EXAONE 4.5 TPS kalkulátor

Otevřít váhy LG AI Research 33.2B parametry April 2026

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

132 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

RTX A4500

20 GB · Q3_K_M · 22.0 tok/s

Nejrychlejší karta

B200

102 tok/s · 180 GB

Které GPU mohou spustit EXAONE 4.5?

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.

132 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
102 tok/s 61–163 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	36.2 GB	Q8_0	Pohodlný
102 tok/s 61–163 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	36.2 GB	Q8_0	Pohodlný
81.5 tok/s 49–130 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	36.2 GB	Q8_0	Pohodlný
81.5 tok/s 49–130 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	36.2 GB	Q8_0	Pohodlný
65.2 tok/s 39–104 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	36.2 GB	Q8_0	Pohodlný
62.4 tok/s 37–100 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.2 GB	Q8_0	Pohodlný
62.4 tok/s 37–100 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.2 GB	Q8_0	Pohodlný
59.7 tok/s 36–96 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	36.2 GB	Q8_0	Pohodlný
53.0 tok/s 32–85 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	36.2 GB	Q8_0	Pohodlný
53.0 tok/s 32–85 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	36.2 GB	Q8_0	Pohodlný
53.0 tok/s 32–85 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	36.2 GB	Q8_0	Pohodlný
50.3 tok/s 30–80 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	36.2 GB	Q8_0	Pohodlný
42.9 tok/s 26–69 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.2 GB	Q8_0	Pohodlný
42.9 tok/s 26–69 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	36.2 GB	Q8_0	Pohodlný
42.9 tok/s 26–69 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	36.2 GB	Q8_0	Pohodlný
42.9 tok/s 26–69 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.2 GB	Q8_0	Pohodlný
42.9 tok/s 26–69 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	36.2 GB	Q8_0	Pohodlný
39.5 tok/s 24–63 · nízká důvěra	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.8 GB	Q4_K_M	Těsný
35.9 tok/s 22–57 · nízká důvěra	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.8 GB	Q4_K_M	Těsný
34.7 tok/s 21–55 · nízká důvěra	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.5 GB	Q6_K	Těsný
34.7 tok/s 21–55 · nízká důvěra	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.5 GB	Q6_K	Těsný
33.2 tok/s 20–53 · nízká důvěra	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.5 GB	Q6_K	Těsný
33.2 tok/s 20–53 · nízká důvěra	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.5 GB	Q6_K	Těsný
32.6 tok/s 20–52 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	36.2 GB	Q8_0	Pohodlný
32.6 tok/s 20–52 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	36.2 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: LG AI Research
Typ organizace: Industry
Země: Korea (Republic of)
Publikováno: 9 April 2026
Autoři: Eunbi Choi, Kibong Choi, Sehyun Chun, Seokhee Hong, Junwon Hwang, Hyojin Jeon, Ahra Jo, Hyunjik Jo, Yeonsik Jo, Joonkee Kim, Seonghwan Kim, Soyeon Kim, Sunkyoung Kim, Yireun Kim, Yongil Kim, Changhun Lee, Haeju Lee, Jinsik Lee, Kyungmin Lee, Sangha Park, Kwangrok Ryoo, Minju Seo, Sejong Yang, Heuiyeen Yeen, Hwan Chang, Stanley Jungkyu Choi, Yejin Choi, Kyubeen Han, Joonwon Jang, Kijeong Jeon, Geun…

Co to dělá

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

Doména: Language, Multimodal
Úkol: 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: 33.2B
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.

Výpočty pro trénink: 3.9 × 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)

Jak je to klasifikováno

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

Proč je to sledováno: Training cost
Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: EXAONE 4.5 Technical Report
Nap poslední aktualizace: 24 June 2026

Extrémy

Deset nejrychlejších GPU, které běží EXAONE 4.5

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 EXAONE 4.5

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

Co čísla znamenají

Hardwareová stránka

Minimum karta

RTX A4500

Potřeba paměti

16.9 GB

Nejrychlejší

102 tok/s

EXAONE 4.5 dosahuje počtu parametrů 33.2B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 132.

Na nízkém konci se to řeší pomocí RTX A4500, s kapacitou VRAM 20 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 22.0 tokenů za sekundu

Na druhém konci sedí B200, generování přibližně 102 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

EXAONE 4.5 byl zveřejněn LG AI Research, v zemi zaznamenané jako Korea (Republic of), během April 2026. Kategorie, do které vydavatel spadá, je industry.

funguje v oblasti Language, Multimodal, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering.

Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet.

Čtení čísel propustnosti

Polovina karet, které to drží, zvládne více než 20.2 tokens za sekundu. Překračující rychlost čtení rovnou: 101 z nich

Být hustý, čte vše sám po tokenu, což je důvod, proč pořadí podle rychlosti níže úzce následuje pořadí podle šířky pásma VRAM.

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.

Trénink a původ

Trénování si vyžádalo výpočetní rozpočet přibližně 3.9 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Je sledováno v základním datasetu z jednoho konkrétního důvodu: training cost.

Krok za krokem

Jak vybrat GPU pro EXAONE 4.5

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 EXAONE 4.5, potřebující kolem 16.9 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. EXAONE 4.5.
03

Nastavte minimální kvalitu

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

Třídit podle rychlosti

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro EXAONE 4.5. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 102 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě EXAONE 4.5. 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.

Každá stránka karty opakuje tento postup pro každý model, který máme, a odpovídá na to, k čemu je hardware dobrý kromě EXAONE 4.5.

Odpovědi

EXAONE 4.5 — běžné otázky

EXAONE 4.5— Kdy byl vydán?

Bylo to zveřejněno v April 2026.

EXAONE 4.5— K čemu se to používá?

funguje v oblasti Language, Multimodal, a je zaznamenáno jako zpracovávající úkol 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.

EXAONE 4.5— kde si to mohu stáhnout?

Váhy jsou zveřejněny, i když nemáme odkaz na repozitář. Tato stránka vypočítává hardwarové požadavky spíše než aby hostila modelové soubory.

EXAONE 4.5— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 3.9 × 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.

EXAONE 4.5— 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 6.4 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

EXAONE 4.5— 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: 132. Takže druhá karta je tu zřídka odpovědí.

EXAONE 4.5— proč se kvantizace liší mezi kartami?

Protože se kapacita liší, liší se i to, jak moc musí být stlačena. Počet odlišných úrovní v tabulce výše: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

EXAONE 4.5— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 61–163 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

EXAONE 4.5— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je RTX A4500, s kapacitou VRAM 20 GB. Spouští model při kompresi Q3_K_M používající přibližně 16.9 GB, a produkuje přibližně 22.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 132.

EXAONE 4.5— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 102 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 101.

EXAONE 4.5— kolik VRAM potřebuje?

Potřebuje asi 16.9 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.

EXAONE 4.5— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q4_K_M, používající přibližně 20.8 GB a generováním zhruba 39.5 tokenů za sekundu. Fit je těsný.

EXAONE 4.5— 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.

EXAONE 4.5— kolik má parametrů?

Má počet parametrů 33.2B. "Architecturally, EXAONE 4.5 integrates a 1.2B parameter vision encoder into the robust EXAONE 4.0 32B base model,". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

EXAONE 4.5— Kdo to vytvořil?

Bylo to publikováno společností LG AI Research, zakládající se na Korea (Republic of), organizace zařazená jako industry.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 24 June 2026

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