Unified-IO (XL) TPS kalkulátor

Otevřít váhy Allen Institute for AI,University of Washington 2.9B parametry June 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

818 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla C1080

4 GB · Q6_K · 18.3 tok/s

Nejrychlejší karta

B200

1,158 tok/s · 180 GB

Které GPU mohou spustit Unified-IO (XL)?

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.

818 karty odpovídají

Vypočítávání
Potřebuje Kvantisace Pohodlné
1,158 tok/s

695–1,853 · nízká důvěra

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 3.8 GB Q8_0 Pohodlný
1,158 tok/s

695–1,853 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 3.8 GB Q8_0 Pohodlný
925 tok/s

555–1,480 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 3.8 GB Q8_0 Pohodlný
925 tok/s

555–1,480 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 3.8 GB Q8_0 Pohodlný
740 tok/s

444–1,184 · nízká důvěra

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 3.8 GB Q8_0 Pohodlný
708 tok/s

425–1,133 · nízká důvěra

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 3.8 GB Q8_0 Pohodlný
708 tok/s

425–1,133 · nízká důvěra

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 3.8 GB Q8_0 Pohodlný
678 tok/s

407–1,084 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 3.8 GB Q8_0 Pohodlný
601 tok/s

361–962 · nízká důvěra

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 3.8 GB Q8_0 Pohodlný
601 tok/s

361–962 · nízká důvěra

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 3.8 GB Q8_0 Pohodlný
601 tok/s

361–962 · nízká důvěra

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 3.8 GB Q8_0 Pohodlný
571 tok/s

342–913 · nízká důvěra

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 3.8 GB Q8_0 Pohodlný
487 tok/s

292–778 · nízká důvěra

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 3.8 GB Q8_0 Pohodlný
487 tok/s

292–778 · nízká důvěra

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 3.8 GB Q8_0 Pohodlný
487 tok/s

292–778 · nízká důvěra

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 3.8 GB Q8_0 Pohodlný
487 tok/s

292–778 · nízká důvěra

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 3.8 GB Q8_0 Pohodlný
487 tok/s

292–778 · nízká důvěra

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 3.8 GB Q8_0 Pohodlný
370 tok/s

222–593 · nízká důvěra

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 3.8 GB Q8_0 Pohodlný
370 tok/s

222–593 · nízká důvěra

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 3.8 GB Q8_0 Pohodlný
309 tok/s

185–494 · nízká důvěra

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 3.8 GB Q8_0 Pohodlný
302 tok/s

181–483 · nízká důvěra

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 3.8 GB Q8_0 Pohodlný
295 tok/s

177–473 · nízká důvěra

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 3.8 GB Q8_0 Pohodlný
295 tok/s

177–473 · nízká důvěra

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 3.8 GB Q8_0 Pohodlný
295 tok/s

177–473 · nízká důvěra

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 3.8 GB Q8_0 Pohodlný
295 tok/s

177–473 · nízká důvěra

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 3.8 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
Allen Institute for AI,University of Washington
Typ organizace
Research collective,Academia
Země
United States of America
Publikováno
17 June 2022
Autoři
Jiasen Lu, Christopher Clark, Rowan Zellers, Roozbeh Mottaghi, Aniruddha Kembhavi

Co to dělá

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

Doména
Multimodal, Vision, Language
Úkol
Object detection, Language modeling/generation, Image generation, Visual question answering, Image classification, Image captioning, Text classification, Text summarization, Question answering

Velikost

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

parametry
2.9B

2952M, Table 2

Výcviková data
74,880,000,000 tokens
Epochy
7.88

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 × 10²¹ FLOP

1M steps, batch size 1024. Sequence length may be 128-256: "We use a maximum of 256 and 128 text tokens for inputs and outputs respectively, and a maximum length of 576 (i.e. 24 × 24 patch encoding from a 384 × 384 image) for image inputs and 256 (i.e. 16 × 16 latent codes from a 256 × 256 image) for image outputs 6 * 1 million * 1024 * 128 * 2.9 billion = 2.3e21 6 * 1 million * 1024 * 256 * 2.9 billion = 4.6e21 average is 3.5e21 No hardware details.

Jak bylo ustanoveno
Operation counting

Tréninkový běh

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

Tréninkový hardware
Google TPU v4

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

Apache 2.0, looks like model and inference code: https://github.com/allenai/unified-io-inference

Jak je to klasifikováno

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

Záznam důvěry
Speculative
Citace
513

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
Unified-IO: A Unified Model for Vision, Language, and Multi-Modal Tasks
Nap poslední aktualizace
25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží Unified-IO (XL)

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 B300 288 GB · 8,000 GB/s · Q8_0 1,158 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 1,158 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 925 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 925 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 740 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 708 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 708 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 678 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 601 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 601 tok/s

Nejmenší GPU, které ještě běží Unified-IO (XL)

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

  1. 01 GeForce RTX 4010 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 20.2 tok/s
  2. 02 RTX A400 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 20.2 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 26.9 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 40.4 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 7.2 tok/s
  6. 06 Radeon RX 6450M 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 21.0 tok/s
  7. 07 Radeon RX 6550M 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 23.6 tok/s
  8. 08 Radeon RX 6550S 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 21.0 tok/s
  9. 09 Arc A310 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 17.0 tok/s
  10. 10 Arc Pro A30M 4 GB · Potřebuje 3.1 GB · Q6_K · Těsný 17.5 tok/s

Co čísla znamenají

Hardwarové požadavky v praxi

Minimum karta

Tesla C1080

Potřeba paměti

3.1 GB

Nejrychlejší

1,158 tok/s

Unified-IO (XL) dosahuje počtu parametrů 2.9B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 818.

Vstupní bod je Tesla C1080, s kapacitou VRAM 4 GB, spuštění na kompresi Q6_K a vyrábějí kolem 18.3 tokenů za sekundu

Špičkový model je B200, generování přibližně 1,158 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

Unified-IO (XL) byl zveřejněn Allen Institute for AI,University of Washington, v zemi zaznamenané jako United States of America, během June 2022. Vychází z organizace, která je kategorizována jako research collective,Academia.

funguje v oblasti Multimodal, Vision, Language, a je zaznamenán jako vykonávající úkol object detection, Language modeling/generation, Image generation, Visual question answering, Image classification, Image captioning, Text classification, Text summarization, 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.

Čtení čísel propustnosti

Polovina karet, které to drží, zvládne více než 36.8 tokenů za sekundu. Producing text faster than most people read it: 783 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.

Co bylo zapotřebí k jeho vybudování

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 3.5 × 10²¹ FLOP, na hardwaru zaznamenáno jako Google TPU v4. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 74,880,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Unified-IO (XL)

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

  1. 01

    Zkontrolujte, co to potřebuje před čímkoli jiným.

    Tabulka uvádí každou kartu, která je schopna pojmout Unified-IO (XL), potřebující kolem 3.1 GB při kompresi Q6_K. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 02

    Rozhodněte, jak dlouho vaše konverzace běží

    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. Unified-IO (XL).

  3. 03

    Nastavte minimální kvalitu

    Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., dosahující komprese Q6_K 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

    Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Unified-IO (XL). Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 1,158 tok/s

  5. 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 Unified-IO (XL). 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

    Otevřete kartu, na které jste se usadili.

    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. Unified-IO (XL).

Odpovědi

Unified-IO (XL) — běžné otázky

01

Unified-IO (XL)— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q8_0, používající přibližně 3.8 GB a generováním zhruba 194 tokenů za sekundu. Fit je pohodlný.

02

Unified-IO (XL)— 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.

03

Unified-IO (XL)— kolik má parametrů?

Má počet parametrů 2.9B. 2952M, Table 2. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

04

Unified-IO (XL)— Kdo to vytvořil?

Bylo to publikováno společností Allen Institute for AI,University of Washington, zakládající se na United States of America, organizace zařazená jako research collective,Academia.

05

Unified-IO (XL)— Kdy byl vydán?

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

06

Unified-IO (XL)— K čemu se to používá?

funguje v oblasti Multimodal, Vision, Language, a je zaznamenáno jako zpracovávající úkol object detection, Language modeling/generation, Image generation, Visual question answering, Image classification, Image captioning, Text classification, Text summarization, Question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

07

Unified-IO (XL)— 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.

08

Unified-IO (XL)— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 3.5 × 10²¹ FLOP, na hardwaru zaznamenáno jako Google TPU v4. 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.

09

Unified-IO (XL)— 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. Každá postava zde předpokládá, že celý model je umístěn na kartě.

10

Unified-IO (XL)— 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: 818. Takže druhá karta je tu zřídka odpovědí.

11

Unified-IO (XL)— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 2. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

12

Unified-IO (XL)— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 695–1,853 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

13

Unified-IO (XL)— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Tesla C1080, s kapacitou VRAM 4 GB. Spouští model při kompresi Q6_K používající přibližně 3.1 GB, a produkuje přibližně 18.3 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

14

Unified-IO (XL)— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 1,158 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 783.

15

Unified-IO (XL)— kolik VRAM potřebuje?

Potřebuje asi 3.1 GB při kompresi Q6_K, 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.

16

Unified-IO (XL)— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q8_0, používající přibližně 3.8 GB a generováním zhruba 216 tokenů za sekundu. Fit je pohodlný.

17

Unified-IO (XL)— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q8_0, používající přibližně 3.8 GB a generováním zhruba 132 tokenů za sekundu. Fit je pohodlný.

18

Unified-IO (XL)— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q8_0, používající přibližně 3.8 GB a generováním zhruba 164 tokenů za sekundu. Fit je pohodlný.

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