MobileCLIP-B (LT) TPS kalkulátor

Otevřít váhy Apple 149.7M 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

818 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla C1080

4 GB · Q8_0 · 246 tok/s

Nejrychlejší karta

B200

22,634 tok/s · 180 GB

Které GPU mohou spustit MobileCLIP-B (LT)?

Nastavte vstupy, přečtěte si odpověď

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

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

818 karty odpovídají

Vypočítávání
Potřebuje Kvantisace Pohodlné
22,634 tok/s

13,580–36,214 · nízká důvěra

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 0.9 GB Q8_0 Pohodlný
22,634 tok/s

13,580–36,214 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 0.9 GB Q8_0 Pohodlný
18,073 tok/s

10,844–28,917 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 0.9 GB Q8_0 Pohodlný
18,073 tok/s

10,844–28,917 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 0.9 GB Q8_0 Pohodlný
14,454 tok/s

8,673–23,127 · nízká důvěra

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 0.9 GB Q8_0 Pohodlný
13,835 tok/s

8,301–22,136 · nízká důvěra

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 0.9 GB Q8_0 Pohodlný
13,835 tok/s

8,301–22,136 · nízká důvěra

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 0.9 GB Q8_0 Pohodlný
13,241 tok/s

7,944–21,185 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 0.9 GB Q8_0 Pohodlný
11,751 tok/s

7,051–18,802 · nízká důvěra

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 0.9 GB Q8_0 Pohodlný
11,751 tok/s

7,051–18,802 · nízká důvěra

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 0.9 GB Q8_0 Pohodlný
11,751 tok/s

7,051–18,802 · nízká důvěra

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 0.9 GB Q8_0 Pohodlný
11,147 tok/s

6,688–17,835 · nízká důvěra

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
9,506 tok/s

5,704–15,210 · nízká důvěra

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
9,506 tok/s

5,704–15,210 · nízká důvěra

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 0.9 GB Q8_0 Pohodlný
9,506 tok/s

5,704–15,210 · nízká důvěra

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
9,506 tok/s

5,704–15,210 · nízká důvěra

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
9,506 tok/s

5,704–15,210 · nízká důvěra

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
7,238 tok/s

4,343–11,581 · nízká důvěra

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 0.9 GB Q8_0 Pohodlný
7,238 tok/s

4,343–11,581 · nízká důvěra

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 0.9 GB Q8_0 Pohodlný
6,032 tok/s

3,619–9,651 · nízká důvěra

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 0.9 GB Q8_0 Pohodlný
5,903 tok/s

3,542–9,445 · nízká důvěra

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 0.9 GB Q8_0 Pohodlný
5,772 tok/s

3,463–9,234 · nízká důvěra

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 0.9 GB Q8_0 Pohodlný
5,772 tok/s

3,463–9,234 · nízká důvěra

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 0.9 GB Q8_0 Pohodlný
5,772 tok/s

3,463–9,234 · nízká důvěra

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 0.9 GB Q8_0 Pohodlný
5,772 tok/s

3,463–9,234 · nízká důvěra

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 0.9 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
Apple
Typ organizace
Industry
Země
United States of America
Publikováno
1 April 2024
Autoři
Pavan Kumar Anasosalu Vasu, Hadi Pouransari, Fartash Faghri, Raviteja Vemulapalli, Oncel Tuzel

Co to dělá

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

Doména
Vision
Úkol
Image captioning, Image classification

Velikost

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

parametry
149.7M

Table 7 Params (M) (img+txt) 86.3 + 63.4

Výcviková data
tokens

140TB, 1.28B datapoints - size of the dataset "We train using 64 nodes with 8xA100-80GB GPUs and a per-GPU batch size of either 128 or 256." 39B - seen samples LR schedule Const(300k, 65k, 2k) + Cosine(300k, 65k, 2k) 39B 600k total steps(for LT = long training model) 39/1.28 ~ 30.5 epochs assumming image resolution 256*256, patch size 14*14, caption length 50 text tokens then total size of the dataset is 1.28*10^9*((256/14)^2+50) = 491990204082 tokens ~490B tokens

Epochy
30.5

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 × 10²² FLOP

6 FLOP / token / parameter * 490*10^9 tokens [see dataset size notes] * 30.50 epochs * 149700000.00 parameters = 1.3423599e+22 FLOP 'Likely' confidence because I am not sure about dataset size

Jak bylo ustanoveno
Operation counting

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
256
Příkon
202.5 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

MIT License

Jak je to klasifikováno

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

Záznam důvěry
Likely

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
MobileCLIP: Fast Image-Text Models through Multi-Modal Reinforced Training
Nap poslední aktualizace
11 February 2026

Extrémy

Deset nejrychlejších GPU, které běží MobileCLIP-B (LT)

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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 22,634 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 22,634 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 18,073 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 18,073 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 14,454 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 13,835 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 13,835 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 13,241 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 11,751 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 11,751 tok/s

Nejmenší GPU, které ještě běží MobileCLIP-B (LT)

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

  1. 01 GeForce RTX 4010 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 272 tok/s
  2. 02 RTX A400 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 272 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 362 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 543 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 96.5 tok/s
  6. 06 Radeon RX 6450M 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 282 tok/s
  7. 07 Radeon RX 6550M 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 318 tok/s
  8. 08 Radeon RX 6550S 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 282 tok/s
  9. 09 Arc A310 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 228 tok/s
  10. 10 Arc Pro A30M 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 235 tok/s

Co čísla znamenají

Co je potřeba k provozování tohoto modelu

Minimum karta

Tesla C1080

Potřeba paměti

0.9 GB

Nejrychlejší

22,634 tok/s

MobileCLIP-B (LT) dosahuje počtu parametrů 149.7M. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 818.

Nejmenší karta, která to pojme, je Tesla C1080, s kapacitou VRAM 4 GB, spuštění na kompresi Q8_0 a vyrábějí kolem 246 tokenů za sekundu

Špičkový model je B200, generování přibližně 22,634 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

MobileCLIP-B (LT) byl zveřejněn Apple, v zemi zaznamenané jako United States of America, během April 2024. Kategorie, do které vydavatel spadá, je industry.

funguje v oblasti Vision, a je zaznamenán jako vykonávající úkol image captioning, Image classification.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.

Čtení čísel propustnosti

Polovina karet, které to drží, zvládne více než 635.6 tokenů za sekundu. Producing text faster than most people read it: 818 z nich

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

Paměť zde je odhadována podle velikosti, spíše než aby byla vypočtena z architektury, která není pro tento model zaznamenána — čísla jsou spíše indikativní než přesná.

Co bylo zapotřebí k jeho vybudování

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.3 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 80 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Krok za krokem

Jak vybrat GPU pro MobileCLIP-B (LT)

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

  1. 01

    Přečtěte si nejprve číslo paměti

    Každá KARTA zde byla zkontrolována proti MobileCLIP-B (LT), potřebující kolem 0.9 GB při kompresi Q8_0. Kapacita je brána — karta buď ji má, nebo ne.

  2. 02

    Nastavte délku kontextu, se kterou budete pracovat

    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. MobileCLIP-B (LT).

  3. 03

    Vyberte, jak moc to budete komprimovat.

    Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., dosahující komprese Q8_0 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.

  4. 04

    Hodnoťte podle propustnosti spíše než podle specifikace

    Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. MobileCLIP-B (LT). Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 22,634 tok/s

  5. 05

    Podívejte se na rezervu, ne jen na padnutí

    Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě MobileCLIP-B (LT). Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.

  6. 06

    Otevřete kartu, na které jste se usadili.

    Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro MobileCLIP-B (LT).

Odpovědi

MobileCLIP-B (LT) — běžné otázky

01

MobileCLIP-B (LT)— K čemu se to používá?

funguje v oblasti Vision, a je zaznamenáno jako zpracovávající úkol image captioning, Image classification. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

02

MobileCLIP-B (LT)— 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.

03

MobileCLIP-B (LT)— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.3 × 10²² FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 80 GB. 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.

04

MobileCLIP-B (LT)— 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. Každá postava zde předpokládá, že celý model je umístěn na kartě.

05

MobileCLIP-B (LT)— 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: 818. Takže druhá karta je tu zřídka odpovědí.

06

MobileCLIP-B (LT)— 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: 1. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

07

MobileCLIP-B (LT)— 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: 13,580–36,214 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

08

MobileCLIP-B (LT)— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Tesla C1080, s kapacitou VRAM 4 GB. Spouští model při kompresi Q8_0 používající přibližně 0.9 GB, a produkuje přibližně 246 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

09

MobileCLIP-B (LT)— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 22,634 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 818.

10

MobileCLIP-B (LT)— kolik VRAM potřebuje?

Potřebuje asi 0.9 GB při kompresi Q8_0, 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.

11

MobileCLIP-B (LT)— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q8_0, používající přibližně 0.9 GB a generováním zhruba 4,215 tokenů za sekundu. Fit je pohodlný.

12

MobileCLIP-B (LT)— 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 0.9 GB a generováním zhruba 2,581 tokenů za sekundu. Fit je pohodlný.

13

MobileCLIP-B (LT)— 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 0.9 GB a generováním zhruba 3,197 tokenů za sekundu. Fit je pohodlný.

14

MobileCLIP-B (LT)— 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 0.9 GB a generováním zhruba 3,791 tokenů za sekundu. Fit je pohodlný.

15

MobileCLIP-B (LT)— 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.

16

MobileCLIP-B (LT)— kolik má parametrů?

Má počet parametrů 149.7M. Table 7 Params (M) (img+txt) 86.3 + 63.4. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

17

MobileCLIP-B (LT)— Kdo to vytvořil?

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

18

MobileCLIP-B (LT)— 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