GigaChat Lite (GigaChat-20B-A3B) TPS kalkulátor

Otevřít váhy Sber 20B parametry December 2024

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

295 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

GeForce GTX 1080 Ti

11 GB · Q3_K_M · 131 tok/s

Nejrychlejší karta

B200

941 tok/s · 180 GB

Které GPU mohou spustit GigaChat Lite (GigaChat-20B-A3B)?

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.

295 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
941 tok/s 565–1,506 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	21.3 GB	Q8_0	Pohodlný
941 tok/s 565–1,506 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	21.3 GB	Q8_0	Pohodlný
752 tok/s 451–1,202 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	21.3 GB	Q8_0	Pohodlný
752 tok/s 451–1,202 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	21.3 GB	Q8_0	Pohodlný
601 tok/s 361–962 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	21.3 GB	Q8_0	Pohodlný
575 tok/s 345–920 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.3 GB	Q8_0	Pohodlný
575 tok/s 345–920 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.3 GB	Q8_0	Pohodlný
551 tok/s 330–881 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	21.3 GB	Q8_0	Pohodlný
489 tok/s 293–782 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Pohodlný
489 tok/s 293–782 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Pohodlný
489 tok/s 293–782 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Pohodlný
464 tok/s 278–742 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	21.3 GB	Q8_0	Pohodlný
395 tok/s 237–632 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Pohodlný
395 tok/s 237–632 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	21.3 GB	Q8_0	Pohodlný
395 tok/s 237–632 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Pohodlný
395 tok/s 237–632 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Pohodlný
395 tok/s 237–632 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Pohodlný
301 tok/s 181–482 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	21.3 GB	Q8_0	Pohodlný
301 tok/s 181–482 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	21.3 GB	Q8_0	Pohodlný
290 tok/s 174–463 · nízká důvěra	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	9.7 GB	Q3_K_M	Těsný
290 tok/s 174–463 · nízká důvěra	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	9.7 GB	Q3_K_M	Těsný
251 tok/s 150–401 · nízká důvěra	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	21.3 GB	Q8_0	Pohodlný
245 tok/s 147–393 · nízká důvěra	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	21.3 GB	Q8_0	Pohodlný
244 tok/s 146–390 · nízká důvěra	RTX A5000-12Q NVIDIA	12 GB	768 GB/s	Apr 2021	9.7 GB	Q3_K_M	Těsný
240 tok/s 144–384 · nízká důvěra	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	21.3 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: Sber
Typ organizace: Industry,Government
Země: Russia
Publikováno: 13 December 2024

Co to dělá

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

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

Velikost

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

parametry: 20B
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: 9.9 × 10²² 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 (unrestricted)
Tréninkový kód: Unreleased
Hugging Face: ai-sage

Jak je to klasifikováno

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

Záznam důvěry: Speculative

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: the first open MoE model in Russia
Nap poslední aktualizace: 11 February 2026

Extrémy

Deset nejrychlejších GPU, které běží GigaChat Lite (GigaChat-20B-A3B)

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 GigaChat Lite (GigaChat-20B-A3B)

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

GeForce GTX 1080 Ti

Potřeba paměti

9.7 GB

Nejrychlejší

941 tok/s

GigaChat Lite (GigaChat-20B-A3B) dosahuje počtu parametrů 20B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 295.

Nejmenší karta, která to pojme, je GeForce GTX 1080 Ti, s kapacitou VRAM 11 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 131 tokenů za sekundu

Nejrychlejší, jak to pro to počítáme, je B200, generování přibližně 941 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

GigaChat Lite (GigaChat-20B-A3B) byl zveřejněn Sber, v zemi zaznamenané jako Russia, během December 2024. Vydavatelská organizace je kategorizována jako industry,Government.

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

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 ai-sage.

Co rozhoduje o rychlosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 101.7 tokens za sekundu. Překračující rychlost čtení rovnou: 293 z nich

Toto je model směsi expertů, který prochází každý token pouze částí sebe sama. Generuje tedy mnohem rychleji, než naznačuje jeho celková velikost — přičemž stále potřebuje každý parametr umístěný v MEMORY, takže je rychlý, aniž by byl levný na uchování.

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 9.9 × 10²² FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Krok za krokem

Jak vybrat GPU pro GigaChat Lite (GigaChat-20B-A3B)

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 GigaChat Lite (GigaChat-20B-A3B), potřebující kolem 9.7 GB při kompresi Q3_K_M. Žádné množství výpočetního výkonu nenahradí kartu, která to nemůže udržet.
02

Nastavte délku kontextu, se kterou budete pracovat

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. GigaChat Lite (GigaChat-20B-A3B).
03

Rozhodněte, jaké množství komprese přijmete

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

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro GigaChat Lite (GigaChat-20B-A3B). Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 941 tok/s
05

Přečtěte si poslední sloupec fit

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě GigaChat Lite (GigaChat-20B-A3B). 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

Každý název karty odkazuje na její vlastní stránku, která provádí stejný výpočet v celém katalogu modelů. Karta se obvykle kupuje pro více než jeden model, takže se vyplatí se podívat před tím, než koupíte. GigaChat Lite (GigaChat-20B-A3B).

Odpovědi

GigaChat Lite (GigaChat-20B-A3B) — běžné otázky

GigaChat Lite (GigaChat-20B-A3B)— kolik VRAM potřebuje?

Potřebuje asi 9.7 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.

GigaChat Lite (GigaChat-20B-A3B)— mohu to spustit na GPU držící 12 GB?

Ano. GPU kartu GeForce RTX 3080 Ti, držení 12 GB, provozuje ho při kompresi Q3_K_M, používající přibližně 9.7 GB a generováním zhruba 290 tokenů za sekundu. Fit je těsný.

GigaChat Lite (GigaChat-20B-A3B)— 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 14.3 GB a generováním zhruba 237 tokenů za sekundu. Fit je těsný.

GigaChat Lite (GigaChat-20B-A3B)— 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 21.3 GB a generováním zhruba 158 tokenů za sekundu. Fit je těsný.

GigaChat Lite (GigaChat-20B-A3B)— 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.

GigaChat Lite (GigaChat-20B-A3B)— kolik má parametrů?

Má počet parametrů 20B. 20B total parameters 3.3B active parameters. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

GigaChat Lite (GigaChat-20B-A3B)— Kdo to vytvořil?

Bylo to publikováno společností Sber, zakládající se na Russia, organizace zařazená jako industry,Government.

GigaChat Lite (GigaChat-20B-A3B)— Kdy byl vydán?

Bylo to zveřejněno v December 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.

GigaChat Lite (GigaChat-20B-A3B)— K čemu se to používá?

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

GigaChat Lite (GigaChat-20B-A3B)— kde si to mohu stáhnout?

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

GigaChat Lite (GigaChat-20B-A3B)— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 9.9 × 10²² 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.

GigaChat Lite (GigaChat-20B-A3B)— 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 3.0 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

GigaChat Lite (GigaChat-20B-A3B)— Běhalo by to rychleji na dvou GPU?

Druhá karta přibližně zdvojnásobí dostupnou paměť, ale ne rychlost generování. Počet, který je již schopen ji spustit sám: 295. Takže druhá karta je tu zřídka odpovědí.

GigaChat Lite (GigaChat-20B-A3B)— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 4. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

GigaChat Lite (GigaChat-20B-A3B)— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 565–1,506 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

GigaChat Lite (GigaChat-20B-A3B)— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je GeForce GTX 1080 Ti, s kapacitou VRAM 11 GB. Spouští model při kompresi Q3_K_M používající přibližně 9.7 GB, a produkuje přibližně 131 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 295.

GigaChat Lite (GigaChat-20B-A3B)— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 941 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 293.

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