NVIDIA Tesla V100 16GB
Carte de classe entreprise, le GPU NVIDIA Tesla V100 16GB repose sur l'architecture Volta et dispose de 16 GB de mémoire, avec une bande passante mémoire de 900 GB/s et un TDP de 250 W. Il offre 14 TFLOPS de performances FP32 et 112 TFLOPS de performances tensorielles FP16. Actuellement disponible chez 7 fournisseurs à partir de 0,03 €/GPU/heure, avec une médiane du marché de 0,17 €/GPU/heure sur 29 configurations.
Caractéristiques matérielles
Identiques chez tous les fournisseurs
Prix médian sur l'ensemble des fournisseurs
8 offres chez 7 fournisseurs
Triées par prix croissant. Comparez les configurations côte à côte.
| Fournisseur | Nombre | vCPU | RAM | Région | Par heure de GPU | Total/h | Action |
|---|---|---|---|---|---|---|---|
| ×4 | 0 | 188 GB | À partir de0,026 € +6,7 % 30 j | À partir de0,11 € | Lancer | ||
| ×1 | 6 | 23 GB | -- | 0,167 € +11,1 % 30 j | À partir de0,17 € | Lancer | |
Jusqu'à88 €de crédit | ×1 | — | — | 0,175 € -33,3 % 30 j | 0,18 € | Lancer | |
Jusqu'à1 €de crédit | ×8 | 128 | 2 TB | À partir de0,478 € -0,4 % 30 j | À partir de3,83 € | Lancer | |
| ×8 | 92 | 448 GB | -- | 0,693 € | 5,54 € | ||
Theta EdgeCloudTendance | ×1 | 4 | 16 GB | -- | 0,868 € | À partir de0,87 € | Lancer |
| ×1 | 8 | 30 GB | 2,254 € | 2,25 € | Lancer | ||
Sesterce CloudLien affilié | ×1 | 8 | 30 GB | À partir de2,257 € 0,0 % 30 j | À partir de2,26 € | Lancer |
LLM qui tiennent sur le GPU NVIDIA Tesla V100 16GB
VRAM estimée des LLM à poids ouverts populaires en précision 16 bits (FP16/BF16), 8 bits (FP8/INT8) et 4 bits (INT4/MXFP4), pour 16 GB par GPU. Affichage des 12 plus grands qui tiennent.
| Modèle | Paramètres | 16 bits | 8 bits | 4 bits |
|---|---|---|---|---|
| Laguna-S 2.1 Poolside | 118B 8B actifs | 282 GB Trop grand | 155 GB Trop grand | 90 GB 8× · 38 GB libres |
| gpt-oss-120b OpenAI | 117B 5,1B actifs | — Non publié | — Non publié | 78 GB 8× · 50 GB libres |
| Qwen3.6 35B-A3B Alibaba | 35B 3B actifs | 86 GB 8× · 42 GB libres | 47 GB 4× · 17 GB libres | 28 GB 2× · 4,4 GB libres |
| Qwen3 32B Alibaba | 32,8B | 79 GB 8× · 49 GB libres | 43 GB 4× · 21 GB libres | 25 GB 2× · 6,8 GB libres |
| Gemma 4 31B Google | 31,3B | 75 GB 8× · 53 GB libres ou 4× · 2 % de marge | 41 GB 4× · 23 GB libres | 24 GB 2× · 8 GB libres |
| GLM-4.7 Flash Z.ai | 31,2B | 75 GB 8× · 53 GB libres ou 4× · 2 % de marge | 41 GB 4× · 23 GB libres | 24 GB 2× · 8 GB libres |
| Qwen3.6 27B Alibaba | 27,8B | 67 GB 8× · 61 GB libres ou 4× · 15 % de marge | 37 GB 4× · 27 GB libres ou 2× · 4 % de marge | 21 GB 2× · 11 GB libres |
| Mistral Small 3.2 24B Mistral AI | 24B | 58 GB 4× · 6,4 GB libres | 32 GB Tient tout juste sur 2× | 18 GB 2× · 14 GB libres ou 1× · 4 % de marge |
| gpt-oss-20b OpenAI | 21B 3,6B actifs | — Non publié | — Non publié | 17 GB 2× · 15 GB libres ou 1× · 16 % de marge |
| Gemma 3 12B Google | 12,2B | 29 GB 2× · 2,8 GB libres | 16 GB 2× · 16 GB libres ou 1× · 19 % de marge | 9,4 GB 1× · 6,6 GB libres |
| Granite 4.1 8B IBM | 8,8B | 21 GB 2× · 11 GB libres | 12 GB 1× · 4,4 GB libres | 6,8 GB 1× · 9,2 GB libres |
| Qwen3 8B Alibaba | 8,2B | 20 GB 2× · 12 GB libres | 11 GB 1× · 5,2 GB libres | 6,3 GB 1× · 9,7 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
Voir d'autres GPU similaires dans
Vous en voulez plus sur cette page ?
Des données erronées ?



