ERNIE-4.5-VL-28B-A3B TPS kalkulátor

Otevřít váhy Baidu 28B parametry June 2025

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

241 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Xeon Phi 7120P

16 GB · Q3_K_M · 51.9 tok/s

Nejrychlejší karta

B200

672 tok/s · 180 GB

Které GPU mohou spustit ERNIE-4.5-VL-28B-A3B?

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.

241 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
672 tok/s 403–1,076 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	29.2 GB	Q8_0	Pohodlný
672 tok/s 403–1,076 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	29.2 GB	Q8_0	Pohodlný
537 tok/s 322–859 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	29.2 GB	Q8_0	Pohodlný
537 tok/s 322–859 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	29.2 GB	Q8_0	Pohodlný
429 tok/s 258–687 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	29.2 GB	Q8_0	Pohodlný
411 tok/s 247–657 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	29.2 GB	Q8_0	Pohodlný
411 tok/s 247–657 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	29.2 GB	Q8_0	Pohodlný
393 tok/s 236–629 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	29.2 GB	Q8_0	Pohodlný
349 tok/s 209–558 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	29.2 GB	Q8_0	Pohodlný
349 tok/s 209–558 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	29.2 GB	Q8_0	Pohodlný
349 tok/s 209–558 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	29.2 GB	Q8_0	Pohodlný
331 tok/s 199–530 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	29.2 GB	Q8_0	Pohodlný
282 tok/s 169–452 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Pohodlný
282 tok/s 169–452 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	29.2 GB	Q8_0	Pohodlný
282 tok/s 169–452 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Pohodlný
282 tok/s 169–452 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Pohodlný
282 tok/s 169–452 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Pohodlný
256 tok/s 154–410 · nízká důvěra	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	12.9 GB	Q3_K_M	Těsný
228 tok/s 137–365 · nízká důvěra	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	22.7 GB	Q6_K	Pohodlný
228 tok/s 137–365 · nízká důvěra	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	22.7 GB	Q6_K	Pohodlný
219 tok/s 131–350 · nízká důvěra	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	22.7 GB	Q6_K	Pohodlný
219 tok/s 131–350 · nízká důvěra	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	22.7 GB	Q6_K	Pohodlný
218 tok/s 131–348 · nízká důvěra	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	12.9 GB	Q3_K_M	Těsný
215 tok/s 129–344 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	29.2 GB	Q8_0	Pohodlný
215 tok/s 129–344 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	29.2 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: Baidu
Typ organizace: Industry
Země: China
Publikováno: 29 June 2025

Co to dělá

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

Doména: Multimodal, Language, Vision, Video
Úkol: Language modeling/generation, Visual question answering, Video description, Speech recognition (ASR), Quantitative reasoning, Code generation, Translation, Question answering, Character recognition (OCR)
Základní model: ERNIE-4.5-21B-A3B
Číselný formát: FP8

Velikost

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

parametry: 28B
Výcviková data: tokens

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
Hugging Face: baidu

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
Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: ERNIE 4.5 Technical Report
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží ERNIE-4.5-VL-28B-A3B

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 ERNIE-4.5-VL-28B-A3B

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

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

Xeon Phi 7120P

Potřeba paměti

12.9 GB

Nejrychlejší

672 tok/s

ERNIE-4.5-VL-28B-A3B dosahuje počtu parametrů 28B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 241.

Nejmenší hardware, který funguje, je Xeon Phi 7120P, s kapacitou VRAM 16 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 51.9 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 672 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

ERNIE-4.5-VL-28B-A3B byl zveřejněn Baidu, v zemi zaznamenané jako China, během June 2025. Vychází z organizace, která je kategorizována jako industry.

funguje v oblasti Multimodal, Language, Vision, Video, a je zaznamenán jako vykonávající úkol language modeling/generation, Visual question answering, Video description, Speech recognition (ASR), Quantitative reasoning, Code generation, Translation, Question answering, Character recognition (OCR).

Jeho výchozím bodem byl existující základní model, ERNIE-4.5-21B-A3B. 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. Na Hugging Face je publikováno pod organizací baidu.

Čtení čísel propustnosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 101.9 tokens za sekundu. Překračující rychlost čtení rovnou: 239 z nich

Toto je model směsi expertů, který prochází každý token pouze částí sebe sama. Generuje tedy mnohem rychleji, než naznačuje jeho celková velikost — přičemž stále potřebuje každý parametr umístěný v MEMORY, takže je rychlý, aniž by byl levný na uchování.

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.

Krok za krokem

Jak vybrat GPU pro ERNIE-4.5-VL-28B-A3B

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

01

Začněte od sloupce paměti

Tabulka uvádí každou kartu, která je schopna pojmout ERNIE-4.5-VL-28B-A3B, potřebující kolem 12.9 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
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. ERNIE-4.5-VL-28B-A3B.
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

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro ERNIE-4.5-VL-28B-A3B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 672 tok/s
05

Přečtěte si poslední sloupec fit

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě ERNIE-4.5-VL-28B-A3B. 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

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. ERNIE-4.5-VL-28B-A3B.

Odpovědi

ERNIE-4.5-VL-28B-A3B — běžné otázky

ERNIE-4.5-VL-28B-A3B— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q5_K_M, používající přibližně 19.4 GB a generováním zhruba 201 tokenů za sekundu. Fit je těsný.

ERNIE-4.5-VL-28B-A3B— 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.

ERNIE-4.5-VL-28B-A3B— kolik má parametrů?

Má počet parametrů 28B. MoE total parameters: 28B active parameters: 3B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

ERNIE-4.5-VL-28B-A3B— Kdo to vytvořil?

Bylo to publikováno společností Baidu, zakládající se na China, organizace zařazená jako industry.

ERNIE-4.5-VL-28B-A3B— Kdy byl vydán?

Bylo to zveřejněno v June 2025.

ERNIE-4.5-VL-28B-A3B— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, Video, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Visual question answering, Video description, Speech recognition (ASR), Quantitative reasoning, Code generation, Translation, Question answering, Character recognition (OCR). Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

ERNIE-4.5-VL-28B-A3B— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací baidu. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

ERNIE-4.5-VL-28B-A3B— 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 5.4 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

ERNIE-4.5-VL-28B-A3B— 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: 241. Takže druhá karta je tu zřídka odpovědí.

ERNIE-4.5-VL-28B-A3B— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

ERNIE-4.5-VL-28B-A3B— Jak přesné jsou tyto odhady rychlosti?

Každé číslo je odvozeno od šířky pásma VRAM a velikosti modelu, není benchmarkováno, což je důvod, proč je každé publikováno jako rozsah spíše než jako jediné číslo. Jeden příklad: 403–1,076 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

ERNIE-4.5-VL-28B-A3B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Xeon Phi 7120P, s kapacitou VRAM 16 GB. Spouští model při kompresi Q3_K_M používající přibližně 12.9 GB, a produkuje přibližně 51.9 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 241.

ERNIE-4.5-VL-28B-A3B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 672 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 239.

ERNIE-4.5-VL-28B-A3B— kolik VRAM potřebuje?

Potřebuje asi 12.9 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.

ERNIE-4.5-VL-28B-A3B— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q3_K_M, používající přibližně 12.9 GB a generováním zhruba 256 tokenů za sekundu. Fit je těsný.

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