DeepSeek-Coder-V2 236B TPS kalkulátor

Otevřít váhy DeepSeek 236B 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

9 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

H200 NVL

141 GB · Q3_K_M · 23.7 tok/s

Nejrychlejší karta

B200

33.2 tok/s · 180 GB

Které GPU mohou spustit DeepSeek-Coder-V2 236B?

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.

9 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
33.2 tok/s 20–53 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	143.5 GB	Q4_K_M	Těsný
23.7 tok/s 14–38 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	Q3_K_M	Těsný
23.7 tok/s 14–38 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	Q3_K_M	Těsný
14.4 tok/s 9–23 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	253.4 GB	Q8_0	Těsný
13.3 tok/s 8–21 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	171.0 GB	Q5_K_M	Těsný
13.3 tok/s 8–21 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	171.0 GB	Q5_K_M	Těsný
12.2 tok/s 7–20 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	198.4 GB	Q6_K	Těsný
11.5 tok/s 7–18 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	253.4 GB	Q8_0	Těsný
11.5 tok/s 7–18 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	253.4 GB	Q8_0	Těsný

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: DeepSeek
Typ organizace: Industry
Země: China
Publikováno: 17 June 2024
Autoři: Qihao Zhu, Daya Guo, Zhihong Shao, Dejian Yang, Peiyi Wang, Runxin Xu, Y. Wu, Yukun Li, Huazuo Gao, Shirong Ma, Wangding Zeng, Xiao Bi, Zihui Gu, Hanwei Xu, Damai Dai, Kai Dong, Liyue Zhang, Yishi Piao, Zhibin Gou, Zhenda Xie, Zhewen Hao, Bingxuan Wang, Junxiao Song, Deli Chen, Xin Xie, Kang Guan, Yuxiang You, Aixin Liu, Qiushi Du, Wenjun Gao, Xuan Lu, Qinyu Chen, Yaohui Wang, Chengqi Deng, Jiashi…

Co to dělá

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

Doména: Language
Úkol: Code generation, Code autocompletion
Přístup: Self-supervised learning
Základní model: DeepSeek-V2 (MoE-236B)

Velikost

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

parametry: 236B
Výcviková data: 3,191,000,000,000 tokens
Velikost dávky: 36,864,000

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: 1.3 × 10²⁴ FLOP
Jak bylo ustanoveno: Operation counting

Tréninkový běh

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

Datové centrum: The paper does not mention any hardware, GPUs or any information regarding the hardware used.

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: deepseek-ai

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
Proč je to sledováno: SOTA improvement
Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží DeepSeek-Coder-V2 236B

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 DeepSeek-Coder-V2 236B

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

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

H200 NVL

Potřeba paměti

116.0 GB

Nejrychlejší

33.2 tok/s

DeepSeek-Coder-V2 236B dosahuje počtu parametrů 236B. To je nad rámec toho, co jakákoliv jednotlivá GPU karta pojme. Spuštění znamená buď rozdělení na několik karet, nebo pronájem hardwaru určeného k této práci, a každá karta schopná to unést samostatně je součástí datacentra. Počet, který může: 9.

Nejmenší hardware, který funguje, je H200 NVL, s kapacitou VRAM 141 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 23.7 tokenů za sekundu

Na druhém konci sedí B200, generování přibližně 33.2 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

DeepSeek-Coder-V2 236B byl zveřejněn DeepSeek, v zemi zaznamenané jako China, během June 2024. Kategorie, do které vydavatel spadá, je industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol code generation, Code autocompletion.

Místo toho, aby byl trénován od nuly, je odvozen z DeepSeek-V2 (MoE-236B). To je důvod, proč sdílí obecný tvar a velikost základního modelu.

Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet. Na Hugging Face je publikováno pod organizací deepseek-ai.

Porozumění rychlostem

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 13.3 tokenů za sekundu. Producing text faster than most people read it: 9 z nich

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

Jeho vnitřní architektura není v evidenci, takže paměť je přibližně odhadnuta z počtu parametrů a označena odpovídajícím způsobem. Očekávejte, že skutečná čísla se budou lišit, zejména u dlouhého kontextu.

Jak bylo trénováno

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.3 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 3,191,000,000,000 tokeny textu

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro DeepSeek-Coder-V2 236B

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.

Každá KARTA zde byla zkontrolována proti DeepSeek-Coder-V2 236B, potřebující kolem 116.0 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
02

Přizpůsobte kontext svému skutečnému použití

Konverzace také zabírá MEMORY a roste, jak pokračuje. Nastavte posuvník na délku, kterou očekáváte, protože při dlouhém CONTEXT může být KARTA, která snadno zvládá krátké dotazy, odmítnuta. DeepSeek-Coder-V2 236B.
03

Nastavte minimální kvalitu

Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., dosahující komprese Q3_K_M 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

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro DeepSeek-Coder-V2 236B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 33.2 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě DeepSeek-Coder-V2 236B. 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

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě DeepSeek-Coder-V2 236B.

Odpovědi

DeepSeek-Coder-V2 236B — běžné otázky

DeepSeek-Coder-V2 236B— kolik má parametrů?

Má počet parametrů 236B. Mixture of experts model. 21B parameters activated per token. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

DeepSeek-Coder-V2 236B— Kdo to vytvořil?

Bylo to publikováno společností DeepSeek, zakládající se na China, organizace zařazená jako industry.

DeepSeek-Coder-V2 236B— 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.

DeepSeek-Coder-V2 236B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol code generation, Code autocompletion. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

DeepSeek-Coder-V2 236B— kde si to mohu stáhnout?

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

DeepSeek-Coder-V2 236B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.3 × 10²⁴ FLOP. 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.

DeepSeek-Coder-V2 236B— Mohu to spustit, pokud se to nevejde do mé GPU?

Pouze přenosem, což je obvykle falešná ekonomika: část držená v paměti systému zpomaluje celé to. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 28.3 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

DeepSeek-Coder-V2 236B— Běhalo by to rychleji na dvou GPU?

Druhá karta přibližně zdvojnásobí dostupnou paměť, ale ne rychlost generování. Počet, který je již schopen ji spustit sám: 9. Takže druhá karta je tu zřídka odpovědí.

DeepSeek-Coder-V2 236B— proč se kvantizace liší mezi kartami?

Každá KARTA je zobrazena, jak běží nejméně komprimovaná kopie, kterou může udržet. Počet různých úrovní komprese napříč KARTAMI, které ji vejít: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

DeepSeek-Coder-V2 236B— 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: 20–53 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

DeepSeek-Coder-V2 236B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je H200 NVL, s kapacitou VRAM 141 GB. Spouští model při kompresi Q3_K_M používající přibližně 116.0 GB, a produkuje přibližně 23.7 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 9.

DeepSeek-Coder-V2 236B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 33.2 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 9.

DeepSeek-Coder-V2 236B— kolik VRAM potřebuje?

Potřebuje asi 116.0 GB při kompresi Q3_K_M, 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.

DeepSeek-Coder-V2 236B— 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.

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