Qwen3-Omni-30B-A3B TPS kalkulátor

Otevřít váhy Alibaba 35.3B parametry September 2025

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

132 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

RTX A4500

20 GB · IQ4_XS · 105 tok/s

Nejrychlejší karta

B200

533 tok/s · 180 GB

Které GPU mohou spustit Qwen3-Omni-30B-A3B?

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.

132 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
533 tok/s 320–853 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	36.4 GB	Q8_0	Pohodlný
533 tok/s 320–853 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	36.4 GB	Q8_0	Pohodlný
426 tok/s 255–681 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	36.4 GB	Q8_0	Pohodlný
426 tok/s 255–681 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	36.4 GB	Q8_0	Pohodlný
341 tok/s 204–545 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	36.4 GB	Q8_0	Pohodlný
326 tok/s 196–522 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.4 GB	Q8_0	Pohodlný
326 tok/s 196–522 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.4 GB	Q8_0	Pohodlný
312 tok/s 187–499 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	36.4 GB	Q8_0	Pohodlný
277 tok/s 166–443 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	36.4 GB	Q8_0	Pohodlný
277 tok/s 166–443 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	36.4 GB	Q8_0	Pohodlný
277 tok/s 166–443 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	36.4 GB	Q8_0	Pohodlný
263 tok/s 158–420 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	36.4 GB	Q8_0	Pohodlný
224 tok/s 134–358 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Pohodlný
224 tok/s 134–358 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	36.4 GB	Q8_0	Pohodlný
224 tok/s 134–358 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Pohodlný
224 tok/s 134–358 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Pohodlný
224 tok/s 134–358 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	36.4 GB	Q8_0	Pohodlný
206 tok/s 124–330 · nízká důvěra	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.0 GB	Q4_K_M	Těsný
188 tok/s 113–300 · nízká důvěra	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.0 GB	Q4_K_M	Těsný
181 tok/s 109–290 · nízká důvěra	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Těsný
181 tok/s 109–290 · nízká důvěra	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Těsný
173 tok/s 104–277 · nízká důvěra	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Těsný
173 tok/s 104–277 · nízká důvěra	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Těsný
171 tok/s 102–273 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	36.4 GB	Q8_0	Pohodlný
171 tok/s 102–273 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	36.4 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: 22 September 2025
Autoři: Jin Xu, Zhifang Guo, Hangrui Hu, Yunfei Chu, Xiong Wang, Jinzheng He, Yuxuan Wang, Xian Shi, Ting He, Xinfa Zhu, Yuanjun Lv, Yongqi Wang, Dake Guo, He Wang, Linhan Ma, Pei Zhang, Xinyu Zhang, Hongkun Hao, Zishan Guo, Baosong Yang, Bin Zhang, Ziyang Ma, Xipin Wei, Shuai Bai, Keqin Chen, Xuejing Liu, Peng Wang, Mingkun Yang, Dayiheng Liu, Xingzhang Ren, Bo Zheng, Rui Men, Fan Zhou, Bowen Yu, Jianxin…

Co to dělá

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

Doména: Multimodal, Language, Vision, Speech, Video
Úkol: Language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS)

Velikost

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

parametry: 35.3B
Výcviková data: 2,000,000,000,000 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: 3.6 × 10²² 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 (unrestricted)
Tréninkový kód: Unreleased
Hugging Face: Qwen

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: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Qwen3-Omni Technical Report
Nap poslední aktualizace: 18 December 2025

Extrémy

Deset nejrychlejších GPU, které běží Qwen3-Omni-30B-A3B

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 Qwen3-Omni-30B-A3B

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

RTX A4500

Potřeba paměti

17.9 GB

Nejrychlejší

533 tok/s

Qwen3-Omni-30B-A3B dosahuje počtu parametrů 35.3B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 132.

Nejmenší karta, která to pojme, je RTX A4500, s kapacitou VRAM 20 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 105 tokenů za sekundu

Špičkový model je B200, generování přibližně 533 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

Qwen3-Omni-30B-A3B byl zveřejněn Alibaba, v zemi zaznamenané jako China, během September 2025. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Multimodal, Language, Vision, Speech, Video, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS).

Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet. Na Hugging Face je publikováno pod organizací Qwen.

Porozumění rychlostem

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 104.0 tokenů za sekundu. Producing text faster than most people read it: 132 z nich

Toto je model směsi expertů, který prochází každý token pouze částí sebe sama. Generuje tedy mnohem rychleji, než naznačuje jeho celková velikost — přičemž stále potřebuje každý parametr umístěný v MEMORY, takže je rychlý, aniž by byl levný na uchování.

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.

Jak bylo trénováno

Trenovací běh spotřeboval asi 3.6 × 10²² FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Tréninková sada běžela na přibližně 2,000,000,000,000 tokeny textu

Je sledováno v základním datasetu z jednoho konkrétního důvodu: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro Qwen3-Omni-30B-A3B

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

Začněte od toho, co skutečně potřebuje, což je požadavek na Qwen3-Omni-30B-A3B, potřebující kolem 17.9 GB při kompresi IQ4_XS. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
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. Qwen3-Omni-30B-A3B.
03

Vyberte, jak moc to budete komprimovat.

Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., 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

Hodnoťte podle propustnosti spíše než podle specifikace

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Qwen3-Omni-30B-A3B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 533 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě Qwen3-Omni-30B-A3B. 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

Podívejte se, co dalšího ta karta spouští

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. Qwen3-Omni-30B-A3B.

Odpovědi

Qwen3-Omni-30B-A3B — běžné otázky

Qwen3-Omni-30B-A3B— 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.

Qwen3-Omni-30B-A3B— 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: 320–853 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Qwen3-Omni-30B-A3B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je RTX A4500, s kapacitou VRAM 20 GB. Spouští model při kompresi IQ4_XS používající přibližně 17.9 GB, a produkuje přibližně 105 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 132.

Qwen3-Omni-30B-A3B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 533 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 132.

Qwen3-Omni-30B-A3B— kolik VRAM potřebuje?

Potřebuje asi 17.9 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.

Qwen3-Omni-30B-A3B— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q4_K_M, používající přibližně 20.0 GB a generováním zhruba 206 tokenů za sekundu. Fit je těsný.

Qwen3-Omni-30B-A3B— 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.

Qwen3-Omni-30B-A3B— kolik má parametrů?

Má počet parametrů 35.3B. Audio Encoder AuT 650M Vision Encoder SigLIP2-So400M 540M Thinker MoE Transformer 30B-A3B Talker MoE Transformer 3B-A0.3B MTP Dense Transformer 80M Code2wav ConvNet 200M. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Qwen3-Omni-30B-A3B— Kdo to vytvořil?

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

Qwen3-Omni-30B-A3B— Kdy byl vydán?

Bylo to zveřejněno v September 2025.

Qwen3-Omni-30B-A3B— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, Speech, Video, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Speech recognition (ASR), Speech synthesis, Speech-to-text, Text-to-speech (TTS). Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

Qwen3-Omni-30B-A3B— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací Qwen. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

Qwen3-Omni-30B-A3B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 3.6 × 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.

Qwen3-Omni-30B-A3B— 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 5.6 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Qwen3-Omni-30B-A3B— 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: 132. Takže druhá karta je tu zřídka odpovědí.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 18 December 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