SeaLLM-7B-v2.5 TPS kalkulátor

Otevřít váhy Alibaba DAMO Academy 8.5B 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

582 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Quadro 6000

6 GB · IQ4_XS · 14.8 tok/s

Nejrychlejší karta

B200

397 tok/s · 180 GB

Které GPU mohou spustit SeaLLM-7B-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.

582 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
397 tok/s 238–635 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.8 GB	Q8_0	Pohodlný
397 tok/s 238–635 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.8 GB	Q8_0	Pohodlný
317 tok/s 190–507 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.8 GB	Q8_0	Pohodlný
317 tok/s 190–507 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.8 GB	Q8_0	Pohodlný
253 tok/s 152–405 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.8 GB	Q8_0	Pohodlný
243 tok/s 146–388 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.8 GB	Q8_0	Pohodlný
243 tok/s 146–388 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.8 GB	Q8_0	Pohodlný
232 tok/s 139–371 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.8 GB	Q8_0	Pohodlný
206 tok/s 124–330 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Pohodlný
206 tok/s 124–330 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Pohodlný
206 tok/s 124–330 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Pohodlný
195 tok/s 117–313 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.8 GB	Q8_0	Pohodlný
167 tok/s 100–267 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Pohodlný
167 tok/s 100–267 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.8 GB	Q8_0	Pohodlný
167 tok/s 100–267 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Pohodlný
167 tok/s 100–267 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Pohodlný
167 tok/s 100–267 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Pohodlný
132 tok/s 79–211 · nízká důvěra	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.9 GB	Q5_K_M	Těsný
127 tok/s 76–203 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.8 GB	Q8_0	Pohodlný
127 tok/s 76–203 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.8 GB	Q8_0	Pohodlný
112 tok/s 67–180 · nízká důvěra	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.9 GB	Q6_K	Těsný
106 tok/s 63–169 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.8 GB	Q8_0	Pohodlný
103 tok/s 62–166 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.8 GB	Q8_0	Pohodlný
101 tok/s 61–162 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.8 GB	Q8_0	Pohodlný
101 tok/s 61–162 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.8 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: Alibaba DAMO Academy
Typ organizace: Industry
Země: China
Publikováno: 1 December 2023
Autoři: Xuan-Phi Nguyen, Wenxuan Zhang, Xin Li, Mahani Aljunied, Zhiqiang Hu, Chenhui Shen, Yew Ken Chia, Xingxuan Li, Jianyu Wang, Qingyu Tan, Liying Cheng, Guanzheng Chen, Yue Deng, Sen Yang, Chaoqun Liu, Hang Zhang, Lidong Bing

Co to dělá

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

Doména: Language
Úkol: Chat
Základní model: Gemma 7B

Velikost

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

parametry: 8.5B
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 (unrestricted)

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: SeaLLMs -- Large Language Models for Southeast Asia
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží SeaLLM-7B-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 SeaLLM-7B-v2.5

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

Co čísla znamenají

Hardwareová stránka

Minimum karta

Quadro 6000

Potřeba paměti

5.4 GB

Nejrychlejší

397 tok/s

SeaLLM-7B-v2.5 dosahuje počtu parametrů 8.5B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 582.

Na nízkém konci se to řeší pomocí Quadro 6000, s kapacitou VRAM 6 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 14.8 tokenů za sekundu

Špičkový model je B200, generování přibližně 397 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

SeaLLM-7B-v2.5 byl zveřejněn Alibaba DAMO Academy, v zemi zaznamenané jako China, během December 2023. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol chat.

Staví na Gemma 7B. To je obvyklý způsob, jak je specializovaný model vytvářen.

Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet.

Čtení čísel propustnosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 22.3 tokenů za sekundu 545 z nich

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

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 SeaLLM-7B-v2.5

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

01

Přečtěte si nejprve číslo paměti

Každá KARTA zde byla zkontrolována proti SeaLLM-7B-v2.5, potřebující kolem 5.4 GB při kompresi IQ4_XS. Kapacita je brána — karta buď ji má, nebo ne.
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 SeaLLM-7B-v2.5.
03

Vyberte, jak moc to budete komprimovat.

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

Třídit podle rychlosti

Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. SeaLLM-7B-v2.5. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 397 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 SeaLLM-7B-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

Zkontrolujte kartu z druhé strany

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. SeaLLM-7B-v2.5.

Odpovědi

SeaLLM-7B-v2.5 — běžné otázky

SeaLLM-7B-v2.5— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 582. Takže druhá karta je tu zřídka odpovědí.

SeaLLM-7B-v2.5— 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: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

SeaLLM-7B-v2.5— Jak přesné jsou tyto odhady rychlosti?

Toto jsou odhady s reálnými chybami a kterýkoli z nich může rozumně spadnout kamkoli v jeho publikovaném rozmezí v závislosti na tom, který run AI model použijete. Nejrychlejší výsledek zde: 238–635 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

SeaLLM-7B-v2.5— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Quadro 6000, s kapacitou VRAM 6 GB. Spouští model při kompresi IQ4_XS používající přibližně 5.4 GB, a produkuje přibližně 14.8 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 582.

SeaLLM-7B-v2.5— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 397 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 545.

SeaLLM-7B-v2.5— kolik VRAM potřebuje?

Potřebuje asi 5.4 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.

SeaLLM-7B-v2.5— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q5_K_M, používající přibližně 6.9 GB a generováním zhruba 132 tokenů za sekundu. Fit je těsný.

SeaLLM-7B-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 9.8 GB a generováním zhruba 45.3 tokenů za sekundu. Fit je těsný.

SeaLLM-7B-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 9.8 GB a generováním zhruba 56.0 tokenů za sekundu. Fit je pohodlný.

SeaLLM-7B-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 9.8 GB a generováním zhruba 66.5 tokenů za sekundu. Fit je pohodlný.

SeaLLM-7B-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.

SeaLLM-7B-v2.5— kolik má parametrů?

Má počet parametrů 8.5B. https://huggingface.co/SeaLLMs/SeaLLM-7B-v2.5. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

SeaLLM-7B-v2.5— Kdo to vytvořil?

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

SeaLLM-7B-v2.5— 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.

SeaLLM-7B-v2.5— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol chat. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

SeaLLM-7B-v2.5— 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.

SeaLLM-7B-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. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 1.4 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

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