Meditron-70B TPS kalkulátor

Otevřít váhy Ecole Polytechnique F´ed´erale de Lausanne (EPFL) 70B 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

61 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

A100 PCIe 40 GB

40 GB · Q3_K_M · 25.5 tok/s

Nejrychlejší karta

B200

48.4 tok/s · 180 GB

Které GPU mohou spustit Meditron-70B?

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.

61 karty odpovídají

Vypočítávání
Potřebuje Kvantisace Pohodlné
48.4 tok/s

29–77 · nízká důvěra

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 75.6 GB Q8_0 Pohodlný
48.4 tok/s

29–77 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 75.6 GB Q8_0 Pohodlný
38.7 tok/s

23–62 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 75.6 GB Q8_0 Pohodlný
38.7 tok/s

23–62 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 75.6 GB Q8_0 Pohodlný
30.9 tok/s

19–49 · nízká důvěra

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 75.6 GB Q8_0 Pohodlný
29.6 tok/s

18–47 · nízká důvěra

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 75.6 GB Q8_0 Pohodlný
29.6 tok/s

18–47 · nízká důvěra

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 75.6 GB Q8_0 Pohodlný
29.5 tok/s

18–47 · nízká důvěra

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 59.3 GB Q6_K Pohodlný
29.5 tok/s

18–47 · nízká důvěra

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 59.3 GB Q6_K Pohodlný
28.3 tok/s

17–45 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 75.6 GB Q8_0 Pohodlný
26.1 tok/s

16–42 · nízká důvěra

GRID A100B NVIDIA 48 GB 1,870 GB/s May 2020 43.0 GB Q4_K_M Těsný
25.5 tok/s

15–41 · nízká důvěra

A100 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Jun 2020 34.9 GB Q3_K_M Těsný
25.5 tok/s

15–41 · nízká důvěra

A100 SXM4 40 GB NVIDIA 40 GB 1,560 GB/s May 2020 34.9 GB Q3_K_M Těsný
25.5 tok/s

15–41 · nízká důvěra

A800 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Nov 2022 34.9 GB Q3_K_M Těsný
25.1 tok/s

15–40 · nízká důvěra

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 75.6 GB Q8_0 Pohodlný
25.1 tok/s

15–40 · nízká důvěra

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 75.6 GB Q8_0 Pohodlný
25.1 tok/s

15–40 · nízká důvěra

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 75.6 GB Q8_0 Pohodlný
23.8 tok/s

14–38 · nízká důvěra

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 75.6 GB Q8_0 Těsný
21.8 tok/s

13–35 · nízká důvěra

H100 SXM5 64 GB NVIDIA 64 GB 2,020 GB/s Mar 2023 51.2 GB Q5_K_M Těsný
20.3 tok/s

12–33 · nízká důvěra

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 75.6 GB Q8_0 Těsný
20.3 tok/s

12–33 · nízká důvěra

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 75.6 GB Q8_0 Těsný
20.3 tok/s

12–33 · nízká důvěra

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 75.6 GB Q8_0 Těsný
18.7 tok/s

11–30 · nízká důvěra

RTX PRO 5000 Blackwell NVIDIA 48 GB 1,340 GB/s Mar 2025 43.0 GB Q4_K_M Těsný
17.9 tok/s

11–29 · nízká důvěra

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 59.3 GB Q6_K Pohodlný
17.9 tok/s

11–29 · nízká důvěra

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 59.3 GB Q6_K 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
Ecole Polytechnique F´ed´erale de Lausanne (EPFL)
Typ organizace
Academia
Země
Switzerland
Publikováno
27 November 2023
Autoři
Zeming Chen, Alejandro Hernández Cano, Angelika Romanou, Antoine Bonnet, Kyle Matoba, Francesco Salvi, Matteo Pagliardini, Simin Fan, Andreas Köpf, Amirkeivan Mohtashami, Alexandre Sallinen, Alireza Sakhaeirad, Vinitra Swamy, Igor Krawczuk, Deniz Bayazit, Axel Marmet, Syrielle Montariol, Mary-Anne Hartley, Martin Jaggi, Antoine Bosselut

Co to dělá

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

Doména
Language, Medicine
Úkol
Language modeling/generation, Question answering, Medical diagnosis
Základní model
Llama 2-70B

Velikost

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

parametry
70B

70B

Výcviková data
48,100,000,000 tokens

"MEDITRON ’s domain-adaptive pre-training corpus GAP-REPLAY combines 48.1B tokens from four datasets"

Epochy
1

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.

Jak bylo ustanoveno
Hardware,Operation counting
Ladění výpočtů
3.1 × 10²² FLOP

"For the pretraining run with Llama-2-70B, we achieve a throughput of 40, 200 tokens/second. This amounts to 1.6884 × 10^16 bfloat16 flop/second and represents roughly 42.3% of the theoretical peak flops of 128 A100 GPUs, which is 128 × (312 × 1012) = 3.9936 × 10^16 flops. " 3.9936 × 10^16 FLOP / sec * 332 hours [see training time notes] * 3600 sec / hour = 4.7731507e+22 FLOP 6 FLOP / parameter / token * 70 * 10^9 parameters * 48.1 * 10^9 tokens = 2.0202e+22 FLOP sqrt(4.7731507e+22*2.0202e+22…

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
Doba reálného času
332 hours (13.8 days)

"For the pretraining run with Llama-2-70B, we achieve a throughput of 40, 200 tokens/second. This amounts to 1.6884 × 10^16 bfloat16 flop/second and represents roughly 42.3% of the theoretical peak flops of 128 A100 GPUs, which is 128 × (312 × 1012) = 3.9936 × 10^16 flops. " "Our training of the 70B model ran for 332 hours on 128 A100 GPUs, for 42,496 GPU-hours."

Využití hardwaru
HFU 42.3%

"For the pretraining run with Llama-2-70B, we achieve a throughput of 40, 200 tokens/second. This amounts to 1.6884 × 1016 bfloat16 flop/second and represents roughly 42.3% of the theoretical peak flops of 128 A100 GPUs, which is 128 × (312 × 1012) = 3.9936 × 1016 flops." HFU = 1.6884*10^16 FLOPS / (128 * 311.84*10^12 FLOPS) = 0.42299

Příkon
101.5 kW
Datové centrum
Hardware Provider: EPFL Research Computing Platform, Compute Region: Switzerland

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

llama 2 license https://huggingface.co/epfl-llm/meditron-70b

Hugging Face
epfl-llm

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
MEDITRON-70B: Scaling Medical Pretraining for Large Language Models
Nap poslední aktualizace
28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Meditron-70B

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 48.4 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  8. 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  9. 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  10. 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s

Nejmenší GPU, které ještě běží Meditron-70B

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

  1. 01 A800 PCIe 40 GB 40 GB · Potřebuje 34.9 GB · Q3_K_M · Těsný 25.5 tok/s
  2. 02 A100 PCIe 40 GB 40 GB · Potřebuje 34.9 GB · Q3_K_M · Těsný 25.5 tok/s
  3. 03 A100 SXM4 40 GB 40 GB · Potřebuje 34.9 GB · Q3_K_M · Těsný 25.5 tok/s
  4. 04 Radeon PRO W7900D 48 GB · Potřebuje 43.0 GB · Q4_K_M · Těsný 9.4 tok/s
  5. 05 RTX PRO 5000 Blackwell 48 GB · Potřebuje 43.0 GB · Q4_K_M · Těsný 18.7 tok/s
  6. 06 RTX 5880 Ada Generation 48 GB · Potřebuje 43.0 GB · Q4_K_M · Těsný 12.1 tok/s
  7. 07 L20 48 GB · Potřebuje 43.0 GB · Q4_K_M · Těsný 12.1 tok/s
  8. 08 Radeon PRO W7800 48 GB 48 GB · Potřebuje 43.0 GB · Q4_K_M · Těsný 9.4 tok/s
  9. 09 Radeon PRO W7900 48 GB · Potřebuje 43.0 GB · Q4_K_M · Těsný 9.4 tok/s
  10. 10 Data Center GPU Max 1100 48 GB · Potřebuje 43.0 GB · Q4_K_M · Těsný 11.2 tok/s

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

A100 PCIe 40 GB

Potřeba paměti

34.9 GB

Nejrychlejší

48.4 tok/s

Meditron-70B dosahuje počtu parametrů 70B. 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: 61.

Nejmenší hardware, který funguje, je A100 PCIe 40 GB, s kapacitou VRAM 40 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 25.5 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 48.4 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

Meditron-70B byl zveřejněn Ecole Polytechnique F´ed´erale de Lausanne (EPFL), v zemi zaznamenané jako Switzerland, během November 2023. Vychází z organizace, která je kategorizována jako academia.

funguje v oblasti Language, Medicine, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering, Medical diagnosis.

Místo toho, aby byl trénován od nuly, je odvozen z Llama 2-70B. To je důvod, proč sdílí obecný tvar a velikost základního modelu.

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 epfl-llm.

Čtení čísel propustnosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 17.1 tokens za sekundu. Překračující rychlost čtení rovnou: 50 z nich

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

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

Trénink spotřeboval korpus kolem 48,100,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Meditron-70B

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 Meditron-70B, potřebující kolem 34.9 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 02

    Nastavte délku kontextu, se kterou budete pracovat

    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. Meditron-70B.

  3. 03

    Vyberte, jak moc to budete komprimovat.

    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.

  4. 04

    Srovnejte TPS, ne specifikace

    Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Meditron-70B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 48.4 tok/s

  5. 05

    Podívejte se na rezervu, ne jen na padnutí

    Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Meditron-70B. 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

    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 Meditron-70B.

Odpovědi

Meditron-70B — běžné otázky

01

Meditron-70B— 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: 61. Takže druhá karta je tu zřídka odpovědí.

02

Meditron-70B— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

03

Meditron-70B— 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: 29–77 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

04

Meditron-70B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je A100 PCIe 40 GB, s kapacitou VRAM 40 GB. Spouští model při kompresi Q3_K_M používající přibližně 34.9 GB, a produkuje přibližně 25.5 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 61.

05

Meditron-70B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 48.4 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 50.

06

Meditron-70B— kolik VRAM potřebuje?

Potřebuje asi 34.9 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.

07

Meditron-70B— 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.

08

Meditron-70B— kolik má parametrů?

Má počet parametrů 70B. 70B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

09

Meditron-70B— Kdo to vytvořil?

Bylo to publikováno společností Ecole Polytechnique F´ed´erale de Lausanne (EPFL), zakládající se na Switzerland, organizace zařazená jako academia.

10

Meditron-70B— 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.

11

Meditron-70B— K čemu se to používá?

funguje v oblasti Language, Medicine, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Medical diagnosis. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

12

Meditron-70B— kde si to mohu stáhnout?

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

13

Meditron-70B— 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 14.2 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