Playground v2.5 TPS kalkulátor

Otevřít váhy Playground 3.5B parametry February 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 · Q5_K_M · 18.8 tok/s

Nejrychlejší karta

B200

968 tok/s · 180 GB

Které GPU mohou spustit Playground v2.5?

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.

818 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
968 tok/s 581–1,549 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	4.4 GB	Q8_0	Pohodlný
968 tok/s 581–1,549 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	4.4 GB	Q8_0	Pohodlný
773 tok/s 464–1,237 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	4.4 GB	Q8_0	Pohodlný
773 tok/s 464–1,237 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	4.4 GB	Q8_0	Pohodlný
618 tok/s 371–989 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	4.4 GB	Q8_0	Pohodlný
592 tok/s 355–947 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.4 GB	Q8_0	Pohodlný
592 tok/s 355–947 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.4 GB	Q8_0	Pohodlný
566 tok/s 340–906 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	4.4 GB	Q8_0	Pohodlný
503 tok/s 302–804 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Pohodlný
503 tok/s 302–804 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Pohodlný
503 tok/s 302–804 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Pohodlný
477 tok/s 286–763 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	4.4 GB	Q8_0	Pohodlný
407 tok/s 244–651 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Pohodlný
407 tok/s 244–651 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	4.4 GB	Q8_0	Pohodlný
407 tok/s 244–651 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Pohodlný
407 tok/s 244–651 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Pohodlný
407 tok/s 244–651 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Pohodlný
310 tok/s 186–495 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	4.4 GB	Q8_0	Pohodlný
310 tok/s 186–495 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	4.4 GB	Q8_0	Pohodlný
258 tok/s 155–413 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	4.4 GB	Q8_0	Pohodlný
252 tok/s 151–404 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	4.4 GB	Q8_0	Pohodlný
247 tok/s 148–395 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	4.4 GB	Q8_0	Pohodlný
247 tok/s 148–395 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	4.4 GB	Q8_0	Pohodlný
247 tok/s 148–395 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	4.4 GB	Q8_0	Pohodlný
247 tok/s 148–395 · nízká důvěra	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	4.4 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: Playground
Typ organizace: Industry
Země: United States of America
Publikováno: 27 February 2024
Autoři: Daiqing Li, Aleks Kamko, Ehsan Akhgari, Ali Sabet, Linmiao Xu, Suhail Doshi

Co to dělá

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

Doména: Image generation
Úkol: Text-to-image, Image generation

Velikost

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

parametry: 3.5B
Výcviková data: tokens

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: playgroundai

Jak je to klasifikováno

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

Záznam důvěry: Unknown
Citace: 234

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Playground v2.5: Three Insights towards Enhancing Aesthetic Quality in Text-to-Image Generation
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží Playground v2.5

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 Playground v2.5

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

Tesla C1080

Potřeba paměti

3.2 GB

Nejrychlejší

968 tok/s

Playground v2.5 dosahuje počtu parametrů 3.5B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 818.

Nejmenší hardware, který funguje, je Tesla C1080, s kapacitou VRAM 4 GB, spuštění na kompresi Q5_K_M a vyrábějí kolem 18.8 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 968 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

O tomto modelu

Playground v2.5 byl zveřejněn Playground, v zemi zaznamenané jako United States of America, během February 2024. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Image generation, a je zaznamenán jako vykonávající úkol text-to-image, Image generation.

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 playgroundai.

Jak rychle to běží a proč

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 32.5 tokenů za sekundu. Producing text faster than most people read it: 778 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.

Krok za krokem

Jak vybrat GPU pro Playground v2.5

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 Playground v2.5, potřebující kolem 3.2 GB při kompresi Q5_K_M. Kapacita je brána — karta buď ji má, nebo ne.
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. Playground v2.5.
03

Rozhodněte, jaké množství komprese přijmete

Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., dosahující komprese Q5_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

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Playground v2.5. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 968 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 Playground v2.5. 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.

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě Playground v2.5.

Odpovědi

Playground v2.5 — běžné otázky

Playground v2.5— 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. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Playground v2.5— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 818. Takže druhá karta je tu zřídka odpovědí.

Playground v2.5— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 2. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Playground v2.5— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 581–1,549 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Playground v2.5— 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 Q5_K_M používající přibližně 3.2 GB, a produkuje přibližně 18.8 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

Playground v2.5— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 968 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 778.

Playground v2.5— kolik VRAM potřebuje?

Potřebuje asi 3.2 GB při kompresi Q5_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.

Playground v2.5— 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 4.4 GB a generováním zhruba 180 tokenů za sekundu. Fit je pohodlný.

Playground v2.5— 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 4.4 GB a generováním zhruba 110 tokenů za sekundu. Fit je pohodlný.

Playground v2.5— 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 4.4 GB a generováním zhruba 137 tokenů za sekundu. Fit je pohodlný.

Playground v2.5— 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 4.4 GB a generováním zhruba 162 tokenů za sekundu. Fit je pohodlný.

Playground v2.5— 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.

Playground v2.5— kolik má parametrů?

Má počet parametrů 3.5B. The Model Description section of [1] says that the model “follows the same architecture as Stable Diffusion XL.” It also says that the model is a latent diffusion model that uses OpenCLIP-ViT/G and CLIP-ViT/L as text encoders, which seemingly would make it identical to Stable Diffusion XL [2]. Therefore, I will assume that Playground v2.5 has the same number of parameters as the Stable Diffusion XL 1.0 base model, which has 3.5B model parameters [3]. 1. https://huggingface.co/playgroundai/playground-v2.5-1024px-aesthetic 2. https://arxiv.org/pdf/2307.01952 3. https://stability.ai/news/stable-diffusion-sdxl-1-announcement. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Playground v2.5— Kdo to vytvořil?

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

Playground v2.5— Kdy byl vydán?

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

Playground v2.5— K čemu se to používá?

funguje v oblasti Image generation, a je zaznamenáno jako zpracovávající úkol text-to-image, Image generation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

Playground v2.5— kde si to mohu stáhnout?

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

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 25 May 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