ether0 TPS kalkulátor

Otevřít váhy FutureHouse 24B 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 · IQ4_XS · 9.9 tok/s

Nejrychlejší karta

B200

141 tok/s · 180 GB

Které GPU mohou spustit ether0?

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
141 tok/s 85–226 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	26.4 GB	Q8_0	Pohodlný
141 tok/s 85–226 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	26.4 GB	Q8_0	Pohodlný
113 tok/s 68–180 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	26.4 GB	Q8_0	Pohodlný
113 tok/s 68–180 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	26.4 GB	Q8_0	Pohodlný
90.2 tok/s 54–144 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	26.4 GB	Q8_0	Pohodlný
86.3 tok/s 52–138 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	26.4 GB	Q8_0	Pohodlný
86.3 tok/s 52–138 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	26.4 GB	Q8_0	Pohodlný
82.6 tok/s 50–132 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	26.4 GB	Q8_0	Pohodlný
73.3 tok/s 44–117 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	26.4 GB	Q8_0	Pohodlný
73.3 tok/s 44–117 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	26.4 GB	Q8_0	Pohodlný
73.3 tok/s 44–117 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	26.4 GB	Q8_0	Pohodlný
69.5 tok/s 42–111 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	26.4 GB	Q8_0	Pohodlný
59.3 tok/s 36–95 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	26.4 GB	Q8_0	Pohodlný
59.3 tok/s 36–95 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	26.4 GB	Q8_0	Pohodlný
59.3 tok/s 36–95 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	26.4 GB	Q8_0	Pohodlný
59.3 tok/s 36–95 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	26.4 GB	Q8_0	Pohodlný
59.3 tok/s 36–95 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	26.4 GB	Q8_0	Pohodlný
49.0 tok/s 29–78 · nízká důvěra	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.8 GB	IQ4_XS	Těsný
45.2 tok/s 27–72 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	26.4 GB	Q8_0	Pohodlný
45.2 tok/s 27–72 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	26.4 GB	Q8_0	Pohodlný
41.6 tok/s 25–67 · nízká důvěra	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.8 GB	IQ4_XS	Těsný
38.9 tok/s 23–62 · nízká důvěra	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.8 GB	IQ4_XS	Těsný
38.9 tok/s 23–62 · nízká důvěra	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.8 GB	IQ4_XS	Těsný
38.9 tok/s 23–62 · nízká důvěra	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.8 GB	IQ4_XS	Těsný
38.8 tok/s 23–62 · nízká důvěra	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	13.8 GB	IQ4_XS	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: FutureHouse
Země: United States of America
Publikováno: 5 June 2025
Autoři: Siddharth Narayanan, James Braza, Albert Bou, Geemi Wellawatte, Mayk Caldas, Ludovico Mitchener, Sam Rodriques, Andrew White

Co to dělá

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

Doména: Materials science, Language
Úkol: Language modeling/generation, Molecular property prediction
Základní model: Mistral Small 3

Velikost

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

parametry: 24B
Výcviková data: tokens

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.

Jak bylo ustanoveno: Hardware
Ladění výpočtů: 3.9 × 10²² FLOP

Tréninkový běh

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

Tréninkový hardware: NVIDIA H100 SXM5 80GB
Používané čipy: 384
Doba reálného času: 96 hours
Příkon: 526.5 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 (unrestricted)
Tréninkový kód: Unreleased
Hugging Face: futurehouse

Jak je to klasifikováno

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

Záznam důvěry: Likely

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: ether0: a scientific reasoning model for chemistry
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží ether0

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 ether0

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

Co čísla znamenají

Hardwarové požadavky v praxi

Minimum karta

Xeon Phi 7120P

Potřeba paměti

13.8 GB

Nejrychlejší

141 tok/s

ether0 dosahuje počtu parametrů 24B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 241.

Vstupní bod je Xeon Phi 7120P, s kapacitou VRAM 16 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 9.9 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 141 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

ether0 byl zveřejněn FutureHouse, v zemi zaznamenané jako United States of America, během June 2025.

funguje v oblasti Materials science, Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Molecular property prediction.

Místo toho, aby byl trénován od nuly, je odvozen z Mistral Small 3. To je obvyklý způsob, jak je specializovaný model vytvářen.

Váhy jsou zveřejněny, takže si je můžete stáhnout a spustit na své vlastní hardwaru neomezeně, offline, bez připojeného účtu. Na Hugging Face je publikováno pod organizací futurehouse.

Co rozhoduje o rychlosti

Polovina karet, které to drží, zvládne více než 19.4 tokenů za sekundu 193 z nich

Je to hustý model, takže každý parametr je čten pro každý token vyprodukovaný. To dělá rychlost téměř přesně sledovat paměťovou šířku pásma — karta s dvojnásobnou šířkou pásma generuje přibližně dvojnásobně rychle.

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 ether0

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 ether0, potřebující kolem 13.8 GB při kompresi IQ4_XS. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
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. ether0.
03

Nastavte minimální kvalitu

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., dosahující komprese IQ4_XS 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

Třídit podle rychlosti

Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. ether0. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 141 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě ether0. 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

Zkontrolujte kartu z druhé strany

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě ether0.

Odpovědi

ether0 — běžné otázky

ether0— 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: 85–226 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

ether0— 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 IQ4_XS používající přibližně 13.8 GB, a produkuje přibližně 9.9 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 241.

ether0— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 141 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 193.

ether0— kolik VRAM potřebuje?

Potřebuje asi 13.8 GB při kompresi IQ4_XS, 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.

ether0— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi IQ4_XS, používající přibližně 13.8 GB a generováním zhruba 49.0 tokenů za sekundu. Fit je těsný.

ether0— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q6_K, používající přibližně 20.8 GB a generováním zhruba 34.4 tokenů za sekundu. Fit je těsný.

ether0— 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.

ether0— kolik má parametrů?

Má počet parametrů 24B. 24B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

ether0— Kdo to vytvořil?

Bylo to publikováno společností FutureHouse, zakládající se na United States of America.

ether0— Kdy byl vydán?

Bylo to zveřejněno v June 2025.

ether0— K čemu se to používá?

funguje v oblasti Materials science, Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Molecular property prediction. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

ether0— kde si to mohu stáhnout?

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

ether0— 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 4.4 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

ether0— 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: 241. Takže druhá karta je tu zřídka odpovědí.

ether0— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

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