42 GB frei |
| Llama 3.1 8B Instruct Meta | 8 Mrd. | 19 GB 1× · 29 GB frei | 11 GB 1× · 37 GB frei | 6,2 GB 1× · 42 GB frei |
| Mistral 7B Instruct v0.3 Mistral AI | 7,2 Mrd. | 17 GB 1× · 31 GB frei | 9,6 GB 1× · 38 GB frei | 5,6 GB 1× · 42 GB frei |
Schätzungen: Modellgewichte plus 20 % für KV-Cache und Laufzeit-Overhead, bei kurzen Kontextlängen. Lange Kontexte und große Batches benötigen mehr. Als „knapp“ markierte Zeilen fassen die Gewichte, aber nicht diesen vollen Puffer. Ein ×N-Wert ist der gesamte VRAM über N dieser GPUs und sagt nichts über den Durchsatz der Verbindung aus. Wie wir das schätzen · Stattdessen vom Modell aus starten
Mehr von dieser Seite?
Falsche Daten?