Aria TPS kalkulátor

Otevřít váhy Rhymes AI 24.9B parametry October 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

241 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Xeon Phi 7120P

16 GB · IQ4_XS · 9.6 tok/s

Nejrychlejší karta

B200

136 tok/s · 180 GB

Které GPU mohou spustit Aria?

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.

241 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
136 tok/s 82–218 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	27.4 GB	Q8_0	Pohodlný
136 tok/s 82–218 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	27.4 GB	Q8_0	Pohodlný
109 tok/s 65–174 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	27.4 GB	Q8_0	Pohodlný
109 tok/s 65–174 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	27.4 GB	Q8_0	Pohodlný
86.9 tok/s 52–139 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	27.4 GB	Q8_0	Pohodlný
83.2 tok/s 50–133 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	27.4 GB	Q8_0	Pohodlný
83.2 tok/s 50–133 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	27.4 GB	Q8_0	Pohodlný
79.6 tok/s 48–127 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	27.4 GB	Q8_0	Pohodlný
70.7 tok/s 42–113 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	27.4 GB	Q8_0	Pohodlný
70.7 tok/s 42–113 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	27.4 GB	Q8_0	Pohodlný
70.7 tok/s 42–113 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	27.4 GB	Q8_0	Pohodlný
67.0 tok/s 40–107 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	27.4 GB	Q8_0	Pohodlný
57.2 tok/s 34–91 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Pohodlný
57.2 tok/s 34–91 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	27.4 GB	Q8_0	Pohodlný
57.2 tok/s 34–91 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Pohodlný
57.2 tok/s 34–91 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Pohodlný
57.2 tok/s 34–91 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Pohodlný
47.2 tok/s 28–76 · nízká důvěra	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	14.3 GB	IQ4_XS	Těsný
43.5 tok/s 26–70 · nízká důvěra	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	27.4 GB	Q8_0	Pohodlný
43.5 tok/s 26–70 · nízká důvěra	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	27.4 GB	Q8_0	Pohodlný
40.1 tok/s 24–64 · nízká důvěra	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	14.3 GB	IQ4_XS	Těsný
37.5 tok/s 22–60 · nízká důvěra	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	14.3 GB	IQ4_XS	Těsný
37.5 tok/s 22–60 · nízká důvěra	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	14.3 GB	IQ4_XS	Těsný
37.5 tok/s 22–60 · nízká důvěra	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	14.3 GB	IQ4_XS	Těsný
37.4 tok/s 22–60 · nízká důvěra	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	14.3 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: Rhymes AI
Typ organizace: Industry
Země: United States of America
Publikováno: 8 October 2024
Autoři: Dongxu Li, Yudong Liu, Haoning Wu, Yue Wang, Zhiqi Shen, Bowen Qu, Xinyao Niu, Fan Zhou, Chengen Huang, Yanpeng Li, Chongyan Zhu, Xiaoyi Ren, Chao Li, Yifan Ye, Peng Liu, Lihuan Zhang, Hanshu Yan, Guoyin Wang, Bei Chen, Junnan Li

Co to dělá

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

Doména: Multimodal, Language, Video, Vision
Úkol: Language modeling/generation, Visual question answering, Image captioning, Question answering, Code generation, Video description, Character recognition (OCR)

Velikost

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

parametry: 24.9B
Výcviková data: 6,800,000,000,000 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: 1.4 × 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: rhymes-ai

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: 130

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: ARIA : An Open Multimodal Native Mixture-of-Experts Model
Nap poslední aktualizace: 25 May 2026

Extrémy

Deset nejrychlejších GPU, které běží Aria

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 Aria

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

Xeon Phi 7120P

Potřeba paměti

14.3 GB

Nejrychlejší

136 tok/s

Aria dosahuje počtu parametrů 24.9B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 241.

Vstupní bod je Xeon Phi 7120P, s kapacitou VRAM 16 GB, spuštění na kompresi IQ4_XS a vyrábějí kolem 9.6 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 136 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Odkud to přišlo

Aria byl zveřejněn Rhymes AI, v zemi zaznamenané jako United States of America, během October 2024. Vydavatelská organizace je kategorizována jako industry.

funguje v oblasti Multimodal, Language, Video, Vision, a je zaznamenán jako vykonávající úkol language modeling/generation, Visual question answering, Image captioning, Question answering, Code generation, Video description, Character recognition (OCR).

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 rhymes-ai.

Porozumění rychlostem

Polovina karet, které to drží, zvládne více než 18.7 tokenů za sekundu 191 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.

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 1.4 × 10²³ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Bylo to trénováno na korpusu asi 6,800,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Aria

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

01

Začněte od sloupce paměti

Začněte od toho, co skutečně potřebuje, což je požadavek na Aria, potřebující kolem 14.3 GB při kompresi IQ4_XS. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
02

Rozhodněte, jak dlouho vaše konverzace běží

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. Aria.
03

Vyberte, jak moc to budete komprimovat.

Sloupec kvantizace se liší podle KARTY, protože větší KARTA má přesnější kopii., 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.
04

Srovnejte TPS, ne specifikace

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Aria. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 136 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě Aria. 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.

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. Aria.

Odpovědi

Aria — běžné otázky

Aria— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Xeon Phi 7120P, s kapacitou VRAM 16 GB. Spouští model při kompresi IQ4_XS používající přibližně 14.3 GB, a produkuje přibližně 9.6 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 241.

Aria— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 136 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 191.

Aria— kolik VRAM potřebuje?

Potřebuje asi 14.3 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.

Aria— mohu to spustit na GPU držící 16 GB?

Ano. GPU kartu Tesla V100 SXM2 16 GB, držení 16 GB, provozuje ho při kompresi IQ4_XS, používající přibližně 14.3 GB a generováním zhruba 47.2 tokenů za sekundu. Fit je těsný.

Aria— mohu to spustit na GPU držící 24 GB?

Ano. GPU kartu GeForce RTX 5090 D V2, držení 24 GB, provozuje ho při kompresi Q6_K, používající přibližně 21.6 GB a generováním zhruba 33.1 tokenů za sekundu. Fit je těsný.

Aria— 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.

Aria— kolik má parametrů?

Má počet parametrů 24.9B. ARIA MoE activates 3.5B parameters per text token and has a total of 24.9B parameter. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Aria— Kdo to vytvořil?

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

Aria— Kdy byl vydán?

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

Aria— K čemu se to používá?

funguje v oblasti Multimodal, Language, Video, Vision, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Visual question answering, Image captioning, Question answering, Code generation, Video description, Character recognition (OCR). Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

Aria— kde si to mohu stáhnout?

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

Aria— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1.4 × 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.

Aria— 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 5.0 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Aria— 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: 241. Takže druhá karta je tu zřídka odpovědí.

Aria— 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.

Aria— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 82–218 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

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