GLM-130B TPS kalkulátor

Otevřít váhy Tsinghua University 130B 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

38 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

RTX PRO 5000 72 GB Blackwell

72 GB · Q3_K_M · 11.8 tok/s

Nejrychlejší karta

H100 NVL 94 GB

29.6 tok/s · 94 GB

Které GPU mohou spustit GLM-130B?

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.

38 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
29.6 tok/s 18–47 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	79.3 GB	Q4_K_M	Těsný
26.9 tok/s 16–43 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	71.8 GB	IQ4_XS	Těsný
26.9 tok/s 16–43 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	71.8 GB	IQ4_XS	Těsný
26.1 tok/s 16–42 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	139.9 GB	Q8_0	Těsný
26.1 tok/s 16–42 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	139.9 GB	Q8_0	Pohodlný
25.3 tok/s 15–40 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	79.3 GB	Q4_K_M	Těsný
25.3 tok/s 15–40 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	79.3 GB	Q4_K_M	Těsný
25.3 tok/s 15–40 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	79.3 GB	Q4_K_M	Těsný
24.2 tok/s 15–39 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	109.6 GB	Q6_K	Těsný
23.2 tok/s 14–37 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	109.6 GB	Q6_K	Těsný
23.2 tok/s 14–37 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	109.6 GB	Q6_K	Těsný
20.8 tok/s 12–33 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	139.9 GB	Q8_0	Pohodlný
20.8 tok/s 12–33 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	139.9 GB	Q8_0	Pohodlný
19.7 tok/s 12–31 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	109.6 GB	Q6_K	Těsný
16.3 tok/s 10–26 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	71.8 GB	IQ4_XS	Těsný
16.3 tok/s 10–26 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	71.8 GB	IQ4_XS	Těsný
16.3 tok/s 10–26 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	71.8 GB	IQ4_XS	Těsný
16.3 tok/s 10–26 · nízká důvěra	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	IQ4_XS	Těsný
16.3 tok/s 10–26 · nízká důvěra	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	71.8 GB	IQ4_XS	Těsný
16.3 tok/s 10–26 · nízká důvěra	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	IQ4_XS	Těsný
15.5 tok/s 9–25 · nízká důvěra	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	71.8 GB	IQ4_XS	Těsný
15.5 tok/s 9–25 · nízká důvěra	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	71.8 GB	IQ4_XS	Těsný
15.3 tok/s 9–24 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	139.9 GB	Q8_0	Pohodlný
13.5 tok/s 8–22 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	139.9 GB	Q8_0	Pohodlný
13.5 tok/s 8–22 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	139.9 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: Tsinghua University
Typ organizace: Academia
Země: China
Publikováno: 4 August 2022
Autoři: Aohan Zeng, Xiao Liu, Zhengxiao Du, Zihan Wang, Hanyu Lai, Ming Ding, Zhuoyi Yang, Yifan Xu, Wendi Zheng, Xiao Xia, Weng Lam Tam, Zixuan Ma, Yufei Xue, Jidong Zhai, Wenguang Chen, Peng Zhang, Yuxiao Dong, Jie Tang

Co to dělá

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

Doména: Language
Úkol: Language modeling/generation, Translation
Číselný formát: FP16

Velikost

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

parametry: 130B
Výcviková data: 152,000,000,000 tokens
Epochy: 1
Velikost dávky: 8,650,752

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: 3.5 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting,Hardware

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: 768
Čip-hodiny: 1,105,920
Doba reálného času: 1,440 hours (60 days)
Využití hardwaru: MFU 32.5% · HFU 43.3%
Příkon: 615.7 kW
Náklady na výpočet: $820,297

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: 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: SOTA improvement
Záznam důvěry: Confident
Citace: 1,264
Benchmark data: GLM-130B

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: GLM-130B: An Open Bilingual Pre-trained Model
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží GLM-130B

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 GLM-130B

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

Co čísla znamenají

Hardwareová stránka

Minimum karta

RTX PRO 5000 72 GB Blackwell

Potřeba paměti

64.2 GB

Nejrychlejší

29.6 tok/s

GLM-130B dosahuje počtu parametrů 130B. 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: 38.

Na nízkém konci se to řeší pomocí RTX PRO 5000 72 GB Blackwell, s kapacitou VRAM 72 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 11.8 tokenů za sekundu

Nejrychlejší výsledek pochází z H100 NVL 94 GB, generování přibližně 29.6 tokens za sekundu na základě šířky pásma VRAM 3,940 GB/s.

O tomto modelu

GLM-130B byl zveřejněn Tsinghua University, v zemi zaznamenané jako China, během August 2022. Kategorie, do které vydavatel spadá, je academia.

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

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

Jak rychle to běží a proč

Polovina karet, které to drží, zvládne více než 16.3 tokenů za sekundu 35 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.

Co bylo zapotřebí k jeho vybudování

Trenovací běh spotřeboval asi 3.5 × 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.

Trénink spotřeboval korpus kolem 152,000,000,000 tokeny textu

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

Krok za krokem

Jak vybrat GPU pro GLM-130B

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

01

Zkontrolujte, co to potřebuje před čímkoli jiným.

Každá KARTA zde byla zkontrolována proti GLM-130B, potřebující kolem 64.2 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
02

Nastavte délku kontextu, se kterou budete pracovat

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. GLM-130B.
03

Rozhodněte, jaké množství komprese přijmete

Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., 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

Hodnoťte podle propustnosti spíše než podle specifikace

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro GLM-130B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je H100 NVL 94 GB, na 29.6 tok/s
05

Přečtěte si poslední sloupec fit

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě GLM-130B. 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. GLM-130B.

Odpovědi

GLM-130B — běžné otázky

GLM-130B— kolik má parametrů?

Má počet parametrů 130B. Dense model. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

GLM-130B— Kdo to vytvořil?

Bylo to publikováno společností Tsinghua University, zakládající se na China, organizace zařazená jako academia.

GLM-130B— 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.

GLM-130B— K čemu se to používá?

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

GLM-130B— 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.

GLM-130B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 3.5 × 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.

GLM-130B— Mohu to spustit, pokud se to nevejde do mé GPU?

Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 21.7 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

GLM-130B— 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: 38. Takže druhá karta je tu zřídka odpovědí.

GLM-130B— 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: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

GLM-130B— 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: 18–47 tok/s na H100 NVL 94 GB. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

GLM-130B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je RTX PRO 5000 72 GB Blackwell, s kapacitou VRAM 72 GB. Spouští model při kompresi Q3_K_M používající přibližně 64.2 GB, a produkuje přibližně 11.8 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 38.

GLM-130B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je H100 NVL 94 GB, přibližně 29.6 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 35.

GLM-130B— kolik VRAM potřebuje?

Potřebuje asi 64.2 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.

GLM-130B— 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.

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