 Unterschiede hervorheben |  PNY Nvidia T400 mit 4 GB GDDR6-RAM |
PNY Nvidia T1000 mit 4 GB GDDR6-RAM |
PNY Nvidia T1000 mit 8 GB GDDR6-RAM |
| Chipsatz | T400 | T1000 | T1000 |
| GPU Architektur | Turing | Turing | Turing |
| Speicher | 4 GB | 4 GB | 8 GB |
| Speicherart | GDDR6 | GDDR6 | GDDR6 |
| Speicheranbindung | 64 Bit | 128 Bit | 128 Bit |
| Speicherbandbreite | 80 GB/s | 160 GB/s | 160 GB/s |
| GPU-Taktung | 1070 MHz | 1395 MHz | 1395 MHz |
| CUDA / Streamprozessoren | 384 | 896 | 896 |
| Gleitkomma-Rechenleistung (FP32) | 1,094 TFLOPs | 2,13 TFLOPs | 2,50 TFLOPs |
| Steckplatz | PCIe 3.0 x16 | PCIe 3.0 x16 | PCIe 3.0 x16 |
| Slotbreite | 1 Slot | 1 Slot | 1 Slot |
| Anschlüsse | 3x mDP 1.4a | 4x mDP 1.4 | 4x mDP 1.4a |
| Kühlung | active | active | active |
| Verbrauch (Watt) | 30W | 50W | 50W |
| DirectX | 12 | 12 | 12 |
| Open-GL | 4.5 | 4.5 | 4.5 |
| Open-CL | 2.0 | 2.0 | 2.0 |
| Vulkan | 1.0 | 1.0 | 1.0 |
| Shader Model | 5.1 | 5.1 | 5.1 |
| Max. Auflösung (Pixel) | 5120×2880 | 7680x4320 | 7680x4320 |
| Max. Anzahl Monitore | 3 | 4 | 4 |
| Zusatzfunktionen | Nvidia CUDA C, CUDA C++, DirectCompute 5.0, OpenCL, Java, Python, and Fortran | Nvidia CUDA C, CUDA C++, DirectCompute 5.0, OpenCL, Java, Python, and Fortran | Nvidia CUDA C, CUDA C++, DirectCompute 5.0, OpenCL, Java, Python, and Fortran |
