Qwen-VL TPS kalkulátor

Otevřít váhy Alibaba 9.6B parametry August 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

582 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Quadro 6000

6 GB · Q3_K_M · 14.5 tok/s

Nejrychlejší karta

B200

353 tok/s · 180 GB

Které GPU mohou spustit Qwen-VL?

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.

582 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
353 tok/s 212–565 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	11.0 GB	Q8_0	Pohodlný
353 tok/s 212–565 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	11.0 GB	Q8_0	Pohodlný
282 tok/s 169–451 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	11.0 GB	Q8_0	Pohodlný
282 tok/s 169–451 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	11.0 GB	Q8_0	Pohodlný
225 tok/s 135–361 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	11.0 GB	Q8_0	Pohodlný
216 tok/s 129–345 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.0 GB	Q8_0	Pohodlný
216 tok/s 129–345 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.0 GB	Q8_0	Pohodlný
206 tok/s 124–330 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	11.0 GB	Q8_0	Pohodlný
183 tok/s 110–293 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	11.0 GB	Q8_0	Pohodlný
183 tok/s 110–293 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	11.0 GB	Q8_0	Pohodlný
183 tok/s 110–293 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	11.0 GB	Q8_0	Pohodlný
174 tok/s 104–278 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	11.0 GB	Q8_0	Pohodlný
152 tok/s 91–243 · nízká důvěra	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.5 GB	Q4_K_M	Těsný
148 tok/s 89–237 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.0 GB	Q8_0	Pohodlný
148 tok/s 89–237 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	11.0 GB	Q8_0	Pohodlný
148 tok/s 89–237 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	11.0 GB	Q8_0	Pohodlný
148 tok/s 89–237 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.0 GB	Q8_0	Pohodlný
148 tok/s 89–237 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	11.0 GB	Q8_0	Pohodlný
113 tok/s 68–181 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	11.0 GB	Q8_0	Pohodlný
113 tok/s 68–181 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	11.0 GB	Q8_0	Pohodlný
100 tok/s 60–160 · nízká důvěra	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.7 GB	Q6_K	Těsný
94.1 tok/s 56–150 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	11.0 GB	Q8_0	Pohodlný
92.1 tok/s 55–147 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	11.0 GB	Q8_0	Pohodlný
90.0 tok/s 54–144 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	11.0 GB	Q8_0	Pohodlný
90.0 tok/s 54–144 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	11.0 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: Alibaba
Typ organizace: Industry
Země: China
Publikováno: 24 August 2023
Autoři: Jinze Bai, Shuai Bai, Shusheng Yang, Shijie Wang, Sinan Tan, Peng Wang, Junyang Lin, Chang Zhou, Jingren Zhou

Co to dělá

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

Doména: Multimodal, Language, Vision
Úkol: Image captioning, Chat, Question answering, Visual question answering
Základní model: Qwen-7B
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: 9.6B
Výcviková data: 500,000,000,000 tokens
Epochy: 1

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.

Proč je to sledováno: SOTA improvement
Záznam důvěry: Likely
Citace: 1,998

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Qwen-VL: A Versatile Vision-Language Model for Understanding, Localization, Text Reading, and Beyond
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží Qwen-VL

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-VL

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

Co čísla znamenají

Co je potřeba k provozování tohoto modelu

Minimum karta

Quadro 6000

Potřeba paměti

5.4 GB

Nejrychlejší

353 tok/s

Qwen-VL dosahuje počtu parametrů 9.6B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 582.

Nejmenší karta, která to pojme, je Quadro 6000, s kapacitou VRAM 6 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 14.5 tokenů za sekundu

Špičkový model je B200, generování přibližně 353 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

O tomto modelu

Qwen-VL byl zveřejněn Alibaba, v zemi zaznamenané jako China, během August 2023. Vydavatelská organizace je kategorizována jako industry.

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

Místo toho, aby byl trénován od nuly, je odvozen z Qwen-7B. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

Zveřejněné váhy znamenají, že model běží na vašem stroji, nikoli na stroji někoho jiného, což činí otázku ohledně hardwaru níže odpovídatelnou.

Jak rychle to běží a proč

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 22.9 tokens za sekundu. Překračující rychlost čtení rovnou: 544 z nich

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

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.

Trénink a původ

Tréninková sada běžela na přibližně 500,000,000,000 tokeny textu

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro Qwen-VL

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

Každá KARTA zde byla zkontrolována proti Qwen-VL, potřebující kolem 5.4 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

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro Qwen-VL.
03

Rozhodněte, jaké množství komprese přijmete

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

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Qwen-VL. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 353 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

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

Odpovědi

Qwen-VL — běžné otázky

Qwen-VL— proč se kvantizace liší mezi kartami?

Každá KARTA je zobrazena, jak běží nejméně komprimovaná kopie, kterou může udržet. Počet různých úrovní komprese napříč KARTAMI, které ji vejít: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Qwen-VL— 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: 212–565 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-VL— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Quadro 6000, s kapacitou VRAM 6 GB. Spouští model při kompresi Q3_K_M používající přibližně 5.4 GB, a produkuje přibližně 14.5 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 582.

Qwen-VL— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 353 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 544.

Qwen-VL— kolik VRAM potřebuje?

Potřebuje asi 5.4 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.

Qwen-VL— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q4_K_M, používající přibližně 6.5 GB a generováním zhruba 152 tokenů za sekundu. Fit je těsný.

Qwen-VL— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q6_K, používající přibližně 8.7 GB a generováním zhruba 58.5 tokenů za sekundu. Fit je pohodlný.

Qwen-VL— 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 11.0 GB a generováním zhruba 49.9 tokenů za sekundu. Fit je pohodlný.

Qwen-VL— 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 11.0 GB a generováním zhruba 59.1 tokenů za sekundu. Fit je pohodlný.

Qwen-VL— 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-VL— kolik má parametrů?

Má počet parametrů 9.6B. 9.6B total - Table 1. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Qwen-VL— Kdo to vytvořil?

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

Qwen-VL— Kdy byl vydán?

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

Qwen-VL— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, a je zaznamenáno jako zpracovávající úkol image captioning, Chat, Question answering, Visual question answering. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

Qwen-VL— 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-VL— Mohu to spustit, pokud se to nevejde do mé GPU?

Pouze přenosem, což je obvykle falešná ekonomika: část držená v paměti systému zpomaluje celé to. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 2.0 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Qwen-VL— 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: 582. 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