Ling-lite-1.5 ("Bailing") TPS kalkulátor

Otevřít váhy Ant Group 16.8B parametry March 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

306 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

P102-101

10 GB · Q3_K_M · 18.5 tok/s

Nejrychlejší karta

B200

202 tok/s · 180 GB

Které GPU mohou spustit Ling-lite-1.5 ("Bailing")?

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.

306 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
202 tok/s 121–323 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	18.7 GB	Q8_0	Pohodlný
202 tok/s 121–323 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	18.7 GB	Q8_0	Pohodlný
161 tok/s 97–258 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	18.7 GB	Q8_0	Pohodlný
161 tok/s 97–258 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	18.7 GB	Q8_0	Pohodlný
129 tok/s 77–206 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	18.7 GB	Q8_0	Pohodlný
123 tok/s 74–197 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	18.7 GB	Q8_0	Pohodlný
123 tok/s 74–197 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	18.7 GB	Q8_0	Pohodlný
118 tok/s 71–189 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	18.7 GB	Q8_0	Pohodlný
106 tok/s 64–170 · nízká důvěra	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.9 GB	Q3_K_M	Těsný
105 tok/s 63–168 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	18.7 GB	Q8_0	Pohodlný
105 tok/s 63–168 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	18.7 GB	Q8_0	Pohodlný
105 tok/s 63–168 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	18.7 GB	Q8_0	Pohodlný
99.3 tok/s 60–159 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	18.7 GB	Q8_0	Pohodlný
84.7 tok/s 51–136 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	18.7 GB	Q8_0	Pohodlný
84.7 tok/s 51–136 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	18.7 GB	Q8_0	Pohodlný
84.7 tok/s 51–136 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	18.7 GB	Q8_0	Pohodlný
84.7 tok/s 51–136 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	18.7 GB	Q8_0	Pohodlný
84.7 tok/s 51–136 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	18.7 GB	Q8_0	Pohodlný
64.5 tok/s 39–103 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	18.7 GB	Q8_0	Pohodlný
64.5 tok/s 39–103 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	18.7 GB	Q8_0	Pohodlný
56.5 tok/s 34–90 · nízká důvěra	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	9.9 GB	IQ4_XS	Těsný
56.5 tok/s 34–90 · nízká důvěra	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	9.9 GB	IQ4_XS	Těsný
53.8 tok/s 32–86 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	18.7 GB	Q8_0	Pohodlný
52.6 tok/s 32–84 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	18.7 GB	Q8_0	Pohodlný
51.7 tok/s 31–83 · nízká důvěra	CMP 90HX NVIDIA	10 GB	760 GB/s	Jul 2021	8.9 GB	Q3_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: Ant Group
Typ organizace: Industry
Země: China
Publikováno: 10 March 2025
Autoři: Ling Team, Binwei Zeng, Chao Huang, Chao Zhang, Changxin Tian, Cong Chen, Dingnan Jin, Feng Yu, Feng Zhu, Feng Yuan, Fakang Wang, Gangshan Wang, Guangyao Zhai, Haitao Zhang, Huizhong Li, Jun Zhou, Jia Liu, Junpeng Fang, Junjie Ou, Jun Hu, Ji Luo, Ji Zhang, Jian Liu, Jian Sha, Jianxue Qian, Jiewei Wu, Junping Zhao, Jianguo Li, Jubao Feng, Jingchao Di, Junming Xu, Jinghua Yao, Kuan Xu, Kewei Du, Lon…

Co to dělá

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

Doména: Language
Úkol: Language modeling/generation, Question answering, Code generation

Velikost

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

parametry: 16.8B
Výcviková data: 9,000,000,000,000 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: 1.5 × 10²³ 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: inclusionAI

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: Every FLOP Counts: Scaling a 300B Mixture-of-Experts LING LLM without Premium GPUs
Nap poslední aktualizace: 11 February 2026

Extrémy

Deset nejrychlejších GPU, které běží Ling-lite-1.5 ("Bailing")

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 Ling-lite-1.5 ("Bailing")

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

P102-101

Potřeba paměti

8.9 GB

Nejrychlejší

202 tok/s

Ling-lite-1.5 ("Bailing") dosahuje počtu parametrů 16.8B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 306.

Vstupní bod je P102-101, s kapacitou VRAM 10 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 18.5 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 202 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Ling-lite-1.5 ("Bailing") byl zveřejněn Ant Group, v zemi zaznamenané jako China, během March 2025. Kategorie, do které vydavatel spadá, je industry.

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

Zveřejněné váhy znamenají, že model běží na vašem stroji, nikoli na stroji někoho jiného, což činí otázku ohledně hardwaru níže odpovídatelnou. Na Hugging Face je publikováno pod organizací inclusionAI.

Co rozhoduje o rychlosti

Mediánový výsledek je kolem 20.8 tokens za sekundu. Překračující rychlost čtení rovnou: 268 z nich

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

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.

Co bylo zapotřebí k jeho vybudování

Produkce toho vyžadovala aritmetiku v celkové výši přibližně 1.5 × 10²³ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 9,000,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Ling-lite-1.5 ("Bailing")

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

01

Zkontrolujte, co to potřebuje před čímkoli jiným.

Tabulka uvádí každou kartu, která je schopna pojmout Ling-lite-1.5 ("Bailing"), potřebující kolem 8.9 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
02

Rozhodněte, jak dlouho vaše konverzace běží

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. Ling-lite-1.5 ("Bailing").
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

Třídit podle rychlosti

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro Ling-lite-1.5 ("Bailing"). Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 202 tok/s
05

Přečtěte si poslední sloupec fit

Tight znamená, že se načítá a funguje bez možnosti později zvýšit context length, v případě Ling-lite-1.5 ("Bailing"). 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 Ling-lite-1.5 ("Bailing").

Odpovědi

Ling-lite-1.5 ("Bailing") — běžné otázky

Ling-lite-1.5 ("Bailing")— 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.

Ling-lite-1.5 ("Bailing")— kolik má parametrů?

Má počet parametrů 16.8B. 16.8 billion parameters with 2.75 billion activated parameters. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Ling-lite-1.5 ("Bailing")— Kdo to vytvořil?

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

Ling-lite-1.5 ("Bailing")— Kdy byl vydán?

Bylo to zveřejněno v March 2025.

Ling-lite-1.5 ("Bailing")— K čemu se to používá?

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

Ling-lite-1.5 ("Bailing")— kde si to mohu stáhnout?

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

Ling-lite-1.5 ("Bailing")— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.5 × 10²³ 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.

Ling-lite-1.5 ("Bailing")— 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 3.7 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Ling-lite-1.5 ("Bailing")— 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: 306. Takže druhá karta je tu zřídka odpovědí.

Ling-lite-1.5 ("Bailing")— 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.

Ling-lite-1.5 ("Bailing")— Jak přesné jsou tyto odhady rychlosti?

Každé číslo je odvozeno od šířky pásma VRAM a velikosti modelu, není benchmarkováno, což je důvod, proč je každé publikováno jako rozsah spíše než jako jediné číslo. Jeden příklad: 121–323 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Ling-lite-1.5 ("Bailing")— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je P102-101, s kapacitou VRAM 10 GB. Spouští model při kompresi Q3_K_M používající přibližně 8.9 GB, a produkuje přibližně 18.5 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 306.

Ling-lite-1.5 ("Bailing")— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 202 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 268.

Ling-lite-1.5 ("Bailing")— kolik VRAM potřebuje?

Potřebuje asi 8.9 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.

Ling-lite-1.5 ("Bailing")— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi IQ4_XS, používající přibližně 9.9 GB a generováním zhruba 56.5 tokenů za sekundu. Fit je těsný.

Ling-lite-1.5 ("Bailing")— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi Q5_K_M, používající přibližně 12.8 GB a generováním zhruba 50.9 tokenů za sekundu. Fit je těsný.

Ling-lite-1.5 ("Bailing")— 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 18.7 GB a generováním zhruba 33.8 tokenů za sekundu. Fit je těsný.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 11 February 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