Gemma 2 9B TPS kalkulátor

Otevřít váhy Google DeepMind 9B parametry June 2024

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

509 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Xeon Phi 5110P

8 GB · IQ4_XS · 24.0 tok/s

Nejrychlejší karta

B200

376 tok/s · 180 GB

Které GPU mohou spustit Gemma 2 9B?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

509 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
376 tok/s 320–452	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	11.7 GB	Q8_0	Pohodlný
376 tok/s 320–452	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	11.7 GB	Q8_0	Pohodlný
301 tok/s 180–481 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	11.7 GB	Q8_0	Pohodlný
301 tok/s 180–481 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	11.7 GB	Q8_0	Pohodlný
240 tok/s 144–385 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	11.7 GB	Q8_0	Pohodlný
230 tok/s 196–276	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.7 GB	Q8_0	Pohodlný
230 tok/s 196–276	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.7 GB	Q8_0	Pohodlný
220 tok/s 132–352 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	11.7 GB	Q8_0	Pohodlný
195 tok/s 117–313 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Pohodlný
195 tok/s 117–313 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Pohodlný
195 tok/s 117–313 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Pohodlný
185 tok/s 158–222	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	11.7 GB	Q8_0	Pohodlný
172 tok/s 146–207	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.0 GB	IQ4_XS	Těsný
158 tok/s 134–190	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Pohodlný
158 tok/s 134–190	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	11.7 GB	Q8_0	Pohodlný
158 tok/s 134–190	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Pohodlný
158 tok/s 134–190	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Pohodlný
158 tok/s 134–190	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Pohodlný
131 tok/s 111–157	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q5_K_M	Těsný
120 tok/s 72–193 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	11.7 GB	Q8_0	Pohodlný
120 tok/s 72–193 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	11.7 GB	Q8_0	Pohodlný
100 tok/s 60–161 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	11.7 GB	Q8_0	Pohodlný
98.2 tok/s 59–157 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	11.7 GB	Q8_0	Pohodlný
96.0 tok/s 82–115	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	11.7 GB	Q8_0	Pohodlný
96.0 tok/s 82–115	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	11.7 GB	Q8_0	Pohodlný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Plná specifikace

Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..

Původ

Kdo vytvořil tento model, kde a kdy byl publikován.

Organizace: Google DeepMind
Typ organizace: Industry
Země: United States of America
Publikováno: 24 June 2024
Autoři: Gemma Team, Google DeepMind

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Language
Úkol: Language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 9B
Výcviková data: 8,000,000,000,000 tokens

Výpočty pro trénink

Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.

Výpočty pro trénink: 4.3 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting

Tréninkový běh

Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.

Tréninkový hardware: Google TPU v4
Používané čipy: 4,096
Příkon: 2.7 MW

Dostupnost

Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.

Hmotnosti: Open — downloadable
Přístup k modelu: Open weights (restricted use)
Tréninkový kód: Unreleased
Hugging Face: google

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Pravděpodobně nad 10²³ FLOP: Yes
Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Gemma 2 offers best-in-class performance, runs at incredible speed across different hardware and easily integrates with other AI tools.
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Gemma 2 9B

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

Nejmenší GPU, které ještě běží Gemma 2 9B

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Co je potřeba k provozování tohoto modelu

Minimum karta

Xeon Phi 5110P

Potřeba paměti

7.0 GB

Nejrychlejší

376 tok/s

Gemma 2 9B dosahuje počtu parametrů 9B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 509.

Nejmenší karta, která to pojme, je Xeon Phi 5110P, s kapacitou VRAM 8 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 24.0 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 376 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

Gemma 2 9B byl zveřejněn Google DeepMind, v zemi zaznamenané jako United States of America, během June 2024. Vychází z organizace, která je kategorizována jako industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning.

Protože byly jeho váhy uvolněny, nic ohledně jeho spuštění nezávisí na dostupnosti poskytovatele - je to vaše, jakmile je stáhnuto. Na Hugging Face je publikováno pod organizací google.

Čtení čísel propustnosti

Polovina karet, které to drží, zvládne více než 26.0 tokens za sekundu. Překračující rychlost čtení rovnou: 473 z nich

Každá váha se účastní každého tokenu zde, takže šířka pásma je celá historie: hodnocení níže je ve skutečnosti hodnocením propustnosti paměti.

Protože je architektura zaznamenaná, sloupec paměti je odvozen spíše než odhadován.

Co bylo zapotřebí k jeho vybudování

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 4.3 × 10²³ FLOP, na hardwaru zaznamenáno jako Google TPU v4. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 8,000,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Gemma 2 9B

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

01

Zkontrolujte, co to potřebuje před čímkoli jiným.

Tabulka uvádí každou kartu, která je schopna pojmout Gemma 2 9B, potřebující kolem 7.0 GB při kompresi IQ4_XS. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Rozhodněte, jak dlouho vaše konverzace běží

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro Gemma 2 9B.
03

Rozhodněte, jaké množství komprese přijmete

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., dosahující komprese IQ4_XS na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
04

Srovnejte TPS, ne specifikace

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Gemma 2 9B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 376 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě Gemma 2 9B. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
06

Zkontrolujte kartu z druhé strany

Každý název karty odkazuje na její vlastní stránku, která provádí stejný výpočet v celém katalogu modelů. Karta se obvykle kupuje pro více než jeden model, takže se vyplatí se podívat před tím, než koupíte. Gemma 2 9B.

Odpovědi

Gemma 2 9B — běžné otázky

Gemma 2 9B— proč se kvantizace liší mezi kartami?

Protože se kapacita liší, liší se i to, jak moc musí být stlačena. Počet odlišných úrovní v tabulce výše: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Gemma 2 9B— Jak přesné jsou tyto odhady rychlosti?

Každé číslo je odvozeno od šířky pásma VRAM a velikosti modelu, není benchmarkováno, což je důvod, proč je každé publikováno jako rozsah spíše než jako jediné číslo. Jeden příklad: 320–452 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Gemma 2 9B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Xeon Phi 5110P, s kapacitou VRAM 8 GB. Spouští model při kompresi IQ4_XS používající přibližně 7.0 GB, a produkuje přibližně 24.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 509.

Gemma 2 9B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 376 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 473.

Gemma 2 9B— kolik VRAM potřebuje?

Potřebuje asi 7.0 GB při kompresi IQ4_XS, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

Gemma 2 9B— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi IQ4_XS, používající přibližně 7.0 GB a generováním zhruba 172 tokenů za sekundu. Fit je těsný.

Gemma 2 9B— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q6_K, používající přibližně 9.6 GB a generováním zhruba 62.4 tokenů za sekundu. Fit je těsný.

Gemma 2 9B— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q8_0, používající přibližně 11.7 GB a generováním zhruba 53.2 tokenů za sekundu. Fit je pohodlný.

Gemma 2 9B— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q8_0, používající přibližně 11.7 GB a generováním zhruba 63.1 tokenů za sekundu. Fit je pohodlný.

Gemma 2 9B— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

Gemma 2 9B— kolik má parametrů?

Má počet parametrů 9B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Gemma 2 9B— Kdo to vytvořil?

Bylo to publikováno společností Google DeepMind, zakládající se na United States of America, organizace zařazená jako industry.

Gemma 2 9B— Kdy byl vydán?

Bylo to zveřejněno v June 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

Gemma 2 9B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

Gemma 2 9B— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací google. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

Gemma 2 9B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 4.3 × 10²³ FLOP, na hardwaru zaznamenáno jako Google TPU v4. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.

Gemma 2 9B— Mohu to spustit, pokud se to nevejde do mé GPU?

Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 2.2 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Gemma 2 9B— Běhalo by to rychleji na dvou GPU?

Dvě karty koupit paměť spíše než rychlost, což záleží pouze pokud jedna karta to nemůže udržet. Číslo, které může: 509. Takže druhá karta je tu zřídka odpovědí.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.

Všechny AI modely