GRITLM 7B TPS kalkulátor

Otevřít váhy Contextual AI,The University of Hong Kong,Microsoft 7.2B parametry April 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

589 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla K20c

5 GB · Q3_K_M · 27.9 tok/s

Nejrychlejší karta

B200

468 tok/s · 180 GB

Které GPU mohou spustit GRITLM 7B?

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.

589 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
468 tok/s 281–749 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.5 GB	Q8_0	Pohodlný
468 tok/s 281–749 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.5 GB	Q8_0	Pohodlný
374 tok/s 224–598 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.5 GB	Q8_0	Pohodlný
374 tok/s 224–598 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.5 GB	Q8_0	Pohodlný
299 tok/s 179–478 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.5 GB	Q8_0	Pohodlný
286 tok/s 172–458 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.5 GB	Q8_0	Pohodlný
286 tok/s 172–458 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.5 GB	Q8_0	Pohodlný
274 tok/s 164–438 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.5 GB	Q8_0	Pohodlný
243 tok/s 146–389 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.5 GB	Q8_0	Pohodlný
243 tok/s 146–389 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.5 GB	Q8_0	Pohodlný
243 tok/s 146–389 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.5 GB	Q8_0	Pohodlný
230 tok/s 138–369 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.5 GB	Q8_0	Pohodlný
197 tok/s 118–314 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Pohodlný
197 tok/s 118–314 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.5 GB	Q8_0	Pohodlný
197 tok/s 118–314 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Pohodlný
197 tok/s 118–314 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Pohodlný
197 tok/s 118–314 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.5 GB	Q8_0	Pohodlný
150 tok/s 90–239 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.5 GB	Q8_0	Pohodlný
150 tok/s 90–239 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.5 GB	Q8_0	Pohodlný
127 tok/s 76–203 · nízká důvěra	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.8 GB	Q6_K	Těsný
125 tok/s 75–200 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.5 GB	Q8_0	Pohodlný
122 tok/s 73–195 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.5 GB	Q8_0	Pohodlný
119 tok/s 72–191 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.5 GB	Q8_0	Pohodlný
119 tok/s 72–191 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.5 GB	Q8_0	Pohodlný
119 tok/s 72–191 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.5 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: Contextual AI,The University of Hong Kong,Microsoft
Typ organizace: Industry,Academia,Industry
Země: United States of America, Hong Kong
Publikováno: 17 April 2024
Autoři: Niklas Muennighoff, Hongjin Su, Liang Wang, Nan Yang, Furu Wei, Tao Yu, Amanpreet Singh, Douwe Kiela

Co to dělá

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

Doména: Language
Úkol: Language modeling/generation, Question answering, Quantitative reasoning
Základní model: Mistral 7B
Číselný formát: BF16

Velikost

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

parametry: 7.2B
Výcviková data: 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.

Jak bylo ustanoveno: Hardware
Ladění výpočtů: 1 × 10²¹ FLOP

Tréninkový běh

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

Tréninkový hardware: NVIDIA A100 SXM4 80 GB
Používané čipy: 8
Čip-hodiny: 3,072
Doba reálného času: 48 hours
Příkon: 6.3 kW

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 (unrestricted)
Tréninkový kód: Open source

Jak je to klasifikováno

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

Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Generative Representational Instruction Tuning
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží GRITLM 7B

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 GRITLM 7B

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

Tesla K20c

Potřeba paměti

4.2 GB

Nejrychlejší

468 tok/s

GRITLM 7B dosahuje počtu parametrů 7.2B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 589.

Nejmenší karta, která to pojme, je Tesla K20c, s kapacitou VRAM 5 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 27.9 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 468 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

GRITLM 7B byl zveřejněn Contextual AI,The University of Hong Kong,Microsoft, v zemi zaznamenané jako United States of America, během April 2024. Vydavatelská organizace je kategorizována jako industry,Academia,Industry.

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

Staví na Mistral 7B. To je obvyklý způsob, jak je specializovaný model vytvářen.

Zveřejněné váhy znamenají, že model běží na vašem stroji, nikoli na stroji někoho jiného, což činí otázku ohledně hardwaru níže odpovídatelnou.

Co rozhoduje o rychlosti

Mediánový výsledek je kolem 25.3 tokenů za sekundu. Producing text faster than most people read it: 559 z nich

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

Bez rozložení pozornosti v záznamu je sloupec paměti přibližný. Je dost blízko na to, aby se podle něj vybralo hardware, a je nejméně spolehlivý při dlouhém kontextu.

Krok za krokem

Jak vybrat GPU pro GRITLM 7B

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

01

Začněte od sloupce paměti

Tabulka uvádí každou kartu, která je schopna pojmout GRITLM 7B, potřebující kolem 4.2 GB při kompresi Q3_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Přizpůsobte kontext svému skutečnému použití

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro GRITLM 7B.
03

Rozhodněte, jaké množství komprese přijmete

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

Hodnoťte podle propustnosti spíše než podle specifikace

Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. GRITLM 7B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 468 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě GRITLM 7B. 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

Podívejte se, co dalšího ta karta spouští

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro GRITLM 7B.

Odpovědi

GRITLM 7B — běžné otázky

GRITLM 7B— Kdo to vytvořil?

Bylo to publikováno společností Contextual AI,The University of Hong Kong,Microsoft, zakládající se na United States of America, organizace zařazená jako industry,Academia,Industry.

GRITLM 7B— Kdy byl vydán?

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

GRITLM 7B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Quantitative reasoning. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

GRITLM 7B— kde si to mohu stáhnout?

Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.

GRITLM 7B— Mohu to spustit, pokud se to nevejde do mé GPU?

Může být rozdělen mezi GPU kartu a systémovou paměť, ale v tomto případě se generuje bolestivě pomalu. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 1.5 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

GRITLM 7B— 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: 589. Takže druhá karta je tu zřídka odpovědí.

GRITLM 7B— 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.

GRITLM 7B— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 281–749 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

GRITLM 7B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Tesla K20c, s kapacitou VRAM 5 GB. Spouští model při kompresi Q3_K_M používající přibližně 4.2 GB, a produkuje přibližně 27.9 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 589.

GRITLM 7B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 468 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 559.

GRITLM 7B— kolik VRAM potřebuje?

Potřebuje asi 4.2 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.

GRITLM 7B— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q6_K, používající přibližně 6.8 GB a generováním zhruba 127 tokenů za sekundu. Fit je těsný.

GRITLM 7B— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q8_0, používající přibližně 8.5 GB a generováním zhruba 53.4 tokenů za sekundu. Fit je pohodlný.

GRITLM 7B— 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 8.5 GB a generováním zhruba 66.1 tokenů za sekundu. Fit je pohodlný.

GRITLM 7B— 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 8.5 GB a generováním zhruba 78.4 tokenů za sekundu. Fit je pohodlný.

GRITLM 7B— 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.

GRITLM 7B— kolik má parametrů?

Má počet parametrů 7.2B. 7.24B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

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