OpenThaiGPT v1.0.0 (7B) TPS kalkulátor

Otevřít váhy Mahidol University,AI Entrepreneurs Association of Thailand 6.8B 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 · IQ4_XS · 27.0 tok/s

Nejrychlejší karta

B200

498 tok/s · 180 GB

Které GPU mohou spustit OpenThaiGPT v1.0.0 (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
498 tok/s 299–796 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.0 GB	Q8_0	Pohodlný
498 tok/s 299–796 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.0 GB	Q8_0	Pohodlný
397 tok/s 238–636 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.0 GB	Q8_0	Pohodlný
397 tok/s 238–636 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.0 GB	Q8_0	Pohodlný
318 tok/s 191–508 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.0 GB	Q8_0	Pohodlný
304 tok/s 182–487 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.0 GB	Q8_0	Pohodlný
304 tok/s 182–487 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.0 GB	Q8_0	Pohodlný
291 tok/s 175–466 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.0 GB	Q8_0	Pohodlný
258 tok/s 155–413 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.0 GB	Q8_0	Pohodlný
258 tok/s 155–413 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.0 GB	Q8_0	Pohodlný
258 tok/s 155–413 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.0 GB	Q8_0	Pohodlný
245 tok/s 147–392 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.0 GB	Q8_0	Pohodlný
209 tok/s 125–334 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.0 GB	Q8_0	Pohodlný
209 tok/s 125–334 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.0 GB	Q8_0	Pohodlný
209 tok/s 125–334 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.0 GB	Q8_0	Pohodlný
209 tok/s 125–334 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.0 GB	Q8_0	Pohodlný
209 tok/s 125–334 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.0 GB	Q8_0	Pohodlný
159 tok/s 95–255 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.0 GB	Q8_0	Pohodlný
159 tok/s 95–255 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.0 GB	Q8_0	Pohodlný
135 tok/s 81–215 · nízká důvěra	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.4 GB	Q6_K	Těsný
133 tok/s 80–212 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.0 GB	Q8_0	Pohodlný
130 tok/s 78–208 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.0 GB	Q8_0	Pohodlný
127 tok/s 76–203 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.0 GB	Q8_0	Pohodlný
127 tok/s 76–203 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.0 GB	Q8_0	Pohodlný
127 tok/s 76–203 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.0 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: Mahidol University,AI Entrepreneurs Association of Thailand
Typ organizace: Academia
Země: Thailand
Publikováno: 8 April 2024
Autoři: Kobkrit Viriyayudhakorn, Sumeth Yuenyong, Thaweewat Rugsujarit, Jillaphat Jaroenkantasima, Norapat Buppodom, Koravich Sangkaew, Peerawat Rojratchadakorn, Surapon Nonesung, Chanon Utupon, Sadhis Wongprayoon, Nucharee Thongthungwong, Chawakorn Phiantham, Patteera Triamamornwooth. Nattarika Juntarapaoraya, Kriangkrai Saetan, Pitikorn Khlaisamniang

Co to dělá

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

Doména: Language
Úkol: Chat, Language modeling/generation, Question answering, Retrieval-augmented generation
Základní model: Llama 2-7B

Velikost

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

parametry: 6.8B
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.

Výpočty pro trénink: 2.7 × 10²¹ FLOP
Jak bylo ustanoveno: Operation counting
Ladění výpočtů: 4.1 × 10¹⁶ FLOP

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: openthaigpt

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: OpenThaiGPT 7b 1.0.0
Nap poslední aktualizace: 11 February 2026

Extrémy

Deset nejrychlejších GPU, které běží OpenThaiGPT v1.0.0 (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 OpenThaiGPT v1.0.0 (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

4.4 GB

Nejrychlejší

498 tok/s

OpenThaiGPT v1.0.0 (7B) dosahuje počtu parametrů 6.8B. 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 IQ4_XS a vyrábějí kolem 27.0 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 498 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

OpenThaiGPT v1.0.0 (7B) byl zveřejněn Mahidol University,AI Entrepreneurs Association of Thailand, v zemi zaznamenané jako Thailand, během April 2024. Kategorie, do které vydavatel spadá, je academia.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol chat, Language modeling/generation, Question answering, Retrieval-augmented generation.

Staví na Llama 2-7B. 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. Na Hugging Face je publikováno pod organizací openthaigpt.

Co rozhoduje o rychlosti

Polovina karet, které to drží, zvládne více než 26.9 tokenů za sekundu. Producing text faster than most people read it: 562 z nich

Je to hustý model, takže každý parametr je čten pro každý token vyprodukovaný. To dělá rychlost téměř přesně sledovat paměťovou šířku pásma — karta s dvojnásobnou šířkou pásma generuje přibližně dvojnásobně rychle.

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 2.7 × 10²¹ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Krok za krokem

Jak vybrat GPU pro OpenThaiGPT v1.0.0 (7B)

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 OpenThaiGPT v1.0.0 (7B), potřebující kolem 4.4 GB při kompresi IQ4_XS. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
02

Rozhodněte, jak dlouho vaše konverzace běží

Nastavte kontext na to, co skutečně použijete. Cache roste s konverzací a to je obvyklý důvod, proč karta, která se zdála v pořádku, přestane vejít. OpenThaiGPT v1.0.0 (7B).
03

Vyberte, jak moc to budete komprimovat.

Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., 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

Třídit podle rychlosti

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro OpenThaiGPT v1.0.0 (7B). Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 498 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě OpenThaiGPT v1.0.0 (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

Otevřete kartu, na které jste se usadili.

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. OpenThaiGPT v1.0.0 (7B).

Odpovědi

OpenThaiGPT v1.0.0 (7B) — běžné otázky

OpenThaiGPT v1.0.0 (7B)— K čemu se to používá?

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

OpenThaiGPT v1.0.0 (7B)— kde si to mohu stáhnout?

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

OpenThaiGPT v1.0.0 (7B)— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 2.7 × 10²¹ 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.

OpenThaiGPT v1.0.0 (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 1.2 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

OpenThaiGPT v1.0.0 (7B)— 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: 589. Takže druhá karta je tu zřídka odpovědí.

OpenThaiGPT v1.0.0 (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.

OpenThaiGPT v1.0.0 (7B)— Jak přesné jsou tyto odhady rychlosti?

Toto jsou odhady s reálnými chybami a kterýkoli z nich může rozumně spadnout kamkoli v jeho publikovaném rozmezí v závislosti na tom, který run AI model použijete. Nejrychlejší výsledek zde: 299–796 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

OpenThaiGPT v1.0.0 (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 IQ4_XS používající přibližně 4.4 GB, a produkuje přibližně 27.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 589.

OpenThaiGPT v1.0.0 (7B)— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 498 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 562.

OpenThaiGPT v1.0.0 (7B)— kolik VRAM potřebuje?

Potřebuje asi 4.4 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.

OpenThaiGPT v1.0.0 (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 6.4 GB a generováním zhruba 135 tokenů za sekundu. Fit je těsný.

OpenThaiGPT v1.0.0 (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 8.0 GB a generováním zhruba 56.7 tokenů za sekundu. Fit je pohodlný.

OpenThaiGPT v1.0.0 (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 8.0 GB a generováním zhruba 70.3 tokenů za sekundu. Fit je pohodlný.

OpenThaiGPT v1.0.0 (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 8.0 GB a generováním zhruba 83.3 tokenů za sekundu. Fit je pohodlný.

OpenThaiGPT v1.0.0 (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.

OpenThaiGPT v1.0.0 (7B)— kolik má parametrů?

Má počet parametrů 6.8B. https://huggingface.co/openthaigpt/openthaigpt-1.0.0-7b-chat. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

OpenThaiGPT v1.0.0 (7B)— Kdo to vytvořil?

Bylo to publikováno společností Mahidol University,AI Entrepreneurs Association of Thailand, zakládající se na Thailand, organizace zařazená jako academia.

OpenThaiGPT v1.0.0 (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.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 11 February 2026

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