OmniFusion-7B (InternViT-6B-448px V1-2) TPS kalkulátor

Otevřít váhy AIRI Artificial Intelligence Research Institute,Sber,Skolkovo Institute of Science and Technology 12.5B 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

509 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Xeon Phi 5110P

8 GB · Q3_K_M · 19.0 tok/s

Nejrychlejší karta

B200

270 tok/s · 180 GB

Které GPU mohou spustit OmniFusion-7B (InternViT-6B-448px V1-2)?

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.

509 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
270 tok/s 162–432 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	14.1 GB	Q8_0	Pohodlný
270 tok/s 162–432 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	14.1 GB	Q8_0	Pohodlný
216 tok/s 129–345 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	14.1 GB	Q8_0	Pohodlný
216 tok/s 129–345 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	14.1 GB	Q8_0	Pohodlný
173 tok/s 104–276 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	14.1 GB	Q8_0	Pohodlný
165 tok/s 99–264 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.1 GB	Q8_0	Pohodlný
165 tok/s 99–264 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.1 GB	Q8_0	Pohodlný
158 tok/s 95–253 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	14.1 GB	Q8_0	Pohodlný
140 tok/s 84–224 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	14.1 GB	Q8_0	Pohodlný
140 tok/s 84–224 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	14.1 GB	Q8_0	Pohodlný
140 tok/s 84–224 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	14.1 GB	Q8_0	Pohodlný
136 tok/s 81–217 · nízká důvěra	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.8 GB	Q3_K_M	Těsný
133 tok/s 80–213 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	14.1 GB	Q8_0	Pohodlný
122 tok/s 73–195 · nízká důvěra	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.3 GB	Q4_K_M	Těsný
113 tok/s 68–182 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.1 GB	Q8_0	Pohodlný
113 tok/s 68–182 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	14.1 GB	Q8_0	Pohodlný
113 tok/s 68–182 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	14.1 GB	Q8_0	Pohodlný
113 tok/s 68–182 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.1 GB	Q8_0	Pohodlný
113 tok/s 68–182 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	14.1 GB	Q8_0	Pohodlný
86.4 tok/s 52–138 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	14.1 GB	Q8_0	Pohodlný
86.4 tok/s 52–138 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	14.1 GB	Q8_0	Pohodlný
72.0 tok/s 43–115 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	14.1 GB	Q8_0	Pohodlný
70.5 tok/s 42–113 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	14.1 GB	Q8_0	Pohodlný
70.0 tok/s 42–112 · nízká důvěra	RTX A5000-8Q NVIDIA	8 GB	768 GB/s	Apr 2021	6.8 GB	Q3_K_M	Těsný
68.9 tok/s 41–110 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	14.1 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: AIRI Artificial Intelligence Research Institute,Sber,Skolkovo Institute of Science and Technology
Typ organizace: Research collective,Industry,Government,Academia
Země: Russia
Publikováno: 22 November 2023
Autoři: Elizaveta Goncharova, Anton Razzhigaev, Matvey Mikhalchuk, Maxim Kurkin, Irina Abdullaeva, Matvey Skripkin, Ivan Oseledets, Denis Dimitrov, Andrey Kuznetsov

Co to dělá

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

Doména: Multimodal, Vision, Language
Úkol: Visual question answering, Language modeling/generation, Question answering
Základní model: InternViT-6B,GigaChat-7B

Velikost

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

parametry: 12.5B
Výcviková data: 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.

Ladění výpočtů: 4 × 10¹⁶ FLOP

Tréninkový běh

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

Tréninkový hardware: NVIDIA A100
Používané čipy: 8
Příkon: 6.3 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 (unrestricted)
Tréninkový kód: Open source
Hugging Face: AIRI-Institute

Jak je to klasifikováno

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

Záznam důvěry: Confident
Citace: 7

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: OmniFusion Technical Report
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží OmniFusion-7B (InternViT-6B-448px V1-2)

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 OmniFusion-7B (InternViT-6B-448px V1-2)

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

Xeon Phi 5110P

Potřeba paměti

6.8 GB

Nejrychlejší

270 tok/s

OmniFusion-7B (InternViT-6B-448px V1-2) dosahuje počtu parametrů 12.5B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 509.

Vstupní bod je Xeon Phi 5110P, s kapacitou VRAM 8 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 19.0 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 270 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

OmniFusion-7B (InternViT-6B-448px V1-2) byl zveřejněn AIRI Artificial Intelligence Research Institute,Sber,Skolkovo Institute of Science and Technology, v zemi zaznamenané jako Russia, během November 2023. Vydavatelská organizace je kategorizována jako research collective,Industry,Government,Academia.

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

Jeho výchozím bodem byl existující základní model, InternViT-6B,GigaChat-7B. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

Protože byly jeho váhy uvolněny, nic ohledně jeho spuštění nezávisí na dostupnosti poskytovatele - je to vaše, jakmile je stáhnuto. Na Hugging Face je publikováno pod organizací AIRI-Institute.

Co rozhoduje o rychlosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 20.3 tokenů za sekundu. Producing text faster than most people read it: 451 z nich

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

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 OmniFusion-7B (InternViT-6B-448px V1-2)

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

01

Začněte od sloupce paměti

Tabulka uvádí každou kartu, která je schopna pojmout OmniFusion-7B (InternViT-6B-448px V1-2), potřebující kolem 6.8 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
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 OmniFusion-7B (InternViT-6B-448px V1-2).
03

Nastavte minimální kvalitu

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., 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.
04

Hodnoťte podle propustnosti spíše než podle specifikace

Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. OmniFusion-7B (InternViT-6B-448px V1-2). Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 270 tok/s
05

Přečtěte si poslední sloupec fit

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě OmniFusion-7B (InternViT-6B-448px V1-2). 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

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. OmniFusion-7B (InternViT-6B-448px V1-2).

Odpovědi

OmniFusion-7B (InternViT-6B-448px V1-2) — běžné otázky

OmniFusion-7B (InternViT-6B-448px V1-2)— 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: 162–432 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

OmniFusion-7B (InternViT-6B-448px V1-2)— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Xeon Phi 5110P, s kapacitou VRAM 8 GB. Spouští model při kompresi Q3_K_M používající přibližně 6.8 GB, a produkuje přibližně 19.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 509.

OmniFusion-7B (InternViT-6B-448px V1-2)— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 270 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 451.

OmniFusion-7B (InternViT-6B-448px V1-2)— kolik VRAM potřebuje?

Potřebuje asi 6.8 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.

OmniFusion-7B (InternViT-6B-448px V1-2)— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q3_K_M, používající přibližně 6.8 GB a generováním zhruba 136 tokenů za sekundu. Fit je těsný.

OmniFusion-7B (InternViT-6B-448px V1-2)— 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 9.7 GB a generováním zhruba 55.0 tokenů za sekundu. Fit je těsný.

OmniFusion-7B (InternViT-6B-448px V1-2)— 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 14.1 GB a generováním zhruba 38.2 tokenů za sekundu. Fit je těsný.

OmniFusion-7B (InternViT-6B-448px V1-2)— 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 14.1 GB a generováním zhruba 45.3 tokenů za sekundu. Fit je pohodlný.

OmniFusion-7B (InternViT-6B-448px V1-2)— 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.

OmniFusion-7B (InternViT-6B-448px V1-2)— kolik má parametrů?

Má počet parametrů 12.5B. The model uses InternViT-6B-448px V1-2 as the visual encoder, which undergoes pre-training, and GigaChat-7B as the LLM, which undergoes fine-tuning [1]. InternViT-6B-448px V1-2 has 5.54B parameters [2], and GigaChat-7B, being closed-source is assumed to have 7B parameters. 1. https://arxiv.org/pdf/2404.06212 2. https://huggingface.co/OpenGVLab/InternViT-6B-448px-V1-2. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

OmniFusion-7B (InternViT-6B-448px V1-2)— Kdo to vytvořil?

Bylo to publikováno společností AIRI Artificial Intelligence Research Institute,Sber,Skolkovo Institute of Science and Technology, zakládající se na Russia, organizace zařazená jako research collective,Industry,Government,Academia.

OmniFusion-7B (InternViT-6B-448px V1-2)— 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.

OmniFusion-7B (InternViT-6B-448px V1-2)— K čemu se to používá?

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

OmniFusion-7B (InternViT-6B-448px V1-2)— kde si to mohu stáhnout?

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

OmniFusion-7B (InternViT-6B-448px V1-2)— 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 2.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

OmniFusion-7B (InternViT-6B-448px V1-2)— 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: 509. Takže druhá karta je tu zřídka odpovědí.

OmniFusion-7B (InternViT-6B-448px V1-2)— 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.

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