Tulu 3 405B TPS kalkulátor

Otevřít váhy Allen Institute for AI,University of Washington 405B parametry January 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

4 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Radeon Instinct MI325X

256 GB · IQ4_XS · 12.0 tok/s

Nejrychlejší karta

B300

19.3 tok/s · 288 GB

Které GPU mohou spustit Tulu 3 405B?

Nastavte vstupy, přečtěte si odpověď

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

4 karty odpovídají

Vypočítávání
Potřebuje Kvantisace Pohodlné
19.3 tok/s

12–31 · nízká důvěra

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 245.7 GB Q4_K_M Těsný
15.4 tok/s

9–25 · nízká důvěra

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 245.7 GB Q4_K_M Těsný
15.4 tok/s

9–25 · nízká důvěra

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 245.7 GB Q4_K_M Těsný
12.0 tok/s

7–19 · nízká důvěra

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 222.1 GB IQ4_XS 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
Allen Institute for AI,University of Washington
Typ organizace
Research collective,Academia
Země
United States of America
Publikováno
30 January 2025
Autoři
Nathan Lambert, Jacob Morrison, Valentina Pyatkin, Shengyi Huang, Hamish Ivison, Faeze Brahman, Lester James V. Miranda, Alisa Liu, Nouha Dziri, Shane Lyu, Yuling Gu, Saumya Malik, Victoria Graf, Jena D. Hwang, Jiangjiang Yang, Ronan Le Bras, Oyvind Tafjord, Chris Wilhelm, Luca Soldaini, Noah A. Smith, Yizhong Wang, Pradeep Dasigi, Hannaneh Hajishirzi

Co to dělá

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

Doména
Language
Úkol
Language modeling/generation, Question answering, Quantitative reasoning
Základní model
Llama 3.1-405B

Velikost

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

parametry
405B

405B

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.

Jak bylo ustanoveno
Hardware
Ladění výpočtů
3.8 × 10²² FLOP

SFT and DPO infrastructure usage is unknown RLVR: "the final 405B RL run takes 46 hours on 256 GPUs" 989400000000000 FLOP / GPU / sec [H100 reported, bf16 assumed] * 256 GPUs * 46 hours * 3600 sec / hour * 0.3 [assumed utilization] = 1.2583268e+22 FLOP Assuming that SFT and DPO training compute was same OOM as RLVR stage (similar to 70B model), 1.2583268e+22 FLOP * 3 = 3.7749804e+22 FLOP

Tréninkový běh

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

Tréninkový hardware
NVIDIA H100 SXM5 80GB

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
Open source

Llama 3.1 license https://huggingface.co/allenai/Llama-3.1-Tulu-3-405B Apache 2.0 https://github.com/allenai/open-instruct

Hugging Face
allenai

Jak je to klasifikováno

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

Záznam důvěry
Likely

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
Tulu 3: Pushing Frontiers in Open Language Model Post-Training
Nap poslední aktualizace
28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Tulu 3 405B

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..

  1. 01 B300 288 GB · 8,000 GB/s · Q4_K_M 19.3 tok/s
  2. 02 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q4_K_M 15.4 tok/s
  3. 03 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q4_K_M 15.4 tok/s
  4. 04 Radeon Instinct MI325X 256 GB · 6,000 GB/s · IQ4_XS 12.0 tok/s

Nejmenší GPU, které ještě běží Tulu 3 405B

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

  1. 01 Radeon Instinct MI325X 256 GB · Potřebuje 222.1 GB · IQ4_XS · Těsný 12.0 tok/s
  2. 02 B300 288 GB · Potřebuje 245.7 GB · Q4_K_M · Těsný 19.3 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · Potřebuje 245.7 GB · Q4_K_M · Těsný 15.4 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · Potřebuje 245.7 GB · Q4_K_M · Těsný 15.4 tok/s

Co čísla znamenají

Hardwareová stránka

Minimum karta

Radeon Instinct MI325X

Potřeba paměti

222.1 GB

Nejrychlejší

19.3 tok/s

Tulu 3 405B dosahuje počtu parametrů 405B. 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: 4.

Na nízkém konci se to řeší pomocí Radeon Instinct MI325X, s kapacitou VRAM 256 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 12.0 tokenů za sekundu

Na druhém konci sedí B300, generování přibližně 19.3 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Tulu 3 405B byl zveřejněn Allen Institute for AI,University of Washington, v zemi zaznamenané jako United States of America, během January 2025. Vychází z organizace, která je kategorizována jako research collective,Academia.

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

Místo toho, aby byl trénován od nuly, je odvozen z Llama 3.1-405B. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.

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 allenai.

Co rozhoduje o rychlosti

Polovina karet, které to drží, zvládne více než 15.4 tokens za sekundu. Překračující rychlost čtení rovnou: 4 z nich

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

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.

Krok za krokem

Jak vybrat GPU pro Tulu 3 405B

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

  1. 01

    Začněte od sloupce paměti

    Začněte od toho, co skutečně potřebuje, což je požadavek na Tulu 3 405B, potřebující kolem 222.1 GB při kompresi IQ4_XS. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.

  2. 02

    Nastavte délku kontextu, se kterou budete pracovat

    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. Tulu 3 405B.

  3. 03

    Vyberte, jak moc to budete komprimovat.

    Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., dosahující komprese IQ4_XS 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.

  4. 04

    Hodnoťte podle propustnosti spíše než podle specifikace

    Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Tulu 3 405B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B300, na 19.3 tok/s

  5. 05

    Podívejte se na rezervu, ne jen na padnutí

    Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Tulu 3 405B. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.

  6. 06

    Podívejte se, co dalšího ta karta spouští

    Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro Tulu 3 405B.

Odpovědi

Tulu 3 405B — běžné otázky

01

Tulu 3 405B— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Quantitative reasoning. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

02

Tulu 3 405B— kde si to mohu stáhnout?

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

03

Tulu 3 405B— 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 72.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

04

Tulu 3 405B— 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: 4. Takže druhá karta je tu zřídka odpovědí.

05

Tulu 3 405B— 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: 2. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

06

Tulu 3 405B— 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: 12–31 tok/s na B300. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

07

Tulu 3 405B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Radeon Instinct MI325X, s kapacitou VRAM 256 GB. Spouští model při kompresi IQ4_XS používající přibližně 222.1 GB, a produkuje přibližně 12.0 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 4.

08

Tulu 3 405B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B300, přibližně 19.3 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 4.

09

Tulu 3 405B— kolik VRAM potřebuje?

Potřebuje asi 222.1 GB při kompresi IQ4_XS, 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.

10

Tulu 3 405B— 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.

11

Tulu 3 405B— kolik má parametrů?

Má počet parametrů 405B. 405B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

12

Tulu 3 405B— Kdo to vytvořil?

Bylo to publikováno společností Allen Institute for AI,University of Washington, zakládající se na United States of America, organizace zařazená jako research collective,Academia.

13

Tulu 3 405B— Kdy byl vydán?

Bylo to zveřejněno v January 2025.

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