BlenderBot 3 TPS kalkulátor

Otevřít váhy McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms) 175B parametry August 2022

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

24 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

H100 PCIe 96 GB

96 GB · Q3_K_M · 21.9 tok/s

Nejrychlejší karta

Radeon Instinct MI300

28.6 tok/s · 128 GB

Které GPU mohou spustit BlenderBot 3?

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.

24 karty odpovídají

Vypočítávání
Potřebuje Kvantisace Pohodlné
28.6 tok/s

17–46 · nízká důvěra

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 106.6 GB Q4_K_M Těsný
28.1 tok/s

17–45 · nízká důvěra

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 147.3 GB Q6_K Těsný
27.3 tok/s

16–44 · nízká důvěra

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 106.6 GB Q4_K_M Těsný
27.3 tok/s

16–44 · nízká důvěra

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 106.6 GB Q4_K_M Těsný
23.2 tok/s

14–37 · nízká důvěra

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 106.6 GB Q4_K_M Těsný
21.9 tok/s

13–35 · nízká důvěra

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.2 GB Q3_K_M Těsný
21.9 tok/s

13–35 · nízká důvěra

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.2 GB Q3_K_M Těsný
19.4 tok/s

12–31 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 188.1 GB Q8_0 Pohodlný
15.5 tok/s

9–25 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 188.1 GB Q8_0 Pohodlný
15.5 tok/s

9–25 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 188.1 GB Q8_0 Pohodlný
14.6 tok/s

9–23 · nízká důvěra

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 147.3 GB Q6_K Těsný
14.6 tok/s

9–23 · nízká důvěra

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 147.3 GB Q6_K Těsný
14.3 tok/s

9–23 · nízká důvěra

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 106.6 GB Q4_K_M Těsný
14.3 tok/s

9–23 · nízká důvěra

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 106.6 GB Q4_K_M Těsný
11.9 tok/s

7–19 · nízká důvěra

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 106.6 GB Q4_K_M Těsný
11.7 tok/s

7–19 · nízká důvěra

RTX PRO 6000 Blackwell NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Těsný
11.7 tok/s

7–19 · nízká důvěra

RTX PRO 6000 Blackwell Max-Q NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Těsný
11.7 tok/s

7–19 · nízká důvěra

RTX PRO 6000 Blackwell Server NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Těsný
11.7 tok/s

7–19 · nízká důvěra

RTX PRO 6000D Blackwell Max-Q NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Těsný
11.7 tok/s

7–19 · nízká důvěra

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 106.6 GB Q4_K_M Těsný
11.3 tok/s

7–18 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 188.1 GB Q8_0 Pohodlný
10.4 tok/s

6–17 · nízká důvěra

Data Center GPU Max 1350 Intel 96 GB 2,460 GB/s Jan 2023 86.2 GB Q3_K_M Těsný
1.5 tok/s

1–2 · nízká důvěra

GB10 NVIDIA 128 GB 273 GB/s Oct 2025 106.6 GB Q4_K_M Těsný
1.5 tok/s

1–2 · nízká důvěra

Jetson T5000 NVIDIA 128 GB 273 GB/s Aug 2025 106.6 GB Q4_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
McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms)
Typ organizace
Academia,Industry,Academia
Země
Canada, United States of America
Publikováno
10 August 2022
Autoři
Kurt Shuster, Jing Xu, Mojtaba Komeili, Da Ju, Eric Michael Smith, Stephen Roller, Megan Ung, Moya Chen, Kushal Arora, Joshua Lane, Morteza Behrooz, William Ngan, Spencer Poff, Naman Goyal, Arthur Szlam, Y-Lan Boureau, Melanie Kambadur, Jason Weston

Co to dělá

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

Doména
Language
Úkol
Chat
Základní model
OPT-175B

Velikost

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

parametry
175B
Výcviková data
1,300,000,000 tokens
Velikost dávky
262,144

Note that this is batch size for fine-tuning. Blenderbot is based on OPT-175B which had batch size 2M. "The 175B model was trained with a batch size of 2^18" 2^18 = 262144

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
4.3 × 10²³ FLOP

(taken from OPT-175 base)

Jak bylo ustanoveno
Operation counting
Ladění výpočtů
1.5 × 10²¹ FLOP

"The 30B and 175B parameter BlenderBot 3 models were each trained for one epoch of the training data on 64 (30B) or 128 (175B) x 40gb A100 GPUs; we found that the model (especially the 175B version) overfit significantly when seeing the training data more than once. The 175B model was trained with a batch size of 2^18 and the 30B model was trained with a batch size of 2^19, resulting in roughly 5600 updates and 2800 updates respectively." 175b params * 5600 * 2^18 * 6 = 1.5e21

Tréninkový běh

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

Tréninkový hardware
NVIDIA A100 SXM4 40 GB
Používané čipy
128
Příkon
102.6 kW

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

weights have a non-commercial license, must go through request form: https://docs.google.com/forms/d/e/1FAIpQLSfRzw8xVzxaxgRyuodTZtkcYADAjzYjN5gcxx6DMa4XaGwwhQ/viewform meanwhile training code is here. repo is MIT-licensed https://github.com/facebookresearch/ParlAI/blob/main/parlai/scripts/train_model.py

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
Proč je to sledováno
SOTA improvement

"Human evaluations show its superiority to existing open-domain dialogue agents, including its predecessors" They don't claim absolute SOTA

Záznam důvěry
Likely
Citace
290

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
BlenderBot 3: a deployed conversational agent that continually learns to responsibly engage
Nap poslední aktualizace
25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží BlenderBot 3

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 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q4_K_M 28.6 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q6_K 28.1 tok/s
  3. 03 H200 NVL 141 GB · 4,890 GB/s · Q4_K_M 27.3 tok/s
  4. 04 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q4_K_M 27.3 tok/s
  5. 05 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q4_K_M 23.2 tok/s
  6. 06 H100 PCIe 96 GB 96 GB · 3,360 GB/s · Q3_K_M 21.9 tok/s
  7. 07 H100 SXM5 96 GB 96 GB · 3,360 GB/s · Q3_K_M 21.9 tok/s
  8. 08 B300 288 GB · 8,000 GB/s · Q8_0 19.4 tok/s
  9. 09 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 15.5 tok/s
  10. 10 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 15.5 tok/s

Nejmenší GPU, které ještě běží BlenderBot 3

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

  1. 01 RTX PRO 6000 Blackwell 96 GB · Potřebuje 86.2 GB · Q3_K_M · Těsný 11.7 tok/s
  2. 02 RTX PRO 6000 Blackwell Max-Q 96 GB · Potřebuje 86.2 GB · Q3_K_M · Těsný 11.7 tok/s
  3. 03 RTX PRO 6000 Blackwell Server 96 GB · Potřebuje 86.2 GB · Q3_K_M · Těsný 11.7 tok/s
  4. 04 RTX PRO 6000D Blackwell Max-Q 96 GB · Potřebuje 86.2 GB · Q3_K_M · Těsný 11.7 tok/s
  5. 05 H100 PCIe 96 GB 96 GB · Potřebuje 86.2 GB · Q3_K_M · Těsný 21.9 tok/s
  6. 06 H100 SXM5 96 GB 96 GB · Potřebuje 86.2 GB · Q3_K_M · Těsný 21.9 tok/s
  7. 07 Data Center GPU Max 1350 96 GB · Potřebuje 86.2 GB · Q3_K_M · Těsný 10.4 tok/s
  8. 08 GB10 128 GB · Potřebuje 106.6 GB · Q4_K_M · Těsný 1.5 tok/s
  9. 09 Jetson T5000 128 GB · Potřebuje 106.6 GB · Q4_K_M · Těsný 1.5 tok/s
  10. 10 Radeon Instinct MI300A 128 GB · Potřebuje 106.6 GB · Q4_K_M · Těsný 23.2 tok/s

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

H100 PCIe 96 GB

Potřeba paměti

86.2 GB

Nejrychlejší

28.6 tok/s

BlenderBot 3 dosahuje počtu parametrů 175B. 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: 24.

Nejmenší hardware, který funguje, je H100 PCIe 96 GB, s kapacitou VRAM 96 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 21.9 tokenů za sekundu

Nejrychlejší výsledek pochází z Radeon Instinct MI300, generování přibližně 28.6 tokens za sekundu na základě šířky pásma VRAM 6,550 GB/s.

Pozadí

BlenderBot 3 byl zveřejněn McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), v zemi zaznamenané jako Canada, během August 2022. Kategorie, do které vydavatel spadá, je academia,Industry,Academia.

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

Staví na OPT-175B. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

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

Čtení čísel propustnosti

Mediánový výsledek je kolem 14.5 tokenů za sekundu. Producing text faster than most people read it: 22 z nich

Každá váha se účastní každého tokenu zde, takže šířka pásma je celá historie: hodnocení níže je ve skutečnosti hodnocením propustnosti paměti.

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.

Co bylo zapotřebí k jeho vybudování

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 4.3 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 40 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Tréninková sada běžela na přibližně 1,300,000,000 tokeny textu

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro BlenderBot 3

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

  1. 01

    Začněte od sloupce paměti

    Tabulka uvádí každou kartu, která je schopna pojmout BlenderBot 3, potřebující kolem 86.2 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 02

    Přizpůsobte kontext svému skutečnému použití

    Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro BlenderBot 3.

  3. 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.

  4. 04

    Hodnoťte podle propustnosti spíše než podle specifikace

    Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro BlenderBot 3. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je Radeon Instinct MI300, na 28.6 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 BlenderBot 3. 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

    Zkontrolujte kartu z druhé strany

    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. BlenderBot 3.

Odpovědi

BlenderBot 3 — běžné otázky

01

BlenderBot 3— 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: 17–46 tok/s na Radeon Instinct MI300. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

02

BlenderBot 3— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je H100 PCIe 96 GB, s kapacitou VRAM 96 GB. Spouští model při kompresi Q3_K_M používající přibližně 86.2 GB, a produkuje přibližně 21.9 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 24.

03

BlenderBot 3— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je Radeon Instinct MI300, přibližně 28.6 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 22.

04

BlenderBot 3— kolik VRAM potřebuje?

Potřebuje asi 86.2 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.

05

BlenderBot 3— 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.

06

BlenderBot 3— kolik má parametrů?

Má počet parametrů 175B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

07

BlenderBot 3— Kdo to vytvořil?

Bylo to publikováno společností McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), zakládající se na Canada, organizace zařazená jako academia,Industry,Academia.

08

BlenderBot 3— Kdy byl vydán?

Bylo to zveřejněno v August 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

09

BlenderBot 3— K čemu se to používá?

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

10

BlenderBot 3— 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.

11

BlenderBot 3— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 4.3 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 40 GB. 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.

12

BlenderBot 3— 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 22.0 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

13

BlenderBot 3— 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: 24. Takže druhá karta je tu zřídka odpovědí.

14

BlenderBot 3— 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: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

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