NVIDIA GeForce GT 120M Mac Edition

Tesla · 0.25 ГБ GDDR3 · 32 CUDA · 14 Вт TDP · 2008
Десктоп

GeForce GT 120M Mac Edition — это артефакт из 2008 года на архитектуре Tesla. Чип G96C содержит всего 32 CUDA-ядра и работает на частоте 500 МГц в режиме Boost. Памяти здесь критически мало: 0.25 ГБ GDDR3 с пропускной способностью 25 ГБ/с. Карта создавалась для специфических ноутбуков Apple того времени. Сейчас это чистый бюджет. Она не тянет современные задачи. Даже запуск браузера в 2026 году может вызвать фризы из-за нехватки видеопамяти. Пиковая производительность FP32 составляет всего 0.1 TFLOPS. Это ничтожно мало для любого современного софта. TDP чипа равен 14 Вт, поэтому дополнительное питание не требуется. Карта потребляет энергию крайне экономно, хотя пользы от такой экономии нет. Если вы ищете решение для работы, смотрите на современные интегрированные решения. В бюджетном сегменте 2026 года конкурентами выступают разве что восстановленные GT 1030 или даже встроенная графика процессоров Intel Alder Lake. Они работают быстрее в десятки раз. GT 120M сегодня — это только коллекционирование или запуск специфического старого софта под нужды ретро-энтузиастов.

Производительность по сценариям

5 component-баллов — сильные стороны и слабости карты в разных задачах.

Шкала 0-100. Топовая карта в каждом сценарии = 100. Кликни строку — увидишь полный топ-100 в этой категории. Подробнее — методика.

Характеристики

Чип

Архитектура
TSL Tesla
GPU-чип
G96C
CUDA-ядра
32

Частоты

Базовая
500 МГц
Boost
500 МГц
FP32 пик
0.08 TFLOPS

Память

Объём
0.25 ГБ GDDR3
Шина
128 бит
Частота
792 МГц
Bandwidth
25 ГБ/с

Питание и форм-фактор

TDP
14 Вт

Выходы и интерфейс

Интерфейс
PCIe 2.0 x16

API и технологии

DirectX
10.0
CUDA
1.1

Соседи по рейтингу

Под какие задачи подходит

Балл 1-10 для каждого сценария — пригодность именно для этой задачи (не общий perf-rank).

4K-гейминг 1 / 10

Невозможно из-за нехватки видеопамяти и низкой шины.

1440p 1 / 10

Любая современная игра просто не запустится.

1080p 1 / 10

Только старые проекты уровня Half-Life 2 или Quake III.

AI-инференс 1 / 10

Stable Diffusion и LLM не работают на 0.25 ГБ памяти.

AI-обучение 1 / 10

Обучение невозможно из-за архитектурных ограничений чипа G96C.

3D-рендер 1 / 10

Cycles не использует это железо для ускорения.

Видеомонтаж 1 / 10

DaVinci Resolve выдаст ошибку при инициализации GPU.

Офис 2 / 10

Текстовые редакторы работают, но браузер с видео будет тормозить.

Стоит ли покупать в 2026?

Брать GT 120M в 2026 году нет смысла. Карта бесполезна для любых современных сценариев использования. Она не подходит для работы с нейросетями или рендеринга. Даже простейший веб-серфинг станет мучением после того, как сайты перейдут на тяжелые скрипты. Если вам нужно оживить старый Mac, лучше искать более свежие комплектующие. В качестве альтернативы в бюджетном сегменте выбирайте GT 1030 с памятью GDDR5. Она даст хотя бы минимальный комфорт в видео и старых играх. Прошлые поколения вроде 940M будут значительно эффективнее. Эта карта — тупик для любого современного пользователя.

Обновлено редакцией: 2026-05-19.

Плюсы и минусы

Сильные стороны

  • Минимальный TDP 14 Вт
  • Низкое энергопотребление
  • Компактный форм-фактор для ноутбуков

Слабые стороны

  • Критический объем памяти 0.25 ГБ
  • Устаревшая память GDDR3
  • Нулевая производительность в задачах AI
  • Отсутствие поддержки современных API

Часто задаваемые вопросы

Подойдет ли она для запуска локальной Llama 3?

Нет, это невозможно. Для работы даже самых маленьких моделей нужно минимум 4-8 ГБ видеопамяти, а здесь всего 0.25 ГБ GDDR3. Архитектура Tesla 2008 года не поддерживает современные инструкции, необходимые для инференса.

Нужен ли отдельный блок питания для этой карты?

Нет, карта потребляет всего 14 Вт. Она запитывается напрямую через слот или внутренние цепи ноутбука. Любой современный БП на 300 Вт справится с ней без малейшего напряжения.

Чем она хуже GT 1030?

Разница огромна. GT 1030 использует архитектуру Pascal и имеет от 2 ГБ памяти GDDR5. В задачах декодирования видео и простых играх 1030 будет быстрее в 15-20 раз.

Можно ли использовать её для обучения нейросетей?

Забудьте об этом. Для fine-tuning или pretraining требуются сотни гигабайт памяти и тысячи ядер CUDA. Здесь всего 32 ядра, которые не справятся даже с одной итерацией градиентного спуска.