Wie viel VRAM hat die L40S?

48 GB GDDR6 ECC bei 864 GB/s Speicherbandbreite. Der Speicher ist fest auf der Karte und lässt sich nicht erweitern.

Welches ist das größte Modell, das auf eine einzelne L40S passt?

Qwen3-Next 80B-A3B mit 81,3 Milliarden Parametern passt in der kleinsten sinnvollen Quantisierung noch auf eine Karte. Größere Modelle brauchen mehrere Karten oder Auslagerung in den Arbeitsspeicher.

Wie werden die Tokens pro Sekunde hier berechnet?

Aus der Speicherbandbreite geteilt durch die Datenmenge, die pro Token gelesen werden muss. Diese Datenmenge sind die aktiven Parameter mal den Bytes je Gewicht. Angesetzt werden 75 Prozent der theoretischen Spitzenbandbreite. Das Ergebnis ist eine Obergrenze, kein Messwert.

Zählen bei mehreren Karten die Speicher zusammen?

Für die Frage, ob ein Modell hineinpasst, ja: Die Gewichte lassen sich über mehrere Karten verteilen. Für die Geschwindigkeit gilt das nur eingeschränkt, weil die Kommunikation zwischen den Karten Zeit kostet. Die Werte in der Tabelle sind deshalb bei Mehrkarten-Aufbauten optimistischer als die Praxis.

L40S

NVIDIA · Ada Lovelace · 48 GB · 864 GB/s

Die Serverkarte, die man bei europäischen Anbietern am häufigsten mietbar findet, weil sie günstiger ist als H100 und in normale Servergehäuse passt. 48 GB und passive Kühlung machen sie zur soliden Wahl für Inferenz mittelgroßer Modelle — für Training oder sehr große Modelle fehlt die Bandbreite.

Technische Daten

Grafikspeicher	48 GB GDDR6 ECC
Speicherbandbreite	864 GB/s
Leistungsaufnahme	350 W
Architektur	Ada Lovelace
Marktstart	2023 Q3

Welche Modelle laufen auf der L40S?

Geschätzter Speicherbedarf offener Sprachmodelle in 16 Bit (BF16), 8 Bit (FP8) und 4 Bit (INT4), gemessen an 48 GB je Karte. Gezeigt werden die 12 größten Modelle, die noch passen — und was sie dabei an Geschwindigkeit liefern.

Modell	Parameter	16-Bit	8-Bit	4-Bit
DeepSeek V3.2 DeepSeek	685,4 Mrd. 37,0 Mrd. aktiv	nicht veröffentlicht	zu groß	343 GB 8× · 41 GB frei ~35,0 tok/s
DeepSeek R1 DeepSeek	684,5 Mrd. 37,0 Mrd. aktiv	nicht veröffentlicht	zu groß	342 GB 8× · 42 GB frei ~35,0 tok/s
DeepSeek V4 Flash DeepSeek	304,2 Mrd. 13,0 Mrd. aktiv	nicht veröffentlicht	nicht veröffentlicht	152 GB 4× · 40 GB frei ~99,7 tok/s
Qwen3 235B-A22B Alibaba	235,1 Mrd. 22,0 Mrd. aktiv	zu groß	235 GB 6× · 53 GB frei ~29,5 tok/s	118 GB 3× · 26 GB frei ~58,9 tok/s
MiniMax M2.7 MiniMax	228,7 Mrd. 10,0 Mrd. aktiv	nicht veröffentlicht	229 GB 6× · 59 GB frei ~64,8 tok/s	114 GB 3× · 30 GB frei ~130 tok/s
Mistral Large 2411 Mistral AI	122,6 Mrd.	245 GB 6× · 43 GB frei ~2,6 tok/s	123 GB 3× · 21 GB frei ~5,3 tok/s	61 GB 2× · 35 GB frei ~10,6 tok/s
gpt-oss-120b OpenAI	116,8 Mrd. 5,1 Mrd. aktiv	234 GB 6× · 54 GB frei ~63,5 tok/s	117 GB 3× · 27 GB frei ~127 tok/s	58 GB 2× · 38 GB frei >254 tok/s
Qwen3-Next 80B-A3B Alibaba	81,3 Mrd. 3,0 Mrd. aktiv	163 GB 4× · 29 GB frei ~108 tok/s	81 GB 2× · 15 GB frei >216 tok/s	41 GB 1× · 7 GB frei >432 tok/s
Llama 3.1 70B Meta	70,6 Mrd.	141 GB 4× · 51 GB frei ~4,6 tok/s	71 GB 2× · 25 GB frei ~9,2 tok/s	35 GB 1× · 13 GB frei ~18,4 tok/s
Hermes 4.3 36B Nous Research	36,2 Mrd.	72 GB 2× · 24 GB frei ~9,0 tok/s	36 GB 1× · 12 GB frei ~17,9 tok/s	18 GB 1× · 30 GB frei ~35,8 tok/s
Qwen3 32B Alibaba	32,8 Mrd.	66 GB 2× · 30 GB frei ~9,9 tok/s	33 GB 1× · 15 GB frei ~19,8 tok/s	16 GB 1× · 32 GB frei ~39,5 tok/s
Gemma 4 31B Google	31,3 Mrd.	63 GB 2× · 33 GB frei ~10,4 tok/s	31 GB 1× · 17 GB frei ~20,7 tok/s	16 GB 1× · 32 GB frei ~41,4 tok/s

Näherung, keine Messung. Parameterzahlen stammen aus den Safetensors-Metadaten der jeweiligen HuggingFace-Repositories, nicht aus gerundeten Angaben der Modellkarten. „nicht veröffentlicht" heißt, dass es diese Präzision als offizielles Release nicht gibt — DeepSeek V4 etwa liefert die Experten ab Werk in vier Bit aus, eine BF16-Fassung existiert nicht.

Für die Kartenzahl werden 90 % des Speichers als nutzbar angesetzt; der Rest deckt KV-Cache, Aktivierungen und Treiberkontext ab. Real gemessene GGUF-Dateien liegen wegen der Blockskalen etwas über den hier gerechneten Größen.

Die Tokenrate ist eine Obergrenze aus Bandbreite ÷ (aktive Parameter × Bytes je Gewicht) bei 75 % Bandbreiteneffizienz. Ab etwa 200 Tokens pro Sekunde ist die Bandbreite im Einzelbetrieb nicht mehr der bindende Engpass — solche Werte sind als Durchsatzreserve für parallele Anfragen zu lesen, nicht als Antworttempo für einen einzelnen Nutzer. Deshalb stehen sie mit „>“ statt „~“. Die vollständige Herleitung steht unter große Modelle lokal betreiben.

Häufige Fragen

Wie viel VRAM hat die L40S?: 48 GB GDDR6 ECC bei 864 GB/s Speicherbandbreite. Der Speicher ist fest auf der Karte und lässt sich nicht erweitern.
Welches ist das größte Modell, das auf eine einzelne L40S passt?: Qwen3-Next 80B-A3B mit 81,3 Milliarden Parametern passt in der kleinsten sinnvollen Quantisierung noch auf eine Karte. Größere Modelle brauchen mehrere Karten oder Auslagerung in den Arbeitsspeicher.
Wie werden die Tokens pro Sekunde hier berechnet?: Aus der Speicherbandbreite geteilt durch die Datenmenge, die pro Token gelesen werden muss. Diese Datenmenge sind die aktiven Parameter mal den Bytes je Gewicht. Angesetzt werden 75 Prozent der theoretischen Spitzenbandbreite. Das Ergebnis ist eine Obergrenze, kein Messwert.
Zählen bei mehreren Karten die Speicher zusammen?: Für die Frage, ob ein Modell hineinpasst, ja: Die Gewichte lassen sich über mehrere Karten verteilen. Für die Geschwindigkeit gilt das nur eingeschränkt, weil die Kommunikation zwischen den Karten Zeit kostet. Die Werte in der Tabelle sind deshalb bei Mehrkarten-Aufbauten optimistischer als die Praxis.

Ob ein Modell in deinen Arbeitsspeicher passt, rechnet der Hardware-Rechner aus. Wie schnell es dort wäre, der Geschwindigkeits-Rechner unter große Modelle lokal betreiben. Und welcher Weg für dein Budget der richtige ist, steht im Hardware-Guide. Zurück zur Übersicht aller Karten.

L40S

Technische Daten

Welche Modelle laufen auf der L40S?

Ähnliche Karten

Häufige Fragen