Mamba-2.8B TPS kalkulátor

Otevřít váhy Carnegie Mellon University (CMU),Princeton University 2.8B 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

818 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla C1080

4 GB · Q6_K · 19.1 tok/s

Nejrychlejší karta

B200

1,210 tok/s · 180 GB

Které GPU mohou spustit Mamba-2.8B?

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
1,210 tok/s

726–1,936 · nízká důvěra

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 3.7 GB Q8_0 Pohodlný
1,210 tok/s

726–1,936 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 3.7 GB Q8_0 Pohodlný
966 tok/s

580–1,546 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 3.7 GB Q8_0 Pohodlný
966 tok/s

580–1,546 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 3.7 GB Q8_0 Pohodlný
773 tok/s

464–1,236 · nízká důvěra

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 3.7 GB Q8_0 Pohodlný
740 tok/s

444–1,183 · nízká důvěra

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 3.7 GB Q8_0 Pohodlný
740 tok/s

444–1,183 · nízká důvěra

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 3.7 GB Q8_0 Pohodlný
708 tok/s

425–1,133 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 3.7 GB Q8_0 Pohodlný
628 tok/s

377–1,005 · nízká důvěra

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 3.7 GB Q8_0 Pohodlný
628 tok/s

377–1,005 · nízká důvěra

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 3.7 GB Q8_0 Pohodlný
628 tok/s

377–1,005 · nízká důvěra

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 3.7 GB Q8_0 Pohodlný
596 tok/s

358–954 · nízká důvěra

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 3.7 GB Q8_0 Pohodlný
508 tok/s

305–813 · nízká důvěra

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 3.7 GB Q8_0 Pohodlný
508 tok/s

305–813 · nízká důvěra

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 3.7 GB Q8_0 Pohodlný
508 tok/s

305–813 · nízká důvěra

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 3.7 GB Q8_0 Pohodlný
508 tok/s

305–813 · nízká důvěra

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 3.7 GB Q8_0 Pohodlný
508 tok/s

305–813 · nízká důvěra

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 3.7 GB Q8_0 Pohodlný
387 tok/s

232–619 · nízká důvěra

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 3.7 GB Q8_0 Pohodlný
387 tok/s

232–619 · nízká důvěra

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 3.7 GB Q8_0 Pohodlný
322 tok/s

193–516 · nízká důvěra

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 3.7 GB Q8_0 Pohodlný
316 tok/s

189–505 · nízká důvěra

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 3.7 GB Q8_0 Pohodlný
309 tok/s

185–494 · nízká důvěra

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 3.7 GB Q8_0 Pohodlný
309 tok/s

185–494 · nízká důvěra

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 3.7 GB Q8_0 Pohodlný
309 tok/s

185–494 · nízká důvěra

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 3.7 GB Q8_0 Pohodlný
309 tok/s

185–494 · nízká důvěra

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 3.7 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
Carnegie Mellon University (CMU),Princeton University
Typ organizace
Academia,Academia
Země
United States of America
Publikováno
1 December 2023
Autoři
Albert Gu, Tri Dao

Co to dělá

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

Doména
Language
Úkol
Language generation, Question answering

Velikost

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

parametry
2.8B

2.8B https://github.com/state-spaces/mamba

Výcviková data
300,000,000,000 tokens

300B tokens of text "We compare against the most well-known open source models at these sizes, most importantly Pythia (Biderman et al. 2023) and RWKV (B. Peng et al. 2023) which were trained with the same tokenizer, dataset, and training length (300B tokens) as our models."

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
5.4 × 10²¹ FLOP

"Table 3 shows the performance of Mamba on a range of popular downstream zero-shot evaluation tasks. We compare against the most well-known open source models at these sizes, most importantly Pythia (Biderman et al. 2023) and RWKV (B. Peng et al. 2023) which were trained with the same tokenizer, dataset, and training length (300B tokens) as our models." 3b * 300b * 6 = 5.4e21 Note: this is a new architecture so not sure how well 6*params*data works as a heuristic Figure 4 shows perplexity cur…

Jak bylo ustanoveno
Operation counting

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

Apache 2.0 for model. inference/model code: https://github.com/state-spaces/mamba https://huggingface.co/state-spaces/mamba-2.8b

Jak je to klasifikováno

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

Záznam důvěry
Likely
Citace
7,063

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
Mamba: Linear-Time Sequence Modeling with Selective State Spaces
Nap poslední aktualizace
25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží Mamba-2.8B

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 1,210 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 1,210 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 966 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 966 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 773 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 740 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 740 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 708 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 628 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 628 tok/s

Nejmenší GPU, které ještě běží Mamba-2.8B

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 3.0 GB · Q6_K · Těsný 21.1 tok/s
  2. 02 RTX A400 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 21.1 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 28.1 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 42.2 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 7.5 tok/s
  6. 06 Radeon RX 6450M 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 21.9 tok/s
  7. 07 Radeon RX 6550M 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 24.7 tok/s
  8. 08 Radeon RX 6550S 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 21.9 tok/s
  9. 09 Arc A310 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 17.7 tok/s
  10. 10 Arc Pro A30M 4 GB · Potřebuje 3.0 GB · Q6_K · Těsný 18.3 tok/s

Co čísla znamenají

Hardwareová stránka

Minimum karta

Tesla C1080

Potřeba paměti

3.0 GB

Nejrychlejší

1,210 tok/s

Mamba-2.8B dosahuje počtu parametrů 2.8B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 818.

Na nízkém konci se to řeší pomocí Tesla C1080, s kapacitou VRAM 4 GB, spuštění na kompresi Q6_K a vyrábějí kolem 19.1 tokenů za sekundu

Na druhém konci sedí B200, generování přibližně 1,210 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Mamba-2.8B byl zveřejněn Carnegie Mellon University (CMU),Princeton University, v zemi zaznamenané jako United States of America, během December 2023. Kategorie, do které vydavatel spadá, je academia,Academia.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language generation, Question answering.

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

Co rozhoduje o rychlosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 38.4 tokens za sekundu. Překračující rychlost čtení rovnou: 784 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.

Jak bylo trénováno

Trénování si vyžádalo výpočetní rozpočet přibližně 5.4 × 10²¹ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Trénink spotřeboval korpus kolem 300,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Mamba-2.8B

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

  1. 01

    Začněte od sloupce paměti

    Tabulka uvádí každou kartu, která je schopna pojmout Mamba-2.8B, potřebující kolem 3.0 GB při kompresi Q6_K. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 02

    Nastavte délku kontextu, se kterou budete pracovat

    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. Mamba-2.8B.

  3. 03

    Vyberte, jak moc to budete komprimovat.

    Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., dosahující komprese Q6_K 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

    Třídit podle rychlosti

    Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Mamba-2.8B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 1,210 tok/s

  5. 05

    Podívejte se na rezervu, ne jen na padnutí

    Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Mamba-2.8B. 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

    Podívejte se, co dalšího ta karta spouští

    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. Mamba-2.8B.

Odpovědi

Mamba-2.8B — běžné otázky

01

Mamba-2.8B— kolik má parametrů?

Má počet parametrů 2.8B. 2.8B https://github.com/state-spaces/mamba. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

02

Mamba-2.8B— Kdo to vytvořil?

Bylo to publikováno společností Carnegie Mellon University (CMU),Princeton University, zakládající se na United States of America, organizace zařazená jako academia,Academia.

03

Mamba-2.8B— 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.

04

Mamba-2.8B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language generation, Question answering. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

05

Mamba-2.8B— 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.

06

Mamba-2.8B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 5.4 × 10²¹ 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.

07

Mamba-2.8B— 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.

08

Mamba-2.8B— 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.

09

Mamba-2.8B— proč se kvantizace liší mezi kartami?

Každá KARTA je zobrazena, jak běží nejméně komprimovaná kopie, kterou může udržet. Počet různých úrovní komprese napříč KARTAMI, které ji vejít: 2. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

10

Mamba-2.8B— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 726–1,936 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

11

Mamba-2.8B— 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 Q6_K používající přibližně 3.0 GB, a produkuje přibližně 19.1 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

12

Mamba-2.8B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 1,210 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 784.

13

Mamba-2.8B— kolik VRAM potřebuje?

Potřebuje asi 3.0 GB při kompresi Q6_K, 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.

14

Mamba-2.8B— 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 3.7 GB a generováním zhruba 225 tokenů za sekundu. Fit je pohodlný.

15

Mamba-2.8B— 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 3.7 GB a generováním zhruba 138 tokenů za sekundu. Fit je pohodlný.

16

Mamba-2.8B— 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 3.7 GB a generováním zhruba 171 tokenů za sekundu. Fit je pohodlný.

17

Mamba-2.8B— 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 3.7 GB a generováním zhruba 203 tokenů za sekundu. Fit je pohodlný.

18

Mamba-2.8B— 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.

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