Qwen-72B TPS kalkulátor

Otevřít váhy Alibaba 72B parametry November 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

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 Qwen-72B?

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.

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
30 November 2023
Autoři
Jinze Bai, Shuai Bai, Yunfei Chu, Zeyu Cui, Kai Dang, Xiaodong Deng, Yang Fan, Wenbin Ge, Yu Han, Fei Huang, Binyuan Hui, Luo Ji, Mei Li, Junyang Lin, Runji Lin, Dayiheng Liu, Gao Liu, Chengqiang Lu, Keming Lu, Jianxin Ma, Rui Men, Xingzhang Ren, Xuancheng Ren, Chuanqi Tan, Sinan Tan, Jianhong Tu, Peng Wang, Shijie Wang, Wei Wang, Shengguang Wu, Benfeng Xu, Jin Xu, An Yang, Hao Yang, Jian Yang, Sh…

Co to dělá

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

Doména
Language
Úkol
Chat, Code generation, Language modeling/generation, Question answering
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
72B

72B

Výcviková data
3,000,000,000,000 tokens

Assuming not trained for multiple epochs.

Velikost dávky
4,000,000

Table 1 https://arxiv.org/abs/2309.16609 (this is uncertain because this table only lists sizes up to 14B. 72B was released after the paper)

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

72 billion params, 3 trillion tokens 72b * 3T * 6 = 1.3e24

Jak bylo ustanoveno
Operation counting

Tréninkový běh

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

Datové centrum
The paper does not mention any hardware, GPUs or any information regarding the hardware used.

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

up to 100m active users: https://github.com/QwenLM/Qwen/blob/main/Tongyi%20Qianwen%20LICENSE%20AGREEMENT

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

SOTA on several Chinese benchmarks, with highest average rating overall for Chinese benchmarks: https://opencompass.org.cn/leaderboard-llm "significantly surpasses existing open-source models on multiple Chinese and English downstream evaluation tasks (including commonsense, reasoning, code, mathematics, etc.)" I haven't found confirmations of it being absolute SOTA on any particular benchmarks, only among similarly sized models

Záznam důvěry
Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Nap poslední aktualizace
28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Qwen-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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 47.1 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 47.1 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 37.6 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 37.6 tok/s
  5. 05 H800 SXM5 80 GB · 3,360 GB/s · Q5_K_M 35.3 tok/s
  6. 06 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q5_K_M 35.3 tok/s
  7. 07 H100 NVL 94 GB 94 GB · 3,940 GB/s · Q6_K 33.7 tok/s
  8. 08 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.1 tok/s
  9. 09 H100 SXM5 64 GB 64 GB · 2,020 GB/s · IQ4_XS 29.2 tok/s
  10. 10 H200 NVL 141 GB · 4,890 GB/s · Q8_0 28.8 tok/s

Nejmenší GPU, které ještě běží Qwen-72B

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

  1. 01 Jetson T4000 64 GB · Potřebuje 55.6 GB · IQ4_XS · Těsný 4.0 tok/s
  2. 02 H100 SXM5 64 GB 64 GB · Potřebuje 55.6 GB · IQ4_XS · Těsný 29.2 tok/s
  3. 03 Jetson AGX Orin 64 GB 64 GB · Potřebuje 55.6 GB · IQ4_XS · Těsný 3.0 tok/s
  4. 04 Radeon Instinct MI200 64 GB · Potřebuje 55.6 GB · IQ4_XS · Těsný 18.5 tok/s
  5. 05 Radeon Instinct MI210 64 GB · Potřebuje 55.6 GB · IQ4_XS · Těsný 18.5 tok/s
  6. 06 RTX PRO 5000 72 GB Blackwell 72 GB · Potřebuje 59.8 GB · Q4_K_M · Těsný 18.2 tok/s
  7. 07 H100 CNX 80 GB · Potřebuje 68.1 GB · Q5_K_M · Těsný 21.4 tok/s
  8. 08 H800 PCIe 80 GB 80 GB · Potřebuje 68.1 GB · Q5_K_M · Těsný 21.4 tok/s
  9. 09 H800 SXM5 80 GB · Potřebuje 68.1 GB · Q5_K_M · Těsný 35.3 tok/s
  10. 10 A800 PCIe 80 GB 80 GB · Potřebuje 68.1 GB · Q5_K_M · Těsný 20.4 tok/s

Co čísla znamenají

Hardwareová stránka

Minimum karta

Radeon Instinct MI200

Potřeba paměti

55.6 GB

Nejrychlejší

47.1 tok/s

Qwen-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.

Na nízkém konci se to řeší pomocí Radeon Instinct MI200, s kapacitou VRAM 64 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 18.5 tokenů za sekundu

Na druhém konci sedí B200, generování přibližně 47.1 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

Qwen-72B byl zveřejněn Alibaba, v zemi zaznamenané jako China, během November 2023. Kategorie, do které vydavatel spadá, je industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol chat, Code generation, Language modeling/generation, Question answering.

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

Porozumění rychlostem

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

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

Protože je architektura zaznamenaná, sloupec paměti je odvozen spíše než odhadován.

Co bylo zapotřebí k jeho vybudování

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 Qwen-72B

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

  1. 01

    Zkontrolujte, co to potřebuje před čímkoli jiným.

    Začněte od toho, co skutečně potřebuje, což je požadavek na Qwen-72B, potřebující kolem 55.6 GB při kompresi IQ4_XS. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 02

    Rozhodněte, jak dlouho vaše konverzace běží

    Nastavte kontext na to, co skutečně použijete. Cache roste s konverzací a to je obvyklý důvod, proč karta, která se zdála v pořádku, přestane vejít. Qwen-72B.

  3. 03

    Vyberte, jak moc to budete komprimovat.

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

  4. 04

    Srovnejte TPS, ne specifikace

    Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. Qwen-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

  5. 05

    Přečtěte si poslední sloupec fit

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

  6. 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 Qwen-72B.

Odpovědi

Qwen-72B — běžné otázky

01

Qwen-72B— Kdo to vytvořil?

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

02

Qwen-72B— Kdy byl vydán?

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

03

Qwen-72B— K čemu se to používá?

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

04

Qwen-72B— 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.

05

Qwen-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.

06

Qwen-72B— 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. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 16.6 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

07

Qwen-72B— 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.

08

Qwen-72B— 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: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

09

Qwen-72B— Jak přesné jsou tyto odhady rychlosti?

Každé číslo je odvozeno od šířky pásma VRAM a velikosti modelu, není benchmarkováno, což je důvod, proč je každé publikováno jako rozsah spíše než jako jediné číslo. 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.

10

Qwen-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.

11

Qwen-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.

12

Qwen-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.

13

Qwen-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.

14

Qwen-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.

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