Guanaco-65B TPS kalkulátor

Otevřít váhy University of Washington 65B parametry May 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 · 27.4 tok/s

Nejrychlejší karta

B200

52.1 tok/s · 180 GB

Které GPU mohou spustit Guanaco-65B?

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.

61 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
52.1 tok/s 31–83 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	70.3 GB	Q8_0	Pohodlný
52.1 tok/s 31–83 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	70.3 GB	Q8_0	Pohodlný
41.6 tok/s 25–67 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	70.3 GB	Q8_0	Pohodlný
41.6 tok/s 25–67 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	70.3 GB	Q8_0	Pohodlný
33.3 tok/s 20–53 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	70.3 GB	Q8_0	Pohodlný
31.9 tok/s 19–51 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	70.3 GB	Q8_0	Pohodlný
31.9 tok/s 19–51 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	70.3 GB	Q8_0	Pohodlný
30.5 tok/s 18–49 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	70.3 GB	Q8_0	Pohodlný
28.1 tok/s 17–45 · nízká důvěra	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	40.0 GB	Q4_K_M	Těsný
27.4 tok/s 16–44 · nízká důvěra	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	32.5 GB	Q3_K_M	Těsný
27.4 tok/s 16–44 · nízká důvěra	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	32.5 GB	Q3_K_M	Těsný
27.4 tok/s 16–44 · nízká důvěra	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	32.5 GB	Q3_K_M	Těsný
27.1 tok/s 16–43 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	70.3 GB	Q8_0	Pohodlný
27.1 tok/s 16–43 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	70.3 GB	Q8_0	Pohodlný
27.1 tok/s 16–43 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	70.3 GB	Q8_0	Pohodlný
25.7 tok/s 15–41 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	70.3 GB	Q8_0	Pohodlný
21.9 tok/s 13–35 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	70.3 GB	Q8_0	Pohodlný
21.9 tok/s 13–35 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	70.3 GB	Q8_0	Těsný
21.9 tok/s 13–35 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	70.3 GB	Q8_0	Pohodlný
21.9 tok/s 13–35 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	70.3 GB	Q8_0	Pohodlný
21.9 tok/s 13–35 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	70.3 GB	Q8_0	Těsný
20.2 tok/s 12–32 · nízká důvěra	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	40.0 GB	Q4_K_M	Těsný
19.1 tok/s 11–31 · nízká důvěra	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.2 GB	Q6_K	Těsný
16.7 tok/s 10–27 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	70.3 GB	Q8_0	Pohodlný
16.7 tok/s 10–27 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	70.3 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: University of Washington
Typ organizace: Academia
Země: United States of America
Publikováno: 23 May 2023
Autoři: Tim Dettmers, Artidoro Pagnoni, Ari Holtzman, Luke Zettlemoyer

Co to dělá

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

Doména: Language
Úkol: Chat
Základní model: LLaMA-65B

Velikost

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

parametry: 65B
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: 5.5 × 10²³ FLOP
Jak bylo ustanoveno: Hardware
Ladění výpočtů: 8 × 10¹⁸ FLOP

Tréninkový běh

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

Doba reálného času: 24 hours

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 (non-commercial)
Tréninkový kód: 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
Citace: 4,560

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: QLoRA: Efficient Finetuning of Quantized LLMs
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží Guanaco-65B

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 Guanaco-65B

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

A100 PCIe 40 GB

Potřeba paměti

32.5 GB

Nejrychlejší

52.1 tok/s

Guanaco-65B dosahuje počtu parametrů 65B. 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.

Vstupní bod je A100 PCIe 40 GB, s kapacitou VRAM 40 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 27.4 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 52.1 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

Guanaco-65B byl zveřejněn University of Washington, v zemi zaznamenané jako United States of America, během May 2023. Kategorie, do které vydavatel spadá, je academia.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol chat.

Místo toho, aby byl trénován od nuly, je odvozen z LLaMA-65B. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu.

Porozumění rychlostem

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 13.3 tokens za sekundu. Překračující rychlost čtení rovnou: 56 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 5.5 × 10²³ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Krok za krokem

Jak vybrat GPU pro Guanaco-65B

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

01

Přečtěte si nejprve číslo paměti

Každá KARTA zde byla zkontrolována proti Guanaco-65B, potřebující kolem 32.5 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
02

Přizpůsobte kontext svému skutečnému použití

Nastavte kontext na to, co skutečně použijete. Cache roste s konverzací a to je obvyklý důvod, proč karta, která se zdála v pořádku, přestane vejít. Guanaco-65B.
03

Rozhodněte, jaké množství komprese přijmete

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

Srovnejte TPS, ne specifikace

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Guanaco-65B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 52.1 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 Guanaco-65B. 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.

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro Guanaco-65B.

Odpovědi

Guanaco-65B — běžné otázky

Guanaco-65B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol chat. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

Guanaco-65B— 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.

Guanaco-65B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 5.5 × 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.

Guanaco-65B— 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 11.2 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Guanaco-65B— Běhalo by to rychleji na dvou GPU?

Druhá karta přibližně zdvojnásobí dostupnou paměť, ale ne rychlost generování. Počet, který je již schopen ji spustit sám: 61. Takže druhá karta je tu zřídka odpovědí.

Guanaco-65B— 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.

Guanaco-65B— 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: 31–83 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Guanaco-65B— 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 32.5 GB, a produkuje přibližně 27.4 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 61.

Guanaco-65B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 52.1 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 56.

Guanaco-65B— kolik VRAM potřebuje?

Potřebuje asi 32.5 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.

Guanaco-65B— 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.

Guanaco-65B— kolik má parametrů?

Má počet parametrů 65B. from Llama-65B (also 33B, 13B, 7B variants). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Guanaco-65B— Kdo to vytvořil?

Bylo to publikováno společností University of Washington, zakládající se na United States of America, organizace zařazená jako academia.

Guanaco-65B— Kdy byl vydán?

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

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