Ring-flash-linear-2.0 TPS kalkulátor

Otevřít váhy Ant Group 104.2B parametry October 2025

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 · Q3_K_M · 14.0 tok/s

Nejrychlejší karta

B200

32.5 tok/s · 180 GB

Které GPU mohou spustit Ring-flash-linear-2.0?

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
32.5 tok/s 20–52 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	112.3 GB	Q8_0	Pohodlný
32.5 tok/s 20–52 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	112.3 GB	Q8_0	Pohodlný
31.5 tok/s 19–50 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	63.7 GB	Q4_K_M	Těsný
31.5 tok/s 19–50 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	63.7 GB	Q4_K_M	Těsný
28.6 tok/s 17–46 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.9 GB	Q5_K_M	Těsný
26.0 tok/s 16–42 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Pohodlný
26.0 tok/s 16–42 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Pohodlný
24.4 tok/s 15–39 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Těsný
24.4 tok/s 15–39 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Těsný
24.4 tok/s 15–39 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Těsný
22.2 tok/s 13–35 · nízká důvěra	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	51.6 GB	Q3_K_M	Těsný
20.8 tok/s 12–33 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	112.3 GB	Q8_0	Těsný
19.9 tok/s 12–32 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	Těsný
19.9 tok/s 12–32 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	Těsný
19.1 tok/s 11–31 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	63.7 GB	Q4_K_M	Těsný
19.1 tok/s 11–31 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	63.7 GB	Q4_K_M	Těsný
19.1 tok/s 11–31 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	63.7 GB	Q4_K_M	Těsný
19.1 tok/s 11–31 · nízká důvěra	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	Těsný
19.1 tok/s 11–31 · nízká důvěra	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	63.7 GB	Q4_K_M	Těsný
19.1 tok/s 11–31 · nízká důvěra	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	Těsný
19.0 tok/s 11–30 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	112.3 GB	Q8_0	Pohodlný
18.2 tok/s 11–29 · nízká důvěra	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	63.7 GB	Q4_K_M	Těsný
18.2 tok/s 11–29 · nízká důvěra	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	63.7 GB	Q4_K_M	Těsný
16.9 tok/s 10–27 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	112.3 GB	Q8_0	Těsný
16.9 tok/s 10–27 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	112.3 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: Ant Group
Typ organizace: Industry
Země: China
Publikováno: 23 October 2025
Autoři: Bin Han, Caizhi Tang, Chen Liang, Donghao Zhang, Fan Yuan, Feng Zhu, Jie Gao, Jingyu Hu, Longfei Li, Meng Li, Mingyang Zhang, Peijie Jiang, Peng Jiao, Qian Zhao, Qingyuan Yang, Wenbo Shen, Xinxing Yang, Yalin Zhang, Yankun Ren, Yao Zhao, Yibo Cao, Yixuan Sun, Yue Zhang, Yuchen Fang, Zibin Lin, Zixuan Cheng, Jun Zhou

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, Code generation, Mathematical reasoning
Základní model: Ling-flash-base-2.0-20T
Číselný formát: FP8

Velikost

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

parametry: 104.2B
Výcviková data: 1,000,000,000,000 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: 7.7 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting
Ladění výpočtů: 3.7 × 10²² FLOP

Tréninkový běh

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

Tréninkový hardware: NVIDIA H800 SXM5
Používané čipy: 32
Příkon: 43.7 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: Unreleased
Hugging Face: inclusionAI

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: Every Attention Matters: An Efficient Hybrid Architecture for Long-Context Reasoning
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Ring-flash-linear-2.0

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 Ring-flash-linear-2.0

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

Radeon Instinct MI200

Potřeba paměti

51.6 GB

Nejrychlejší

32.5 tok/s

Ring-flash-linear-2.0 dosahuje počtu parametrů 104.2B. 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.

Nejmenší hardware, který funguje, je Radeon Instinct MI200, s kapacitou VRAM 64 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 14.0 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 32.5 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

Ring-flash-linear-2.0 byl zveřejněn Ant Group, v zemi zaznamenané jako China, během October 2025. Vydavatelská organizace je kategorizována jako industry.

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

Místo toho, aby byl trénován od nuly, je odvozen z Ling-flash-base-2.0-20T. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

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 inclusionAI.

Porozumění rychlostem

Mediánový výsledek je kolem 18.2 tokenů za sekundu 37 z nich

Být hustý, čte vše sám po tokenu, což je důvod, proč pořadí podle rychlosti níže úzce následuje pořadí podle šířky pásma VRAM.

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

Trénování si vyžádalo výpočetní rozpočet přibližně 7.7 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA H800 SXM5. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 1,000,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Ring-flash-linear-2.0

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 Ring-flash-linear-2.0, potřebující kolem 51.6 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
02

Přizpůsobte kontext svému skutečnému použití

Konverzace také zabírá MEMORY a roste, jak pokračuje. Nastavte posuvník na délku, kterou očekáváte, protože při dlouhém CONTEXT může být KARTA, která snadno zvládá krátké dotazy, odmítnuta. Ring-flash-linear-2.0.
03

Rozhodněte, jaké množství komprese přijmete

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

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Ring-flash-linear-2.0. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 32.5 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě Ring-flash-linear-2.0. 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.

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro Ring-flash-linear-2.0.

Odpovědi

Ring-flash-linear-2.0 — běžné otázky

Ring-flash-linear-2.0— 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 Q3_K_M používající přibližně 51.6 GB, a produkuje přibližně 14.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 43.

Ring-flash-linear-2.0— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 32.5 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 37.

Ring-flash-linear-2.0— kolik VRAM potřebuje?

Potřebuje asi 51.6 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.

Ring-flash-linear-2.0— 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.

Ring-flash-linear-2.0— kolik má parametrů?

Má počet parametrů 104.2B. Ring-flash-linear-2.0 contains 104B parameters and 6.1B activations. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Ring-flash-linear-2.0— Kdo to vytvořil?

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

Ring-flash-linear-2.0— Kdy byl vydán?

Bylo to zveřejněno v October 2025.

Ring-flash-linear-2.0— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Quantitative reasoning, Code generation, Mathematical reasoning. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

Ring-flash-linear-2.0— kde si to mohu stáhnout?

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

Ring-flash-linear-2.0— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 7.7 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA H800 SXM5. 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.

Ring-flash-linear-2.0— 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 20.5 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Ring-flash-linear-2.0— 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: 43. Takže druhá karta je tu zřídka odpovědí.

Ring-flash-linear-2.0— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Ring-flash-linear-2.0— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 20–52 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

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