Qwen1.5-72B TPS kalkulátor

Otevřít váhy Alibaba 72B 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

43 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Radeon Instinct MI200

64 GB · IQ4_XS · 18.5 tok/s

Nejrychlejší karta

B200

47.1 tok/s · 180 GB

Které GPU mohou spustit Qwen1.5-72B?

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.

43 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
47.1 tok/s 40–56	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	93.3 GB	Q8_0	Pohodlný
47.1 tok/s 40–56	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	93.3 GB	Q8_0	Pohodlný
37.6 tok/s 23–60 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	93.3 GB	Q8_0	Pohodlný
37.6 tok/s 23–60 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	93.3 GB	Q8_0	Pohodlný
35.3 tok/s 30–42	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	68.1 GB	Q5_K_M	Těsný
35.3 tok/s 30–42	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	68.1 GB	Q5_K_M	Těsný
33.7 tok/s 29–40	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	76.5 GB	Q6_K	Těsný
30.1 tok/s 18–48 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	93.3 GB	Q8_0	Pohodlný
29.2 tok/s 25–35	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.6 GB	IQ4_XS	Těsný
28.8 tok/s 24–35	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	93.3 GB	Q8_0	Pohodlný
28.8 tok/s 24–35	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	93.3 GB	Q8_0	Pohodlný
28.7 tok/s 24–34	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	Těsný
28.7 tok/s 24–34	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	Těsný
28.7 tok/s 24–34	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	Těsný
27.5 tok/s 17–44 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	93.3 GB	Q8_0	Pohodlný
24.4 tok/s 15–39 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Pohodlný
24.4 tok/s 15–39 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Pohodlný
24.4 tok/s 15–39 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Pohodlný
21.4 tok/s 18–26	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	68.1 GB	Q5_K_M	Těsný
21.4 tok/s 18–26	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	68.1 GB	Q5_K_M	Těsný
21.4 tok/s 18–26	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	68.1 GB	Q5_K_M	Těsný
21.4 tok/s 18–26	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.1 GB	Q5_K_M	Těsný
21.4 tok/s 18–26	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	68.1 GB	Q5_K_M	Těsný
21.4 tok/s 18–26	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.1 GB	Q5_K_M	Těsný
20.4 tok/s 17–24	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	68.1 GB	Q5_K_M	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: Alibaba
Typ organizace: Industry
Země: China
Publikováno: 4 February 2024
Autoři: Qwen Team

Co to dělá

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

Doména: Language
Úkol: Chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation

Velikost

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

parametry: 72B
Výcviková data: 3,000,000,000,000 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: 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: There is no paper to reference, no information about hardware used for training found in media.

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: Qwen

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: Introducing Qwen1.5
Nap poslední aktualizace: 18 December 2025

Extrémy

Deset nejrychlejších GPU, které běží Qwen1.5-72B

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 Qwen1.5-72B

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

Co čísla znamenají

Hardwarové požadavky v praxi

Minimum karta

Radeon Instinct MI200

Potřeba paměti

55.6 GB

Nejrychlejší

47.1 tok/s

Qwen1.5-72B dosahuje počtu parametrů 72B. To dává nad spotřebitelský hardware, do oblasti, kde je karta kupována za tímto účelem spíše než přepracována pro něj. Počet karet, které sledujeme a které to mohou pojmout: 43.

Vstupní bod je Radeon Instinct MI200, s kapacitou VRAM 64 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 18.5 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 47.1 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

Qwen1.5-72B byl zveřejněn Alibaba, v zemi zaznamenané jako China, během February 2024. Kategorie, do které vydavatel spadá, je industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation.

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 Qwen.

Čtení čísel propustnosti

Polovina karet, které to drží, zvládne více než 21.4 tokenů za sekundu 39 z nich

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

Jeho rozložení pozornosti je v naší databázi, takže hodnoty VRAM jsou vypočítány přesně místo přibližně.

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 3,000,000,000,000 tokeny textu

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro Qwen1.5-72B

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

Každá KARTA zde byla zkontrolována proti Qwen1.5-72B, potřebující kolem 55.6 GB při kompresi IQ4_XS. Kapacita je brána — karta buď ji má, nebo ne.
02

Nastavte délku kontextu, se kterou budete pracovat

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro Qwen1.5-72B.
03

Nastavte minimální kvalitu

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., 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

Srovnejte TPS, ne specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Qwen1.5-72B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 47.1 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Qwen1.5-72B. 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. Qwen1.5-72B.

Odpovědi

Qwen1.5-72B — běžné otázky

Qwen1.5-72B— kolik VRAM potřebuje?

Potřebuje asi 55.6 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.

Qwen1.5-72B— 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.

Qwen1.5-72B— kolik má parametrů?

Má počet parametrů 72B. 72B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Qwen1.5-72B— Kdo to vytvořil?

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

Qwen1.5-72B— 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.

Qwen1.5-72B— K čemu se to používá?

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

Qwen1.5-72B— kde si to mohu stáhnout?

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

Qwen1.5-72B— 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.

Qwen1.5-72B— 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 16.6 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Qwen1.5-72B— 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: 43. Takže druhá karta je tu zřídka odpovědí.

Qwen1.5-72B— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Qwen1.5-72B— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 40–56 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Qwen1.5-72B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Radeon Instinct MI200, s kapacitou VRAM 64 GB. Spouští model při kompresi IQ4_XS používající přibližně 55.6 GB, a produkuje přibližně 18.5 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 43.

Qwen1.5-72B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 47.1 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 39.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 18 December 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