SRU++ Large TPS kalkulátor

Otevřít váhy ASAPP 234M parametry February 2021

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 · Q8_0 · 158 tok/s

Nejrychlejší karta

B200

14,480 tok/s · 180 GB

Které GPU mohou spustit SRU++ Large?

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
14,480 tok/s

8,688–23,167 · nízká důvěra

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 0.9 GB Q8_0 Pohodlný
14,480 tok/s

8,688–23,167 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 0.9 GB Q8_0 Pohodlný
11,562 tok/s

6,937–18,500 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 0.9 GB Q8_0 Pohodlný
11,562 tok/s

6,937–18,500 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 0.9 GB Q8_0 Pohodlný
9,247 tok/s

5,548–14,795 · nízká důvěra

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 0.9 GB Q8_0 Pohodlný
8,851 tok/s

5,310–14,161 · nízká důvěra

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 0.9 GB Q8_0 Pohodlný
8,851 tok/s

5,310–14,161 · nízká důvěra

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 0.9 GB Q8_0 Pohodlný
8,471 tok/s

5,082–13,553 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 0.9 GB Q8_0 Pohodlný
7,518 tok/s

4,511–12,028 · nízká důvěra

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 0.9 GB Q8_0 Pohodlný
7,518 tok/s

4,511–12,028 · nízká důvěra

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 0.9 GB Q8_0 Pohodlný
7,518 tok/s

4,511–12,028 · nízká důvěra

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 0.9 GB Q8_0 Pohodlný
7,131 tok/s

4,279–11,410 · nízká důvěra

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
6,081 tok/s

3,649–9,730 · nízká důvěra

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
6,081 tok/s

3,649–9,730 · nízká důvěra

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 0.9 GB Q8_0 Pohodlný
6,081 tok/s

3,649–9,730 · nízká důvěra

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
6,081 tok/s

3,649–9,730 · nízká důvěra

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
6,081 tok/s

3,649–9,730 · nízká důvěra

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 0.9 GB Q8_0 Pohodlný
4,631 tok/s

2,778–7,409 · nízká důvěra

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 0.9 GB Q8_0 Pohodlný
4,631 tok/s

2,778–7,409 · nízká důvěra

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 0.9 GB Q8_0 Pohodlný
3,859 tok/s

2,315–6,174 · nízká důvěra

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 0.9 GB Q8_0 Pohodlný
3,776 tok/s

2,266–6,042 · nízká důvěra

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 0.9 GB Q8_0 Pohodlný
3,692 tok/s

2,215–5,908 · nízká důvěra

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 0.9 GB Q8_0 Pohodlný
3,692 tok/s

2,215–5,908 · nízká důvěra

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 0.9 GB Q8_0 Pohodlný
3,692 tok/s

2,215–5,908 · nízká důvěra

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 0.9 GB Q8_0 Pohodlný
3,692 tok/s

2,215–5,908 · nízká důvěra

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 0.9 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
ASAPP
Typ organizace
Industry
Země
United States of America
Publikováno
24 February 2021
Autoři
Tao Lei

Co to dělá

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

Doména
Language
Úkol
Language modeling
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
234M

Table 5

Výcviková data
103,000,000 tokens

Table 12: 400K training steps batch size: 8*8 = 64 sequence length = 1024 1024*8*8*400000/103000000 = 254.5 epochs

Epochy
254.5
Velikost dávky
65,536

1024*8*8

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
2.1 × 10¹⁹ FLOP

6 FLOP / token / parameter * 234000000 parameters * 1024 tokens per sample * 8*8 samples per batch * 400000 steps = 3.6805018e+19 FLOP 31330000000000 FLOP / sec * 360 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 1.2181104e+19 FLOP sqrt(3.6805018e+19*1.2181104e+19) = 2.1173704e+19

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 V100
Čip-hodiny
360

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
Open source

MIT license repo. says models available as package: https://github.com/asappresearch/sru training: https://github.com/asappresearch/sru/blob/master/language_model/train_lm.py

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

"our model achieves a state-of-the-art result on the ENWIK8 dataset using 1.6 days of training on an 8-GPU machine. "

Záznam důvěry
Confident
Citace
54
Benchmark data
SRU++ Large

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
When Attention Meets Fast Recurrence: Training Language Models with Reduced Compute
Nap poslední aktualizace
1 December 2025

Extrémy

Deset nejrychlejších GPU, které běží SRU++ Large

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 14,480 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 14,480 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 11,562 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 11,562 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 9,247 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 8,851 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 8,851 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 8,471 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 7,518 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 7,518 tok/s

Nejmenší GPU, které ještě běží SRU++ Large

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 0.9 GB · Q8_0 · Pohodlný 174 tok/s
  2. 02 RTX A400 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 174 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 232 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 348 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 61.7 tok/s
  6. 06 Radeon RX 6450M 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 181 tok/s
  7. 07 Radeon RX 6550M 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 203 tok/s
  8. 08 Radeon RX 6550S 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 181 tok/s
  9. 09 Arc A310 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 146 tok/s
  10. 10 Arc Pro A30M 4 GB · Potřebuje 0.9 GB · Q8_0 · Pohodlný 151 tok/s

Co čísla znamenají

Hardwarové požadavky v praxi

Minimum karta

Tesla C1080

Potřeba paměti

0.9 GB

Nejrychlejší

14,480 tok/s

SRU++ Large dosahuje počtu parametrů 234M. 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 Q8_0 a vyrábějí kolem 158 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 14,480 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

O tomto modelu

SRU++ Large byl zveřejněn ASAPP, v zemi zaznamenané jako United States of America, během February 2021. Kategorie, do které vydavatel spadá, je industry.

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

Zveřejněné váhy znamenají, že model běží na vašem stroji, nikoli na stroji někoho jiného, což činí otázku ohledně hardwaru níže odpovídatelnou.

Jak rychle to běží a proč

Polovina karet, které to drží, zvládne více než 406.6 tokens za sekundu. Překračující rychlost čtení rovnou: 818 z nich

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

Jeho vnitřní architektura není v evidenci, takže paměť je přibližně odhadnuta z počtu parametrů a označena odpovídajícím způsobem. Očekávejte, že skutečná čísla se budou lišit, zejména u dlouhého kontextu.

Co bylo zapotřebí k jeho vybudování

Trenovací běh spotřeboval asi 2.1 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA V100. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Trénink spotřeboval korpus kolem 103,000,000 tokeny textu

Jeho kritérium zahrnutí: sOTA improvement.

Krok za krokem

Jak vybrat GPU pro SRU++ Large

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

  1. 01

    Přečtěte si nejprve číslo paměti

    Začněte od toho, co skutečně potřebuje, což je požadavek na SRU++ Large, potřebující kolem 0.9 GB při kompresi Q8_0. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 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. SRU++ Large.

  3. 03

    Vyberte, jak moc to budete komprimovat.

    Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., dosahující komprese Q8_0 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

    Srovnejte TPS, ne specifikace

    Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro SRU++ Large. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 14,480 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 SRU++ Large. 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.

    Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro SRU++ Large.

Odpovědi

SRU++ Large — běžné otázky

01

SRU++ Large— kolik má parametrů?

Má počet parametrů 234M. Table 5. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

02

SRU++ Large— Kdo to vytvořil?

Bylo to publikováno společností ASAPP, zakládající se na United States of America, organizace zařazená jako industry.

03

SRU++ Large— Kdy byl vydán?

Bylo to zveřejněno v February 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

04

SRU++ Large— K čemu se to používá?

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

05

SRU++ Large— 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.

06

SRU++ Large— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 2.1 × 10¹⁹ FLOP, na hardwaru zaznamenáno jako NVIDIA V100. 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.

07

SRU++ Large— 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.

08

SRU++ Large— 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.

09

SRU++ Large— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 1. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

10

SRU++ Large— 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: 8,688–23,167 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

11

SRU++ Large— 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 Q8_0 používající přibližně 0.9 GB, a produkuje přibližně 158 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

12

SRU++ Large— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 14,480 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 818.

13

SRU++ Large— kolik VRAM potřebuje?

Potřebuje asi 0.9 GB při kompresi Q8_0, 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.

14

SRU++ Large— 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 0.9 GB a generováním zhruba 2,697 tokenů za sekundu. Fit je pohodlný.

15

SRU++ Large— 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 0.9 GB a generováním zhruba 1,651 tokenů za sekundu. Fit je pohodlný.

16

SRU++ Large— 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 0.9 GB a generováním zhruba 2,045 tokenů za sekundu. Fit je pohodlný.

17

SRU++ Large— 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 0.9 GB a generováním zhruba 2,425 tokenů za sekundu. Fit je pohodlný.

18

SRU++ Large— 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 1 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