Falcon-40B TPS kalkulátor

Otevřít váhy Technology Innovation Institute 40B parametry March 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

126 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla M40 24 GB

24 GB · Q3_K_M · 7.0 tok/s

Nejrychlejší karta

B200

84.7 tok/s · 180 GB

Které GPU mohou spustit Falcon-40B?

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.

126 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
84.7 tok/s 51–136 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	43.5 GB	Q8_0	Pohodlný
84.7 tok/s 51–136 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	43.5 GB	Q8_0	Pohodlný
67.6 tok/s 41–108 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Pohodlný
67.6 tok/s 41–108 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Pohodlný
54.1 tok/s 32–87 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	43.5 GB	Q8_0	Pohodlný
51.8 tok/s 31–83 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Pohodlný
51.8 tok/s 31–83 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Pohodlný
49.6 tok/s 30–79 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	43.5 GB	Q8_0	Pohodlný
45.7 tok/s 27–73 · nízká důvěra	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Těsný
45.7 tok/s 27–73 · nízká důvěra	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Těsný
44.0 tok/s 26–70 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Pohodlný
44.0 tok/s 26–70 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Pohodlný
44.0 tok/s 26–70 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Pohodlný
43.8 tok/s 26–70 · nízká důvěra	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Těsný
43.8 tok/s 26–70 · nízká důvěra	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Těsný
41.7 tok/s 25–67 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	43.5 GB	Q8_0	Pohodlný
38.3 tok/s 23–61 · nízká důvěra	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.2 GB	Q3_K_M	Těsný
35.6 tok/s 21–57 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Pohodlný
35.6 tok/s 21–57 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	43.5 GB	Q8_0	Pohodlný
35.6 tok/s 21–57 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Pohodlný
35.6 tok/s 21–57 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Pohodlný
35.6 tok/s 21–57 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Pohodlný
34.9 tok/s 21–56 · nízká důvěra	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.2 GB	Q3_K_M	Těsný
28.9 tok/s 17–46 · nízká důvěra	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	20.2 GB	Q3_K_M	Těsný
28.9 tok/s 17–46 · nízká důvěra	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	20.2 GB	Q3_K_M	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: Technology Innovation Institute
Typ organizace: Government
Země: United Arab Emirates
Publikováno: 15 March 2023

Co to dělá

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

Doména: Language
Úkol: Language modeling, Language modeling/generation, Question answering
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: 40B
Výcviková data: 1,000,000,000,000 tokens
Velikost dávky: 2,359,296

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: 2.4 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting,Reported

Tréninkový běh

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

Tréninkový hardware: NVIDIA A100
Používané čipy: 384
Čip-hodiny: 552,960
Doba reálného času: 1,440 hours (60 days)
Využití hardwaru: MFU 38.6%
Příkon: 306.3 kW
Náklady na výpočet: $319,783

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

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Základní model: Yes
Pravděpodobně nad 10²³ FLOP: Yes
Proč je to sledováno: Historical significance
Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Abu Dhabi-based Technology Innovation Institute Introduces Falcon LLM: Foundational Large Language Model (LLM) outperforms GPT-3 with 40 Billion Parameters
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Falcon-40B

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 Falcon-40B

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

Tesla M40 24 GB

Potřeba paměti

20.2 GB

Nejrychlejší

84.7 tok/s

Falcon-40B dosahuje počtu parametrů 40B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 126.

Vstupní bod je Tesla M40 24 GB, s kapacitou VRAM 24 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 7.0 tokenů za sekundu

Na druhém konci sedí B200, generování přibližně 84.7 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Falcon-40B byl zveřejněn Technology Innovation Institute, v zemi zaznamenané jako United Arab Emirates, během March 2023. Vydavatelská organizace je kategorizována jako government.

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

Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet.

Co rozhoduje o rychlosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 21.2 tokenů za sekundu 106 z nich

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

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

Trénování si vyžádalo výpočetní rozpočet přibližně 2.4 × 10²³ 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 1,000,000,000,000 tokeny textu

Jeho kritérium zahrnutí: historical significance.

Krok za krokem

Jak vybrat GPU pro Falcon-40B

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 Falcon-40B, potřebující kolem 20.2 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
02

Rozhodněte, jak dlouho vaše konverzace běží

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. Falcon-40B.
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

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Falcon-40B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 84.7 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě Falcon-40B. 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

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro Falcon-40B.

Odpovědi

Falcon-40B — běžné otázky

Falcon-40B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Tesla M40 24 GB, s kapacitou VRAM 24 GB. Spouští model při kompresi Q3_K_M používající přibližně 20.2 GB, a produkuje přibližně 7.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 126.

Falcon-40B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 84.7 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 106.

Falcon-40B— kolik VRAM potřebuje?

Potřebuje asi 20.2 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.

Falcon-40B— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q3_K_M, používající přibližně 20.2 GB a generováním zhruba 38.3 tokenů za sekundu. Fit je těsný.

Falcon-40B— 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.

Falcon-40B— kolik má parametrů?

Má počet parametrů 40B. Model comes in 7B and 40B variants. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Falcon-40B— Kdo to vytvořil?

Bylo to publikováno společností Technology Innovation Institute, zakládající se na United Arab Emirates, organizace zařazená jako government.

Falcon-40B— Kdy byl vydán?

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

Falcon-40B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling, Language modeling/generation, Question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

Falcon-40B— 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.

Falcon-40B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 2.4 × 10²³ 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.

Falcon-40B— 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 6.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Falcon-40B— 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: 126. Takže druhá karta je tu zřídka odpovědí.

Falcon-40B— 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.

Falcon-40B— 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: 51–136 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

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