SANA 1.5 4.8B TPS kalkulátor

Otevřít váhy NVIDIA,Massachusetts Institute of Technology (MIT),Tsinghua University,Playground,Peking University,The University of Hong Kong 4.8B parametry May 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

818 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla C1080

4 GB · IQ4_XS · 18.9 tok/s

Nejrychlejší karta

B200

706 tok/s · 180 GB

Které GPU mohou spustit SANA 1.5 4.8B?

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.

818 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
706 tok/s 424–1,129 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	5.8 GB	Q8_0	Pohodlný
706 tok/s 424–1,129 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	5.8 GB	Q8_0	Pohodlný
564 tok/s 338–902 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	5.8 GB	Q8_0	Pohodlný
564 tok/s 338–902 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	5.8 GB	Q8_0	Pohodlný
451 tok/s 270–721 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	5.8 GB	Q8_0	Pohodlný
431 tok/s 259–690 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	5.8 GB	Q8_0	Pohodlný
431 tok/s 259–690 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	5.8 GB	Q8_0	Pohodlný
413 tok/s 248–661 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	5.8 GB	Q8_0	Pohodlný
366 tok/s 220–586 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	5.8 GB	Q8_0	Pohodlný
366 tok/s 220–586 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	5.8 GB	Q8_0	Pohodlný
366 tok/s 220–586 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	5.8 GB	Q8_0	Pohodlný
348 tok/s 209–556 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	5.8 GB	Q8_0	Pohodlný
296 tok/s 178–474 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	5.8 GB	Q8_0	Pohodlný
296 tok/s 178–474 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	5.8 GB	Q8_0	Pohodlný
296 tok/s 178–474 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	5.8 GB	Q8_0	Pohodlný
296 tok/s 178–474 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	5.8 GB	Q8_0	Pohodlný
296 tok/s 178–474 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	5.8 GB	Q8_0	Pohodlný
226 tok/s 135–361 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	5.8 GB	Q8_0	Pohodlný
226 tok/s 135–361 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	5.8 GB	Q8_0	Pohodlný
188 tok/s 113–301 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	5.8 GB	Q8_0	Pohodlný
184 tok/s 110–295 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	5.8 GB	Q8_0	Pohodlný
180 tok/s 108–288 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	5.8 GB	Q8_0	Pohodlný
180 tok/s 108–288 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	5.8 GB	Q8_0	Pohodlný
180 tok/s 108–288 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	5.8 GB	Q8_0	Pohodlný
180 tok/s 108–288 · nízká důvěra	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	5.8 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: NVIDIA,Massachusetts Institute of Technology (MIT),Tsinghua University,Playground,Peking University,The University of Hong Kong
Typ organizace: Industry,Academia,Academia,Industry,Academia,Academia
Země: United States of America, China, Hong Kong
Publikováno: 17 May 2025
Autoři: Enze Xie, Junsong Chen, Yuyang Zhao, Jincheng Yu, Ligeng Zhu, Chengyue Wu, Yujun Lin, Zhekai Zhang, Muyang Li, Junyu Chen, Han Cai, Bingchen Liu, Daquan Zhou, Song Han

Co to dělá

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

Doména: Image generation
Úkol: Text-to-image, Image generation
Základní model: SANA 1.6B
Číselný formát: BF16

Velikost

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

parametry: 4.8B
Výcviková data: tokens

Tréninkový běh

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

Tréninkový hardware: NVIDIA A100
Používané čipy: 64
Příkon: 50.2 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 (non-commercial)
Tréninkový kód: Open source
Hugging Face: Efficient-Large-Model

Jak je to klasifikováno

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

Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: SANA 1.5: Efficient Scaling of Training-Time and Inference-Time Compute in Linear Diffusion Transformer
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží SANA 1.5 4.8B

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 SANA 1.5 4.8B

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

Tesla C1080

Potřeba paměti

3.3 GB

Nejrychlejší

706 tok/s

SANA 1.5 4.8B dosahuje počtu parametrů 4.8B. 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 IQ4_XS a vyrábějí kolem 18.9 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 706 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

SANA 1.5 4.8B byl zveřejněn NVIDIA,Massachusetts Institute of Technology (MIT),Tsinghua University,Playground,Peking University,The University of Hong Kong, v zemi zaznamenané jako United States of America, během May 2025. Vydavatelská organizace je kategorizována jako industry,Academia,Academia,Industry,Academia,Academia.

funguje v oblasti Image generation, a je zaznamenán jako vykonávající úkol text-to-image, Image generation.

Staví na SANA 1.6B. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

Protože byly jeho váhy uvolněny, nic ohledně jeho spuštění nezávisí na dostupnosti poskytovatele - je to vaše, jakmile je stáhnuto. Na Hugging Face je publikováno pod organizací Efficient-Large-Model.

Čtení čísel propustnosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 28.2 tokenů za sekundu. Producing text faster than most people read it: 771 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.

Krok za krokem

Jak vybrat GPU pro SANA 1.5 4.8B

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

01

Přečtěte si nejprve číslo paměti

Každá KARTA zde byla zkontrolována proti SANA 1.5 4.8B, potřebující kolem 3.3 GB při kompresi IQ4_XS. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Nastavte délku kontextu, se kterou budete pracovat

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro SANA 1.5 4.8B.
03

Rozhodněte, jaké množství komprese přijmete

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

Hodnoťte podle propustnosti spíše než podle specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro SANA 1.5 4.8B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 706 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě SANA 1.5 4.8B. 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

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro SANA 1.5 4.8B.

Odpovědi

SANA 1.5 4.8B — běžné otázky

SANA 1.5 4.8B— 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. Každá postava zde předpokládá, že celý model je umístěn na kartě.

SANA 1.5 4.8B— 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.

SANA 1.5 4.8B— 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: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

SANA 1.5 4.8B— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 424–1,129 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

SANA 1.5 4.8B— 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 IQ4_XS používající přibližně 3.3 GB, a produkuje přibližně 18.9 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

SANA 1.5 4.8B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 706 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 771.

SANA 1.5 4.8B— kolik VRAM potřebuje?

Potřebuje asi 3.3 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.

SANA 1.5 4.8B— 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 5.8 GB a generováním zhruba 131 tokenů za sekundu. Fit je pohodlný.

SANA 1.5 4.8B— 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 5.8 GB a generováním zhruba 80.5 tokenů za sekundu. Fit je pohodlný.

SANA 1.5 4.8B— 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 5.8 GB a generováním zhruba 99.7 tokenů za sekundu. Fit je pohodlný.

SANA 1.5 4.8B— 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 5.8 GB a generováním zhruba 118 tokenů za sekundu. Fit je pohodlný.

SANA 1.5 4.8B— 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.

SANA 1.5 4.8B— kolik má parametrů?

Má počet parametrů 4.8B. 4.8B Our final model (SANA-4.8B) scales to 60 layers while maintaining the same channel dimension (2240 per layer) and FFN dimension (5600) as SANA-1.6B. The architecture, training data, and other hyperparameters remain consistent with SANA-1.6B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

SANA 1.5 4.8B— Kdo to vytvořil?

Bylo to publikováno společností NVIDIA,Massachusetts Institute of Technology (MIT),Tsinghua University,Playground,Peking University,The University of Hong Kong, zakládající se na United States of America, organizace zařazená jako industry,Academia,Academia,Industry,Academia,Academia.

SANA 1.5 4.8B— Kdy byl vydán?

Bylo to zveřejněno v May 2025.

SANA 1.5 4.8B— K čemu se to používá?

funguje v oblasti Image generation, a je zaznamenáno jako zpracovávající úkol text-to-image, Image generation. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

SANA 1.5 4.8B— kde si to mohu stáhnout?

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

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