Llama 4 Maverick TPS kalkulátor

Otevřít váhy Meta AI 400B 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

6 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Radeon Instinct MI300X

192 GB · Q3_K_M · 65.9 tok/s

Nejrychlejší karta

B300

109 tok/s · 288 GB

Které GPU mohou spustit Llama 4 Maverick?

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.

6 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
109 tok/s 65–174 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	214.8 GB	Q4_K_M	Pohodlný
86.8 tok/s 52–139 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q4_K_M	Pohodlný
86.8 tok/s 52–139 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q4_K_M	Pohodlný
65.9 tok/s 40–105 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	168.2 GB	Q3_K_M	Těsný
65.9 tok/s 40–105 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	168.2 GB	Q3_K_M	Těsný
63.6 tok/s 38–102 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	214.8 GB	Q4_K_M	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: Meta AI
Typ organizace: Industry
Země: United States of America
Publikováno: 5 April 2025

Co to dělá

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

Doména: Multimodal, Language, Vision
Úkol: Chat, Code generation, Visual question answering, Language modeling/generation, Question answering

Velikost

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

parametry: 400B
Výcviková data: 30,000,000,000,000 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.

Výpočty pro trénink: 2.2 × 10²⁴ FLOP

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 (restricted use)
Tréninkový kód: Unreleased
Hugging Face: meta-llama

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
Proč je to sledováno: Discretionary
Záznam důvěry: Likely

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Llama 4 Maverick

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 Llama 4 Maverick

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

Radeon Instinct MI300X

Potřeba paměti

168.2 GB

Nejrychlejší

109 tok/s

Llama 4 Maverick dosahuje počtu parametrů 400B. To je nad rámec toho, co jakákoliv jednotlivá GPU karta pojme. Spuštění znamená buď rozdělení na několik karet, nebo pronájem hardwaru určeného k této práci, a každá karta schopná to unést samostatně je součástí datacentra. Počet, který může: 6.

Vstupní bod je Radeon Instinct MI300X, s kapacitou VRAM 192 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 65.9 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B300, generování přibližně 109 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Llama 4 Maverick byl zveřejněn Meta AI, v zemi zaznamenané jako United States of America, během April 2025. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Multimodal, Language, Vision, a je zaznamenán jako vykonávající úkol chat, Code generation, Visual question answering, Language modeling/generation, Question answering.

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 meta-llama.

Co rozhoduje o rychlosti

Mediánový výsledek je kolem 76.3 tokenů za sekundu. Producing text faster than most people read it: 6 z nich

Směs expertů směrování je důvod, proč se zde rychlosti zdají vysoké pro počet parametrů. Jen malé procento je přečteno na token, ale celé to musí být načteno.

Paměť zde je odhadována podle velikosti, spíše než aby byla vypočtena z architektury, která není pro tento model zaznamenána — čísla jsou spíše indikativní než přesná.

Trénink a původ

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2.2 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 30,000,000,000,000 tokeny textu

Jeho kritérium zahrnutí: discretionary.

Krok za krokem

Jak vybrat GPU pro Llama 4 Maverick

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

Tabulka uvádí každou kartu, která je schopna pojmout Llama 4 Maverick, potřebující kolem 168.2 GB při kompresi Q3_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Přizpůsobte kontext svému skutečnému použití

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. Llama 4 Maverick.
03

Rozhodněte, jaké množství komprese přijmete

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., 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 Llama 4 Maverick. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B300, na 109 tok/s
05

Přečtěte si poslední sloupec fit

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Llama 4 Maverick. 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 Llama 4 Maverick.

Odpovědi

Llama 4 Maverick — běžné otázky

Llama 4 Maverick— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 2.2 × 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.

Llama 4 Maverick— 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 52.8 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Llama 4 Maverick— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 6. Takže druhá karta je tu zřídka odpovědí.

Llama 4 Maverick— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 2. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Llama 4 Maverick— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 65–174 tok/s na B300. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Llama 4 Maverick— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Radeon Instinct MI300X, s kapacitou VRAM 192 GB. Spouští model při kompresi Q3_K_M používající přibližně 168.2 GB, a produkuje přibližně 65.9 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 6.

Llama 4 Maverick— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B300, přibližně 109 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 6.

Llama 4 Maverick— kolik VRAM potřebuje?

Potřebuje asi 168.2 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.

Llama 4 Maverick— 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.

Llama 4 Maverick— kolik má parametrů?

Má počet parametrů 400B. "Llama 4 Maverick models have 17B active parameters and 400B total parameters." https://ai.meta.com/blog/llama-4-multimodal-intelligence/. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Llama 4 Maverick— Kdo to vytvořil?

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

Llama 4 Maverick— Kdy byl vydán?

Bylo to zveřejněno v April 2025.

Llama 4 Maverick— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, a je zaznamenáno jako zpracovávající úkol chat, Code generation, Visual question answering, Language modeling/generation, Question answering. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.

Llama 4 Maverick— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací meta-llama. 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