VILA-13B TPS kalkulátor

Otevřít váhy NVIDIA,Massachusetts Institute of Technology (MIT) 13.4B parametry December 2023

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

306 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

P102-101

10 GB · Q4_K_M · 19.9 tok/s

Nejrychlejší karta

B200

254 tok/s · 180 GB

Které GPU mohou spustit VILA-13B?

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.

306 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
254 tok/s 152–406 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	15.0 GB	Q8_0	Pohodlný
254 tok/s 152–406 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	15.0 GB	Q8_0	Pohodlný
203 tok/s 122–324 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	15.0 GB	Q8_0	Pohodlný
203 tok/s 122–324 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	15.0 GB	Q8_0	Pohodlný
162 tok/s 97–259 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	15.0 GB	Q8_0	Pohodlný
155 tok/s 93–248 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.0 GB	Q8_0	Pohodlný
155 tok/s 93–248 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.0 GB	Q8_0	Pohodlný
148 tok/s 89–238 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	15.0 GB	Q8_0	Pohodlný
132 tok/s 79–211 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	15.0 GB	Q8_0	Pohodlný
132 tok/s 79–211 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	15.0 GB	Q8_0	Pohodlný
132 tok/s 79–211 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	15.0 GB	Q8_0	Pohodlný
125 tok/s 75–200 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	15.0 GB	Q8_0	Pohodlný
114 tok/s 69–183 · nízká důvěra	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.8 GB	Q4_K_M	Těsný
107 tok/s 64–171 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Pohodlný
107 tok/s 64–171 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	15.0 GB	Q8_0	Pohodlný
107 tok/s 64–171 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Pohodlný
107 tok/s 64–171 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Pohodlný
107 tok/s 64–171 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Pohodlný
81.2 tok/s 49–130 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	15.0 GB	Q8_0	Pohodlný
81.2 tok/s 49–130 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	15.0 GB	Q8_0	Pohodlný
67.6 tok/s 41–108 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	15.0 GB	Q8_0	Pohodlný
66.2 tok/s 40–106 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	15.0 GB	Q8_0	Pohodlný
64.7 tok/s 39–104 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	15.0 GB	Q8_0	Pohodlný
64.7 tok/s 39–104 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	15.0 GB	Q8_0	Pohodlný
64.7 tok/s 39–104 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	15.0 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: NVIDIA,Massachusetts Institute of Technology (MIT)
Typ organizace: Industry,Academia
Země: United States of America
Publikováno: 12 December 2023
Autoři: Ji Lin, Hongxu Yin, Wei Ping, Yao Lu, Pavlo Molchanov, Andrew Tao, Huizi Mao, Jan Kautz, Mohammad Shoeybi, Song Han

Co to dělá

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

Doména: Multimodal, Language, Vision
Úkol: Chat, Visual question answering, Image captioning, Language modeling/generation, Question answering
Základní model: Llama 2-13B,CLIP (ViT L/14@336px)
Číselný formát: BF16

Velikost

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

parametry: 13.4B
Výcviková data: 32,430,000,000 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: 2.3 × 10²¹ FLOP

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: 128
Příkon: 101.5 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 (non-commercial)
Tréninkový kód: Open source
Hugging Face: Efficient-Large-Model

Jak je to klasifikováno

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

Proč je to sledováno: SOTA improvement
Záznam důvěry: Confident
Citace: 827

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: VILA: On Pre-training for Visual Language Models
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží VILA-13B

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 VILA-13B

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

P102-101

Potřeba paměti

8.8 GB

Nejrychlejší

254 tok/s

VILA-13B dosahuje počtu parametrů 13.4B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 306.

Vstupní bod je P102-101, s kapacitou VRAM 10 GB, spuštění na kompresi Q4_K_M a vyrábějí kolem 19.9 tokenů za sekundu

Špičkový model je B200, generování přibližně 254 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

VILA-13B byl zveřejněn NVIDIA,Massachusetts Institute of Technology (MIT), v zemi zaznamenané jako United States of America, během December 2023. Vydavatelská organizace je kategorizována jako industry,Academia.

funguje v oblasti Multimodal, Language, Vision, a je zaznamenán jako vykonávající úkol chat, Visual question answering, Image captioning, Language modeling/generation, Question answering.

Jeho výchozím bodem byl existující základní model, Llama 2-13B,CLIP (ViT L/14@336px). To je obvyklý způsob, jak je specializovaný model vytvářen.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu. Na Hugging Face je publikováno pod organizací Efficient-Large-Model.

Čtení čísel propustnosti

Mediánový výsledek je kolem 21.4 tokens za sekundu. Překračující rychlost čtení rovnou: 269 z nich

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

Bez rozložení pozornosti v záznamu je sloupec paměti přibližný. Je dost blízko na to, aby se podle něj vybralo hardware, a je nejméně spolehlivý při dlouhém kontextu.

Jak bylo trénováno

Trénování si vyžádalo výpočetní rozpočet přibližně 2.3 × 10²¹ 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.

Tréninková sada běžela na přibližně 32,430,000,000 tokeny textu

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro VILA-13B

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.

Tabulka uvádí každou kartu, která je schopna pojmout VILA-13B, potřebující kolem 8.8 GB při kompresi Q4_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Přizpůsobte kontext svému skutečnému použití

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro VILA-13B.
03

Vyberte, jak moc to budete komprimovat.

Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., dosahující komprese Q4_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

Třídit podle rychlosti

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro VILA-13B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 254 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě VILA-13B. 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

Zkontrolujte kartu z druhé strany

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě VILA-13B.

Odpovědi

VILA-13B — běžné otázky

VILA-13B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je P102-101, s kapacitou VRAM 10 GB. Spouští model při kompresi Q4_K_M používající přibližně 8.8 GB, a produkuje přibližně 19.9 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 306.

VILA-13B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 254 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 269.

VILA-13B— kolik VRAM potřebuje?

Potřebuje asi 8.8 GB při kompresi Q4_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.

VILA-13B— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q5_K_M, používající přibližně 10.3 GB a generováním zhruba 51.7 tokenů za sekundu. Fit je těsný.

VILA-13B— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q6_K, používající přibližně 11.9 GB a generováním zhruba 52.1 tokenů za sekundu. Fit je pohodlný.

VILA-13B— 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 15.0 GB a generováním zhruba 42.5 tokenů za sekundu. Fit je pohodlný.

VILA-13B— 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.

VILA-13B— kolik má parametrů?

Má počet parametrů 13.4B. https://huggingface.co/Efficient-Large-Model/VILA-13b/tree/main?show_file_info=model.safetensors.index.json. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

VILA-13B— Kdo to vytvořil?

Bylo to publikováno společností NVIDIA,Massachusetts Institute of Technology (MIT), zakládající se na United States of America, organizace zařazená jako industry,Academia.

VILA-13B— Kdy byl vydán?

Bylo to zveřejněno v December 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

VILA-13B— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, a je zaznamenáno jako zpracovávající úkol chat, Visual question answering, Image captioning, Language modeling/generation, Question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

VILA-13B— kde si to mohu stáhnout?

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

VILA-13B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 2.3 × 10²¹ 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.

VILA-13B— 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 1.6 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

VILA-13B— 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: 306. Takže druhá karta je tu zřídka odpovědí.

VILA-13B— 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.

VILA-13B— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 152–406 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 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