InternVL2_5-38B TPS kalkulátor

Otevřít váhy Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University 38.4B 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

126 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Tesla M40 24 GB

24 GB · Q3_K_M · 7.3 tok/s

Nejrychlejší karta

B200

88.2 tok/s · 180 GB

Které GPU mohou spustit InternVL2_5-38B?

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.

126 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
88.2 tok/s 53–141 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	41.8 GB	Q8_0	Pohodlný
88.2 tok/s 53–141 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	41.8 GB	Q8_0	Pohodlný
70.5 tok/s 42–113 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	41.8 GB	Q8_0	Pohodlný
70.5 tok/s 42–113 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	41.8 GB	Q8_0	Pohodlný
56.4 tok/s 34–90 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	41.8 GB	Q8_0	Pohodlný
53.9 tok/s 32–86 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	41.8 GB	Q8_0	Pohodlný
53.9 tok/s 32–86 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	41.8 GB	Q8_0	Pohodlný
51.6 tok/s 31–83 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	41.8 GB	Q8_0	Pohodlný
45.8 tok/s 27–73 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	41.8 GB	Q8_0	Pohodlný
45.8 tok/s 27–73 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	41.8 GB	Q8_0	Pohodlný
45.8 tok/s 27–73 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	41.8 GB	Q8_0	Pohodlný
43.5 tok/s 26–70 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	41.8 GB	Q8_0	Pohodlný
39.9 tok/s 24–64 · nízká důvěra	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	19.5 GB	Q3_K_M	Těsný
37.1 tok/s 22–59 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Pohodlný
37.1 tok/s 22–59 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	41.8 GB	Q8_0	Pohodlný
37.1 tok/s 22–59 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Pohodlný
37.1 tok/s 22–59 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Pohodlný
37.1 tok/s 22–59 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Pohodlný
36.8 tok/s 22–59 · nízká důvěra	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.4 GB	Q5_K_M	Těsný
36.8 tok/s 22–59 · nízká důvěra	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.4 GB	Q5_K_M	Těsný
36.3 tok/s 22–58 · nízká důvěra	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	19.5 GB	Q3_K_M	Těsný
35.3 tok/s 21–56 · nízká důvěra	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.4 GB	Q5_K_M	Těsný
35.3 tok/s 21–56 · nízká důvěra	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.4 GB	Q5_K_M	Těsný
30.1 tok/s 18–48 · nízká důvěra	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	19.5 GB	Q3_K_M	Těsný
30.1 tok/s 18–48 · nízká důvěra	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	19.5 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: Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University
Typ organizace: Academia,Industry,Academia,Academia,Academia,Academia,Academia
Země: China, Hong Kong
Publikováno: 6 December 2024
Autoři: Zhe Chen, Weiyun Wang, Yue Cao, Yangzhou Liu, Zhangwei Gao, Erfei Cui, Jinguo Zhu, Shenglong Ye, Hao Tian, Zhaoyang Liu, Lixin Gu, Xuehui Wang, Qingyun Li, Yimin Ren, Zixuan Chen, Jiapeng Luo, Jiahao Wang, Tan Jiang, Bo Wang, Conghui He, Botian Shi, Xingcheng Zhang, Han Lv, Yi Wang, Wenqi Shao, Pei Chu, Zhongying Tu, Tong He, Zhiyong Wu, Huipeng Deng, Jiaye Ge, Kai Chen, Kaipeng Zhang, Limin Wang,…

Co to dělá

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

Doména: Multimodal, Language, Vision
Úkol: Visual question answering, Language modeling/generation
Základní model: Qwen2.5 Instruct (32B),InternViT-6B

Velikost

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

parametry: 38.4B
Výcviková data: 151,000,000,000 tokens
Epochy: 1

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: Operation counting
Ladění výpočtů: 1 × 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: Open source
Hugging Face: OpenGVLab

Jak je to klasifikováno

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

Záznam důvěry: Confident
Citace: 1,468

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: Expanding Performance Boundaries of Open-Source Multimodal Models with Model, Data, and Test-Time Scaling
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží InternVL2_5-38B

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 InternVL2_5-38B

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 M40 24 GB

Potřeba paměti

19.5 GB

Nejrychlejší

88.2 tok/s

InternVL2_5-38B dosahuje počtu parametrů 38.4B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 126.

Nejmenší karta, která to pojme, je Tesla M40 24 GB, s kapacitou VRAM 24 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 7.3 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 88.2 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

O tomto modelu

InternVL2_5-38B byl zveřejněn Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University, v zemi zaznamenané jako China, během December 2024. Kategorie, do které vydavatel spadá, je academia,Industry,Academia,Academia,Academia,Academia,Academia.

funguje v oblasti Multimodal, Language, Vision, a je zaznamenán jako vykonávající úkol visual question answering, Language modeling/generation.

Místo toho, aby byl trénován od nuly, je odvozen z Qwen2.5 Instruct (32B),InternViT-6B. To je obvyklý způsob, jak je specializovaný model vytvářen.

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 OpenGVLab.

Jak rychle to běží a proč

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 19.7 tokenů za sekundu 92 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.

Jak bylo trénováno

Bylo to trénováno na korpusu asi 151,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro InternVL2_5-38B

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 InternVL2_5-38B, potřebující kolem 19.5 GB při kompresi Q3_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
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. InternVL2_5-38B.
03

Vyberte, jak moc to budete komprimovat.

Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., 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

Hodnoťte podle propustnosti spíše než podle specifikace

Hodnocení podle tokenů za sekundu následuje šířku paměti spíše než počty jader, pro InternVL2_5-38B. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 88.2 tok/s
05

Podívejte se na rezervu, ne jen na padnutí

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě InternVL2_5-38B. 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. InternVL2_5-38B.

Odpovědi

InternVL2_5-38B — běžné otázky

InternVL2_5-38B— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 88.2 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 92.

InternVL2_5-38B— kolik VRAM potřebuje?

Potřebuje asi 19.5 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.

InternVL2_5-38B— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q3_K_M, používající přibližně 19.5 GB a generováním zhruba 39.9 tokenů za sekundu. Fit je těsný.

InternVL2_5-38B— 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.

InternVL2_5-38B— kolik má parametrů?

Má počet parametrů 38.4B. 38.4B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

InternVL2_5-38B— Kdo to vytvořil?

Bylo to publikováno společností Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University, zakládající se na China, organizace zařazená jako academia,Industry,Academia,Academia,Academia,Academia,Academia.

InternVL2_5-38B— 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.

InternVL2_5-38B— K čemu se to používá?

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

InternVL2_5-38B— kde si to mohu stáhnout?

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

InternVL2_5-38B— 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 5.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

InternVL2_5-38B— 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: 126. Takže druhá karta je tu zřídka odpovědí.

InternVL2_5-38B— 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: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

InternVL2_5-38B— 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: 53–141 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

InternVL2_5-38B— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Tesla M40 24 GB, s kapacitou VRAM 24 GB. Spouští model při kompresi Q3_K_M používající přibližně 19.5 GB, a produkuje přibližně 7.3 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 126.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 25 May 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