Qwen3-8B TPS kalkulátor

Otevřít váhy Alibaba 8.2B parametry April 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

582 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Quadro 6000

6 GB · Q3_K_M · 17.0 tok/s

Nejrychlejší karta

B200

413 tok/s · 180 GB

Které GPU mohou spustit Qwen3-8B?

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.

582 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
413 tok/s 351–496	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.1 GB	Q8_0	Pohodlný
413 tok/s 351–496	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.1 GB	Q8_0	Pohodlný
330 tok/s 198–528 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.1 GB	Q8_0	Pohodlný
330 tok/s 198–528 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.1 GB	Q8_0	Pohodlný
264 tok/s 158–422 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.1 GB	Q8_0	Pohodlný
253 tok/s 215–303	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.1 GB	Q8_0	Pohodlný
253 tok/s 215–303	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.1 GB	Q8_0	Pohodlný
242 tok/s 145–387 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.1 GB	Q8_0	Pohodlný
215 tok/s 129–343 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.1 GB	Q8_0	Pohodlný
215 tok/s 129–343 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.1 GB	Q8_0	Pohodlný
215 tok/s 129–343 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.1 GB	Q8_0	Pohodlný
204 tok/s 173–244	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.1 GB	Q8_0	Pohodlný
178 tok/s 151–213	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.3 GB	Q4_K_M	Těsný
174 tok/s 148–208	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Pohodlný
174 tok/s 148–208	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.1 GB	Q8_0	Pohodlný
174 tok/s 148–208	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Pohodlný
174 tok/s 148–208	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Pohodlný
174 tok/s 148–208	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Pohodlný
132 tok/s 79–211 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	10.1 GB	Q8_0	Pohodlný
132 tok/s 79–211 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	10.1 GB	Q8_0	Pohodlný
117 tok/s 100–140	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.2 GB	Q6_K	Těsný
110 tok/s 66–176 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.1 GB	Q8_0	Pohodlný
108 tok/s 65–172 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	10.1 GB	Q8_0	Pohodlný
105 tok/s 90–126	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	10.1 GB	Q8_0	Pohodlný
105 tok/s 90–126	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	10.1 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: Alibaba
Typ organizace: Industry
Země: China
Publikováno: 29 April 2025

Co to dělá

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

Doména: Language
Úkol: Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation

Velikost

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

parametry: 8.2B
Výcviková data: tokens
Epochy: 1

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: 1.8 × 10²⁴ FLOP
Jak bylo ustanoveno: Operation counting

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: Qwen

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: Qwen3: Think Deeper, Act Faster
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Qwen3-8B

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 Qwen3-8B

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

Co čísla znamenají

Hardwareová stránka

Minimum karta

Quadro 6000

Potřeba paměti

5.3 GB

Nejrychlejší

413 tok/s

Qwen3-8B dosahuje počtu parametrů 8.2B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 582.

Na nízkém konci se to řeší pomocí Quadro 6000, s kapacitou VRAM 6 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 17.0 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 413 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

O tomto modelu

Qwen3-8B byl zveřejněn Alibaba, v zemi zaznamenané jako China, během April 2025. Vychází z organizace, která je kategorizována jako industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation.

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 Qwen.

Jak rychle to běží a proč

Mediánový výsledek je kolem 26.0 tokenů za sekundu. Producing text faster than most people read it: 554 z nich

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

Protože je architektura zaznamenaná, sloupec paměti je odvozen spíše než odhadován.

Jak bylo trénováno

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.8 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Krok za krokem

Jak vybrat GPU pro Qwen3-8B

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 Qwen3-8B, potřebující kolem 5.3 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
02

Přizpůsobte kontext svému skutečnému použití

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro Qwen3-8B.
03

Nastavte minimální kvalitu

Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., 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

Srovnejte TPS, ne specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Qwen3-8B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 413 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Qwen3-8B. 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

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě Qwen3-8B.

Odpovědi

Qwen3-8B — běžné otázky

Qwen3-8B— 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: 582. Takže druhá karta je tu zřídka odpovědí.

Qwen3-8B— 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.

Qwen3-8B— 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: 351–496 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Qwen3-8B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Quadro 6000, s kapacitou VRAM 6 GB. Spouští model při kompresi Q3_K_M používající přibližně 5.3 GB, a produkuje přibližně 17.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 582.

Qwen3-8B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 413 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 554.

Qwen3-8B— kolik VRAM potřebuje?

Potřebuje asi 5.3 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.

Qwen3-8B— mohu to spustit na GPU držící 8 GB?

Ano. GPU kartu CMP 170HX 8 GB, držení 8 GB, provozuje ho při kompresi Q4_K_M, používající přibližně 6.3 GB a generováním zhruba 178 tokenů za sekundu. Fit je těsný.

Qwen3-8B— 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 10.1 GB a generováním zhruba 47.1 tokenů za sekundu. Fit je těsný.

Qwen3-8B— 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 10.1 GB a generováním zhruba 58.4 tokenů za sekundu. Fit je pohodlný.

Qwen3-8B— 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 10.1 GB a generováním zhruba 69.2 tokenů za sekundu. Fit je pohodlný.

Qwen3-8B— 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.

Qwen3-8B— kolik má parametrů?

Má počet parametrů 8.2B. Number of Parameters: 8.2B Number of Paramaters (Non-Embedding): 6.95B Number of Layers: 36 Number of Attention Heads (GQA): 32 for Q and 8 for KV Context Length: 32,768 natively and 131,072 tokens with YaRN. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Qwen3-8B— Kdo to vytvořil?

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

Qwen3-8B— Kdy byl vydán?

Bylo to zveřejněno v April 2025.

Qwen3-8B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

Qwen3-8B— kde si to mohu stáhnout?

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

Qwen3-8B— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.8 × 10²⁴ FLOP. 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.

Qwen3-8B— Mohu to spustit, pokud se to nevejde do mé GPU?

Pouze přenosem, což je obvykle falešná ekonomika: část držená v paměti systému zpomaluje celé to. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 1.8 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

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