Phi-4-Multimodal TPS kalkulátor

Otevřít váhy Microsoft 5.6B 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

818 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla C1080

4 GB · Q3_K_M · 17.8 tok/s

Nejrychlejší karta

B200

605 tok/s · 180 GB

Které GPU mohou spustit Phi-4-Multimodal?

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
605 tok/s 363–968 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	6.7 GB	Q8_0	Pohodlný
605 tok/s 363–968 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	6.7 GB	Q8_0	Pohodlný
483 tok/s 290–773 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	6.7 GB	Q8_0	Pohodlný
483 tok/s 290–773 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	6.7 GB	Q8_0	Pohodlný
386 tok/s 232–618 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	6.7 GB	Q8_0	Pohodlný
370 tok/s 222–592 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.7 GB	Q8_0	Pohodlný
370 tok/s 222–592 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.7 GB	Q8_0	Pohodlný
354 tok/s 212–566 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	6.7 GB	Q8_0	Pohodlný
314 tok/s 188–503 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	6.7 GB	Q8_0	Pohodlný
314 tok/s 188–503 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	6.7 GB	Q8_0	Pohodlný
314 tok/s 188–503 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	6.7 GB	Q8_0	Pohodlný
298 tok/s 179–477 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	6.7 GB	Q8_0	Pohodlný
254 tok/s 152–407 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Pohodlný
254 tok/s 152–407 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	6.7 GB	Q8_0	Pohodlný
254 tok/s 152–407 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Pohodlný
254 tok/s 152–407 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Pohodlný
254 tok/s 152–407 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	6.7 GB	Q8_0	Pohodlný
193 tok/s 116–310 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	6.7 GB	Q8_0	Pohodlný
193 tok/s 116–310 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	6.7 GB	Q8_0	Pohodlný
161 tok/s 97–258 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	6.7 GB	Q8_0	Pohodlný
158 tok/s 95–252 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	6.7 GB	Q8_0	Pohodlný
154 tok/s 93–247 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	6.7 GB	Q8_0	Pohodlný
154 tok/s 93–247 · nízká důvěra	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	6.7 GB	Q8_0	Pohodlný
154 tok/s 93–247 · nízká důvěra	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	6.7 GB	Q8_0	Pohodlný
154 tok/s 93–247 · nízká důvěra	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	6.7 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: Microsoft
Typ organizace: Industry
Země: United States of America
Publikováno: 3 March 2025
Autoři: Abdelrahman Abouelenin, Atabak Ashfaq, Adam Atkinson, Hany Awadalla, Nguyen Bach, Jianmin Bao, Alon Benhaim, Martin Cai, Vishrav Chaudhary, Congcong Chen, Dong Chen, Dongdong Chen, Junkun Chen, Weizhu Chen, Yen-Chun Chen, Yi-ling Chen, Qi Dai, Xiyang Dai, Ruchao Fan, Mei Gao, Min Gao, Amit Garg, Abhishek Goswami, Junheng Hao, Amr Hendy, Yuxuan Hu, Xin Jin, Mahmoud Khademi, Dongwoo Kim, Young Jin K…

Co to dělá

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

Doména: Multimodal, Language, Vision, Speech
Úkol: Language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Translation, Audio question answering, Character recognition (OCR)
Základní model: Phi-4 Mini

Velikost

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

parametry: 5.6B
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: 1.2 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting,Hardware
Ladění výpočtů: 7.2 × 10²¹ FLOP

Tréninkový běh

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

Tréninkový hardware: NVIDIA A100 SXM4 80 GB
Používané čipy: 512
Doba reálného času: 672 hours (28 days)
Příkon: 402.0 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 (unrestricted)
Tréninkový kód: Unreleased
Hugging Face: microsoft

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: Phi-4-Mini Technical Report: Compact yet Powerful Multimodal Language Models via Mixture-of-LoRAs
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Phi-4-Multimodal

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 Phi-4-Multimodal

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

Co čísla znamenají

Co je potřeba k provozování tohoto modelu

Minimum karta

Tesla C1080

Potřeba paměti

3.4 GB

Nejrychlejší

605 tok/s

Phi-4-Multimodal dosahuje počtu parametrů 5.6B. To je dost malé, že hardware je zřídkakdy překážkou, včetně karet starých několik let. Počet karet, které sledujeme, které to mohou spustit: 818.

Nejmenší karta, která to pojme, je Tesla C1080, s kapacitou VRAM 4 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 17.8 tokenů za sekundu

Špičkový model je B200, generování přibližně 605 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Phi-4-Multimodal byl zveřejněn Microsoft, v zemi zaznamenané jako United States of America, během March 2025. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Multimodal, Language, Vision, Speech, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Translation, Audio question answering, Character recognition (OCR).

Staví na Phi-4 Mini. To je důvod, proč sdílí obecný tvar a velikost základního modelu.

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 microsoft.

Co rozhoduje o rychlosti

Polovina karet, které to drží, zvládne více než 25.3 tokenů za sekundu. Producing text faster than most people read it: 759 z nich

Je to hustý model, takže každý parametr je čten pro každý token vyprodukovaný. To dělá rychlost téměř přesně sledovat paměťovou šířku pásma — karta s dvojnásobnou šířkou pásma generuje přibližně dvojnásobně rychle.

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.

Jak bylo trénováno

Trénování si vyžádalo výpočetní rozpočet přibližně 1.2 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 80 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Krok za krokem

Jak vybrat GPU pro Phi-4-Multimodal

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

Začněte od toho, co skutečně potřebuje, což je požadavek na Phi-4-Multimodal, potřebující kolem 3.4 GB při kompresi Q3_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Rozhodněte, jak dlouho vaše konverzace běží

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro Phi-4-Multimodal.
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

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Phi-4-Multimodal. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 605 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Phi-4-Multimodal. 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 Phi-4-Multimodal.

Odpovědi

Phi-4-Multimodal — běžné otázky

Phi-4-Multimodal— Kdo to vytvořil?

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

Phi-4-Multimodal— Kdy byl vydán?

Bylo to zveřejněno v March 2025.

Phi-4-Multimodal— K čemu se to používá?

funguje v oblasti Multimodal, Language, Vision, Speech, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Translation, Audio question answering, Character recognition (OCR). Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.

Phi-4-Multimodal— kde si to mohu stáhnout?

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

Phi-4-Multimodal— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.2 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 80 GB. 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.

Phi-4-Multimodal— 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. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Phi-4-Multimodal— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 818. Takže druhá karta je tu zřídka odpovědí.

Phi-4-Multimodal— 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.

Phi-4-Multimodal— 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: 363–968 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Phi-4-Multimodal— 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 Q3_K_M používající přibližně 3.4 GB, a produkuje přibližně 17.8 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 818.

Phi-4-Multimodal— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 605 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 759.

Phi-4-Multimodal— kolik VRAM potřebuje?

Potřebuje asi 3.4 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.

Phi-4-Multimodal— 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 6.7 GB a generováním zhruba 113 tokenů za sekundu. Fit je těsný.

Phi-4-Multimodal— 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 6.7 GB a generováním zhruba 69.0 tokenů za sekundu. Fit je pohodlný.

Phi-4-Multimodal— 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 6.7 GB a generováním zhruba 85.5 tokenů za sekundu. Fit je pohodlný.

Phi-4-Multimodal— 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 6.7 GB a generováním zhruba 101 tokenů za sekundu. Fit je pohodlný.

Phi-4-Multimodal— 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.

Phi-4-Multimodal— kolik má parametrů?

Má počet parametrů 5.6B. 5.6B 1. base: Phi-4 Mini (3.8b parameters) 2. "The audio encoder and projector introduce 460M parameters while LoRAA consumes another 460M parameters." 3. "The image encoder and projector introduce 440M model parameters while the vision adapter LoRAV consumes another 370M model parameters.". Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

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