TigerBot-70B TPS kalkulátor

Otevřít váhy Tigerobo 70B 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

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 TigerBot-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
Tigerobo
Typ organizace
Industry
Země
China
Publikováno
6 September 2023
Autoři
Ye Chen, Wei Cai, Liangmin Wu, Xiaowei Li, Zhanxuan Xin, Cong Fu

Co to dělá

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

Doména
Language
Úkol
Chat, Language generation, Language modeling/generation, Question answering
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
300,000,000,000 tokens
Velikost dávky
4,000,000

from paper: "We pretrained TigerBot models using a global batch size (GBS) of 4M tokens, while fine-tuned models with a GBS as small as 100–400k tokens" It's also based on pretrained Llama 2, which also used a batch size of 4M

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 × 10²⁴ FLOP

~1.02e24 Tigerobo did ~2.1e23 additional pre-training. We estimated Llama 2 was trained on 8.1e23 FLOP.

Jak bylo ustanoveno
Operation counting
Ladění výpočtů
1.3 × 10²³ FLOP

70b * 300b * 6 = 126000*10^18 = 1.26*10^23

Tréninkový běh

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

Tréninkový hardware
NVIDIA A100
Používané čipy
512
Příkon
406.9 kW
Datové centrum
Paper on TigerBot-70B

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
Open source

Apache 2.0 https://github.com/TigerResearch/TigerBot/blob/main/README_en.md but it's also a Llama 2 finetune. training code here: https://github.com/TigerResearch/TigerBot/tree/main/train They released a 5% sample of training data: " On this basis, we randomly sampled 100G of data and released it open source."

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

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
TigerBot: An Open Multilingual Multitask LLM
Nap poslední aktualizace
28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží TigerBot-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 TigerBot-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

Hardwareová stránka

Minimum karta

A100 PCIe 40 GB

Potřeba paměti

34.9 GB

Nejrychlejší

48.4 tok/s

TigerBot-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.

Na nízkém konci se to řeší pomocí A100 PCIe 40 GB, s kapacitou VRAM 40 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 25.5 tokenů za sekundu

Na druhém konci sedí B200, generování přibližně 48.4 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

TigerBot-70B byl zveřejněn Tigerobo, v zemi zaznamenané jako China, během September 2023. Vydavatelská organizace je kategorizována jako industry.

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

Staví na Llama 2-70B. To je obvyklý způsob, jak je specializovaný model vytvářen.

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

Porozumění rychlostem

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 17.1 tokenů za sekundu 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.

Trénink a původ

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1 × 10²⁴ FLOP, na hardwaru zaznamenáno jako NVIDIA A100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Tréninková sada běžela na přibližně 300,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro TigerBot-70B

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

  1. 01

    Přečtěte si nejprve číslo paměti

    Tabulka uvádí každou kartu, která je schopna pojmout TigerBot-70B, potřebující kolem 34.9 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 02

    Rozhodněte, jak dlouho vaše konverzace běží

    Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro TigerBot-70B.

  3. 03

    Nastavte minimální kvalitu

    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

    Hodnoťte podle propustnosti spíše než podle specifikace

    Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro TigerBot-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

    Přečtěte si poslední sloupec fit

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

    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. TigerBot-70B.

Odpovědi

TigerBot-70B — běžné otázky

01

TigerBot-70B— Kdo to vytvořil?

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

02

TigerBot-70B— 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.

03

TigerBot-70B— K čemu se to používá?

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

04

TigerBot-70B— 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

TigerBot-70B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1 × 10²⁴ FLOP, na hardwaru zaznamenáno jako NVIDIA A100. 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

TigerBot-70B— 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 14.2 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

07

TigerBot-70B— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 61. Takže druhá karta je tu zřídka odpovědí.

08

TigerBot-70B— 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: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

09

TigerBot-70B— 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: 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.

10

TigerBot-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.

11

TigerBot-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.

12

TigerBot-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.

13

TigerBot-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.

14

TigerBot-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.

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