NVIDIA A10G

24 GB VRAM70 FP16 TFLOPS300 W TDP0 fournisseurs0 offres0 régions

Carte de classe entreprise, le GPU NVIDIA A10G repose sur l'architecture Ampere et dispose de 24 GB de mémoire, avec une bande passante mémoire de 600 GB/s et un TDP de 300 W. Il offre 35 TFLOPS de performances FP32 et 70 TFLOPS de performances tensorielles FP16.

Le moins cher

—

Aucune offre actuellement

Médiane

—

sur 0 offres

Le plus cher

—

Tendance sur 90 jours

+8,3 %

tarif médian

Caractéristiques matérielles

Identiques chez tous les fournisseurs

Mémoire

24 GB

Quels LLM tiennent ? ↓

Performances FP16

70 TFLOPS

crête

TDP

300 W

Bande passante mémoire

600 GB/s

Architecture

Ampere

Performances FP32

35 TFLOPS

Marque

NVIDIA

Série

A10

Historique des prix du marché

Prix médian sur l'ensemble des fournisseurs

Prix mis à jour maintenant

0 offres chez 0 fournisseurs

Triées par prix croissant. Comparez les configurations côte à côte.

Fournisseur	Nombre	vCPU	RAM	Région	Par heure de GPU	Total/h	Action
Essayez d'élargir vos filtres ou effacez-les tous pour recommencer.

LLM qui tiennent sur le GPU NVIDIA A10G

VRAM estimée des LLM à poids ouverts populaires en précision 16 bits (FP16/BF16), 8 bits (FP8/INT8) et 4 bits (INT4/MXFP4), pour 24 GB par GPU. Affichage des 12 plus grands qui tiennent.

Modèle	Paramètres	16 bits	8 bits	4 bits
Qwen3.6 35B-A3B Alibaba	35B 3B actifs	86 GB Trop grand	47 GB Trop grand	28 GB Juste sur 1× · 4 % de marge
Qwen3 32B Alibaba	32,8B	79 GB Trop grand	43 GB Trop grand	25 GB Juste sur 1× · 14 % de marge
Gemma 4 31B Google	31,3B	75 GB Trop grand	41 GB Trop grand	24 GB Juste sur 1× · 19 % de marge
GLM-4.7 Flash Z.ai	31,2B	75 GB Trop grand	41 GB Trop grand	24 GB Tient tout juste sur 1×
Qwen3.6 27B Alibaba	27,8B	67 GB Trop grand	37 GB Trop grand	21 GB 1× · 2,7 GB libres
Mistral Small 3.2 24B Mistral AI	24B	58 GB Trop grand	32 GB Trop grand	18 GB 1× · 5,6 GB libres
gpt-oss-20b OpenAI	21B 3,6B actifs	— Non publié	— Non publié	17 GB 1× · 7,5 GB libres
Gemma 3 12B Google	12,2B	29 GB Trop grand	16 GB 1× · 7,9 GB libres	9,4 GB 1× · 15 GB libres
Granite 4.1 8B IBM	8,8B	21 GB 1× · 2,9 GB libres	12 GB 1× · 12 GB libres	6,8 GB 1× · 17 GB libres
Qwen3 8B Alibaba	8,2B	20 GB 1× · 4,3 GB libres	11 GB 1× · 13 GB libres	6,3 GB 1× · 18 GB libres
Llama 3.1 8B Instruct Meta	8B	19 GB 1× · 4,7 GB libres	11 GB 1× · 13 GB libres	6,2 GB 1× · 18 GB libres
Mistral 7B Instruct v0.3 Mistral AI	7,2B	17 GB 1× · 6,6 GB libres	9,6 GB 1× · 14 GB libres	5,6 GB 1× · 18 GB libres

Estimations : poids du modèle plus 20 % pour le cache KV et le surcoût du runtime, avec des contextes courts. Les contextes longs et les lots importants demandent davantage. Les lignes marquées « juste » contiennent les poids, mais pas toute cette marge. Une valeur ×N correspond à la VRAM totale de N de ces GPU et ne préjuge en rien du débit de l'interconnexion. Notre méthode d'estimation · Partir plutôt d'un modèle

GPU similaires

NVIDIA A10 NVIDIA A30 NVIDIA RTX A5000 NVIDIA RTX A4500 NVIDIA L4 NVIDIA RTX 6000

Vous en voulez plus sur cette page ?

Des données erronées ?

Questions fréquentes

Combien de VRAM a le GPU A10G ?

Le GPU A10G dispose de 24 GB de VRAM, ce qui détermine les plus grands modèles et tailles de batch qu'il peut garder en mémoire pour l'entraînement et l'inférence.

Quels LLM puis-je faire tourner sur le GPU A10G ?

Avec 24 GB de VRAM, un seul GPU A10G peut servir des modèles comme GLM-4.7 Flash, Qwen3.6 27B, Mistral Small 3.2 24B, gpt-oss-20b. Le tableau ci-dessus indique la VRAM estimée pour chaque modèle en précision 16 bits, 8 bits et 4 bits, y compris les configurations multi-GPU nécessaires aux plus grands modèles.