NVIDIA Tesla V100 16GB
Die NVIDIA Tesla V100 16GB ist eine Enterprise- GPU, basiert auf der Volta-Architektur und verfügt über 16 GB Speicher mit 900 GB/s Speicherbandbreite und einer TDP von 250 W. Sie liefert 14 TFLOPS FP32-Rechenleistung und 112 TFLOPS FP16-Tensor-Leistung. Derzeit bei 6 Anbieter verfügbar, ab 0,03 €/GPU/Stunde, mit einem Marktmedian von 0,20 €/GPU/Stunde über 31 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
7 Angebote von 6 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | 10 | 31 GB | Ab0,026 € +57.9% 30T | Ab0,03 € | Starten | ||
| ×1 | 6 | 23 GB | -- | 0,146 € | Ab0,15 € | Starten | |
Bis zu1 €Guthaben | ×8 | 128 | 2 TB | Ab0,470 € 0.0% 30T | Ab3,76 € | Starten | |
| ×8 | 92 | 448 GB | -- | 0,678 € | 5,43 € | ||
Theta EdgeCloudIm Trend | ×1 | 4 | 16 GB | -- | 0,850 € | Ab0,85 € | Starten |
| ×1 | 8 | 30 GB | 2,207 € 0.0% 30T | 2,21 € | Starten | ||
Sesterce CloudEmpfehlungslink | ×1 | 8 | 30 GB | Ab2,210 € 0.0% 30T | Ab2,21 € | Starten |
LLMs, die auf die NVIDIA Tesla V100 16GB passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 16 GB pro GPU. Gezeigt werden die 12 größten passenden Modelle.
| Modell | Parameter | 16 Bit | 8 Bit | 4 Bit |
|---|---|---|---|---|
| Laguna-S 2.1 Poolside | 118 Mrd. 8 Mrd. aktiv | 282 GB Zu groß | 155 GB Zu groß | 90 GB 8× · 38 GB frei |
| gpt-oss-120b OpenAI | 117 Mrd. 5,1 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 78 GB 8× · 50 GB frei |
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB 8× · 42 GB frei | 47 GB 4× · 17 GB frei | 28 GB 2× · 4,4 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB 8× · 49 GB frei | 43 GB 4× · 21 GB frei | 25 GB 2× · 6,8 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB 8× · 53 GB frei oder 4× · 2 % übrig | 41 GB 4× · 23 GB frei | 24 GB 2× · 8 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB 8× · 53 GB frei oder 4× · 2 % übrig | 41 GB 4× · 23 GB frei | 24 GB 2× · 8 GB frei |
| Qwen3.6 27B Alibaba | 27,8 Mrd. | 67 GB 8× · 61 GB frei oder 4× · 15 % übrig | 37 GB 4× · 27 GB frei oder 2× · 4 % übrig | 21 GB 2× · 11 GB frei |
| Mistral Small 3.2 24B Mistral AI | 24 Mrd. | 58 GB 4× · 6,4 GB frei | 32 GB Passt knapp auf 2× | 18 GB 2× · 14 GB frei oder 1× · 4 % übrig |
| gpt-oss-20b OpenAI | 21 Mrd. 3,6 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 17 GB 2× · 15 GB frei oder 1× · 16 % übrig |
| Gemma 3 12B Google | 12,2 Mrd. | 29 GB 2× · 2,8 GB frei | 16 GB 2× · 16 GB frei oder 1× · 19 % übrig | 9,4 GB 1× · 6,6 GB frei |
| Granite 4.1 8B IBM | 8,8 Mrd. | 21 GB 2× · 11 GB frei | 12 GB 1× · 4,4 GB frei | 6,8 GB 1× · 9,2 GB frei |
| Qwen3 8B Alibaba | 8,2 Mrd. | 20 GB 2× · 12 GB frei | 11 GB 1× · 5,2 GB frei | 6,3 GB 1× · 9,7 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
Ähnliche GPUs
Mehr ähnliche GPUs in
Mehr von dieser Seite?
Falsche Daten?



