Qwen-14B TPS kalkulátor

Otevřít váhy Alibaba 14B parametry September 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

241 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Xeon Phi 7120P

16 GB · IQ4_XS · 17.0 tok/s

Nejrychlejší karta

B200

242 tok/s · 180 GB

Které GPU mohou spustit Qwen-14B?

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.

241 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
242 tok/s 206–290	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	21.1 GB	Q8_0	Pohodlný
242 tok/s 206–290	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	21.1 GB	Q8_0	Pohodlný
193 tok/s 116–309 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	21.1 GB	Q8_0	Pohodlný
193 tok/s 116–309 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	21.1 GB	Q8_0	Pohodlný
155 tok/s 93–247 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	21.1 GB	Q8_0	Pohodlný
148 tok/s 126–178	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.1 GB	Q8_0	Pohodlný
148 tok/s 126–178	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.1 GB	Q8_0	Pohodlný
142 tok/s 85–227 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	21.1 GB	Q8_0	Pohodlný
126 tok/s 75–201 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	21.1 GB	Q8_0	Pohodlný
126 tok/s 75–201 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	21.1 GB	Q8_0	Pohodlný
126 tok/s 75–201 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	21.1 GB	Q8_0	Pohodlný
119 tok/s 101–143	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	21.1 GB	Q8_0	Pohodlný
102 tok/s 86–122	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Pohodlný
102 tok/s 86–122	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	21.1 GB	Q8_0	Pohodlný
102 tok/s 86–122	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Pohodlný
102 tok/s 86–122	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Pohodlný
102 tok/s 86–122	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Pohodlný
83.9 tok/s 71–101	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.7 GB	IQ4_XS	Těsný
77.4 tok/s 46–124 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	21.1 GB	Q8_0	Pohodlný
77.4 tok/s 46–124 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	21.1 GB	Q8_0	Pohodlný
71.3 tok/s 61–86	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.7 GB	IQ4_XS	Těsný
66.6 tok/s 57–80	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.7 GB	IQ4_XS	Těsný
66.6 tok/s 57–80	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.7 GB	IQ4_XS	Těsný
66.6 tok/s 57–80	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.7 GB	IQ4_XS	Těsný
66.6 tok/s 57–80	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	13.7 GB	IQ4_XS	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: 28 September 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: Language modeling/generation

Velikost

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

parametry: 14B
Výcviková data: 3,000,000,000,000 tokens
Epochy: 1
Velikost dávky: 4,000,000

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: 2.5 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting

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.

Pravděpodobně nad 10²³ FLOP: Yes
Záznam důvěry: Confident
Citace: 3,775

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

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

Extrémy

Deset nejrychlejších GPU, které běží Qwen-14B

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 Qwen-14B

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

Xeon Phi 7120P

Potřeba paměti

13.7 GB

Nejrychlejší

242 tok/s

Qwen-14B dosahuje počtu parametrů 14B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 241.

Nejmenší hardware, který funguje, je Xeon Phi 7120P, s kapacitou VRAM 16 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 17.0 tokenů za sekundu

Špičkový model je B200, generování přibližně 242 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Qwen-14B byl zveřejněn Alibaba, v zemi zaznamenané jako China, během September 2023. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation.

Protože byly jeho váhy uvolněny, nic ohledně jeho spuštění nezávisí na dostupnosti poskytovatele - je to vaše, jakmile je stáhnuto.

Co rozhoduje o rychlosti

Polovina karet, které to drží, zvládne více než 28.5 tokenů za sekundu 220 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.

Trénink a původ

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2.5 × 10²³ 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

Krok za krokem

Jak vybrat GPU pro Qwen-14B

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

01

Zkontrolujte, co to potřebuje před čímkoli jiným.

Každá KARTA zde byla zkontrolována proti Qwen-14B, potřebující kolem 13.7 GB při kompresi IQ4_XS. Kapacita je brána — karta buď ji má, nebo ne.
02

Přizpůsobte kontext svému skutečnému použití

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. Qwen-14B.
03

Vyberte, jak moc to budete komprimovat.

Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., 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. Qwen-14B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 242 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Qwen-14B. 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

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro Qwen-14B.

Odpovědi

Qwen-14B — běžné otázky

Qwen-14B— kolik VRAM potřebuje?

Potřebuje asi 13.7 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.

Qwen-14B— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi IQ4_XS, používající přibližně 13.7 GB a generováním zhruba 83.9 tokenů za sekundu. Fit je těsný.

Qwen-14B— 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 21.1 GB a generováním zhruba 40.5 tokenů za sekundu. Fit je těsný.

Qwen-14B— 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.

Qwen-14B— kolik má parametrů?

Má počet parametrů 14B. 14B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Qwen-14B— Kdo to vytvořil?

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

Qwen-14B— Kdy byl vydán?

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

Qwen-14B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

Qwen-14B— 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.

Qwen-14B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 2.5 × 10²³ 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.

Qwen-14B— 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 3.7 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Qwen-14B— 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: 241. Takže druhá karta je tu zřídka odpovědí.

Qwen-14B— proč se kvantizace liší mezi kartami?

Protože se kapacita liší, liší se i to, jak moc musí být stlačena. Počet odlišných úrovní v tabulce výše: 3. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Qwen-14B— 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: 206–290 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Qwen-14B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Xeon Phi 7120P, s kapacitou VRAM 16 GB. Spouští model při kompresi IQ4_XS používající přibližně 13.7 GB, a produkuje přibližně 17.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 241.

Qwen-14B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 242 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 220.

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