CogVLM-17B TPS kalkulátor

Otevřít váhy Tsinghua University,Z.ai (Zhipu AI),Beihang University 17B 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

295 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

GeForce GTX 1080 Ti

11 GB · Q3_K_M · 27.7 tok/s

Nejrychlejší karta

B200

199 tok/s · 180 GB

Které GPU mohou spustit CogVLM-17B?

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.

295 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
199 tok/s 120–319 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	18.9 GB	Q8_0	Pohodlný
199 tok/s 120–319 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	18.9 GB	Q8_0	Pohodlný
159 tok/s 95–255 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	18.9 GB	Q8_0	Pohodlný
159 tok/s 95–255 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	18.9 GB	Q8_0	Pohodlný
127 tok/s 76–204 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	18.9 GB	Q8_0	Pohodlný
122 tok/s 73–195 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	18.9 GB	Q8_0	Pohodlný
122 tok/s 73–195 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	18.9 GB	Q8_0	Pohodlný
117 tok/s 70–187 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	18.9 GB	Q8_0	Pohodlný
103 tok/s 62–166 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	18.9 GB	Q8_0	Pohodlný
103 tok/s 62–166 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	18.9 GB	Q8_0	Pohodlný
103 tok/s 62–166 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	18.9 GB	Q8_0	Pohodlný
98.2 tok/s 59–157 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	18.9 GB	Q8_0	Pohodlný
83.7 tok/s 50–134 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Pohodlný
83.7 tok/s 50–134 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	18.9 GB	Q8_0	Pohodlný
83.7 tok/s 50–134 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Pohodlný
83.7 tok/s 50–134 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Pohodlný
83.7 tok/s 50–134 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Pohodlný
63.7 tok/s 38–102 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	18.9 GB	Q8_0	Pohodlný
63.7 tok/s 38–102 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	18.9 GB	Q8_0	Pohodlný
55.8 tok/s 33–89 · nízká důvěra	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.0 GB	IQ4_XS	Těsný
55.8 tok/s 33–89 · nízká důvěra	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.0 GB	IQ4_XS	Těsný
53.1 tok/s 32–85 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	18.9 GB	Q8_0	Pohodlný
52.0 tok/s 31–83 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	18.9 GB	Q8_0	Pohodlný
50.8 tok/s 30–81 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	18.9 GB	Q8_0	Pohodlný
50.8 tok/s 30–81 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	18.9 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: Tsinghua University,Z.ai (Zhipu AI),Beihang University
Typ organizace: Academia,Industry,Academia
Země: China
Publikováno: 6 November 2023
Autoři: Weihan Wang, Qingsong Lv, Wenmeng Yu, Wenyi Hong, Ji Qi, Yan Wang, Junhui Ji, Zhuoyi Yang, Lei Zhao, Xixuan Song, Jiazheng Xu, Bin Xu, Juanzi Li, Yuxiao Dong, Ming Ding, Jie Tang

Co to dělá

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

Doména: Multimodal, Vision, Language
Úkol: Image captioning, Visual question answering, Chat
Přístup: Supervised
Základní model: Vicuna-7B v0
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: 17B
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.

Výpočty pro trénink: 6.3 × 10²² FLOP
Jak bylo ustanoveno: Reported
Ladění výpočtů: 2 × 10²² FLOP

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

Jak je to klasifikováno

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

Základní model: Yes
Proč je to sledováno: SOTA improvement
Záznam důvěry: Confident
Citace: 794

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: CogVLM: Visual Expert for Pretrained Language Models
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží CogVLM-17B

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 CogVLM-17B

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

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

GeForce GTX 1080 Ti

Potřeba paměti

9.0 GB

Nejrychlejší

199 tok/s

CogVLM-17B dosahuje počtu parametrů 17B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 295.

Nejmenší hardware, který funguje, je GeForce GTX 1080 Ti, s kapacitou VRAM 11 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 27.7 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 199 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

CogVLM-17B byl zveřejněn Tsinghua University,Z.ai (Zhipu AI),Beihang University, v zemi zaznamenané jako China, během November 2023. Vydavatelská organizace je kategorizována jako academia,Industry,Academia.

funguje v oblasti Multimodal, Vision, Language, a je zaznamenán jako vykonávající úkol image captioning, Visual question answering, Chat.

Místo toho, aby byl trénován od nuly, je odvozen z Vicuna-7B v0. To je důvod, proč sdílí obecný tvar a velikost základního modelu.

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

Polovina karet, které to drží, zvládne více než 20.6 tokenů za sekundu 251 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.

Co bylo zapotřebí k jeho vybudování

Trenovací běh spotřeboval asi 6.3 × 10²² FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro CogVLM-17B

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 CogVLM-17B, potřebující kolem 9.0 GB při kompresi Q3_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
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. CogVLM-17B.
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.
04

Srovnejte TPS, ne specifikace

Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. CogVLM-17B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 199 tok/s
05

Přečtěte si poslední sloupec fit

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě CogVLM-17B. 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

Otevřete kartu, na které jste se usadili.

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě CogVLM-17B.

Odpovědi

CogVLM-17B — běžné otázky

CogVLM-17B— 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.

CogVLM-17B— 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: 120–319 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

CogVLM-17B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je GeForce GTX 1080 Ti, s kapacitou VRAM 11 GB. Spouští model při kompresi Q3_K_M používající přibližně 9.0 GB, a produkuje přibližně 27.7 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 295.

CogVLM-17B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 199 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 251.

CogVLM-17B— kolik VRAM potřebuje?

Potřebuje asi 9.0 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.

CogVLM-17B— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi IQ4_XS, používající přibližně 10.0 GB a generováním zhruba 55.8 tokenů za sekundu. Fit je těsný.

CogVLM-17B— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q5_K_M, používající přibližně 13.0 GB a generováním zhruba 50.3 tokenů za sekundu. Fit je těsný.

CogVLM-17B— 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 18.9 GB a generováním zhruba 33.4 tokenů za sekundu. Fit je těsný.

CogVLM-17B— 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.

CogVLM-17B— kolik má parametrů?

Má počet parametrů 17B. CogVLM-17B has 10 billion vision parameters and 7 billion language parameters. However, "the total number of trainable parameters is 6.5B". "CogVLM model comprises four fundamental components: a vision transformer (ViT) encoder, an MLP adapter, a pretrained large language model (GPT), and a visual expert module." ViT: EVA2-CLIP-E, last layer removed (5B params with last layer, non-trainable) MLP adapter: 2 layers, parameter count unavailable GPT: Vicuna1.5-7B (7B params) Visual expert module: parameter count unclear. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

CogVLM-17B— Kdo to vytvořil?

Bylo to publikováno společností Tsinghua University,Z.ai (Zhipu AI),Beihang University, zakládající se na China, organizace zařazená jako academia,Industry,Academia.

CogVLM-17B— 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.

CogVLM-17B— K čemu se to používá?

funguje v oblasti Multimodal, Vision, Language, a je zaznamenáno jako zpracovávající úkol image captioning, Visual question answering, Chat. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

CogVLM-17B— 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.

CogVLM-17B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 6.3 × 10²² 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.

CogVLM-17B— 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 2.0 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

CogVLM-17B— 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: 295. Takže druhá karta je tu zřídka odpovědí.

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