INTELLECT-3 TPS-Rechner

Offene Gewichte Prime Intellect 106B Parameter November 2025

Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..

Für dieses Modell berechnet

43 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Radeon Instinct MI200

64 GB · IQ4_XS · 69.7 tok/s

Schnellste Karte

B200

178 tok/s · 180 GB

Welche GPUs können laufen INTELLECT-3?

Setze die Eingaben, lies die Antwort

Kontextlänge Token

Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..

Minimale Qualität

Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..

Suchkarten

Karten-VRAM

Zeige auch Karten, die es nicht ausführen können.

43 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
178 tok/s 107–284 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	108.8 GB	Q8_0	Komfortabel
178 tok/s 107–284 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	108.8 GB	Q8_0	Komfortabel
142 tok/s 85–227 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	108.8 GB	Q8_0	Komfortabel
142 tok/s 85–227 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	108.8 GB	Q8_0	Komfortabel
133 tok/s 80–213 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	71.8 GB	Q5_K_M	knapp
133 tok/s 80–213 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	71.8 GB	Q5_K_M	knapp
127 tok/s 76–203 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	84.1 GB	Q6_K	knapp
113 tok/s 68–181 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	108.8 GB	Q8_0	knapp
110 tok/s 66–176 · niedrige Vertrauenswürdigkeit	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	53.3 GB	IQ4_XS	knapp
109 tok/s 65–174 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	108.8 GB	Q8_0	knapp
109 tok/s 65–174 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	108.8 GB	Q8_0	knapp
108 tok/s 65–173 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	knapp
108 tok/s 65–173 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	knapp
108 tok/s 65–173 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	knapp
104 tok/s 62–166 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	108.8 GB	Q8_0	Komfortabel
92.2 tok/s 55–148 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	knapp
92.2 tok/s 55–148 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	Komfortabel
92.2 tok/s 55–148 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	Komfortabel
80.9 tok/s 49–129 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	71.8 GB	Q5_K_M	knapp
80.9 tok/s 49–129 · niedrige Vertrauenswürdigkeit	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	71.8 GB	Q5_K_M	knapp
80.9 tok/s 49–129 · niedrige Vertrauenswürdigkeit	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	71.8 GB	Q5_K_M	knapp
80.9 tok/s 49–129 · niedrige Vertrauenswürdigkeit	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	Q5_K_M	knapp
80.9 tok/s 49–129 · niedrige Vertrauenswürdigkeit	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	71.8 GB	Q5_K_M	knapp
80.9 tok/s 49–129 · niedrige Vertrauenswürdigkeit	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	Q5_K_M	knapp
76.9 tok/s 46–123 · niedrige Vertrauenswürdigkeit	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	71.8 GB	Q5_K_M	knapp

Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..

Aufgezeichnet

Volle Spezifikation

Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..

Ursprung

Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.

Organisation: Prime Intellect
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 26 November 2025
Autoren: Mika Senghaas, Fares Obeid, Sami Jaghouar, William Brown, Jack Min Ong, Daniel Auras, Matej Sirovatka, Jannik Straube, Andrew Baker, Sebastian Müller, Justus Mattern, Manveer Basra, Aiman Ismail, Dominik Scherm, Cooper Miller, Ameen Patel, Simon Kirsten, Mario Sieg, Christian Reetz, Kemal Erdem, Vincent Weisser, Johannes Hagemann

Was es tut

Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.

Domain: Language
Aufgabe: Language modeling/generation
Basis-Modell: GLM-4.5-Air

Größe

Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.

Parameter: 106B
Trainingsdaten: tokens

Der Trainingslauf

Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.

Trainingshardware: NVIDIA H200
Wand-Uhrzeit: 1,440 hours (60 days)

Verfügbarkeit

Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.

Gewichte: Open — downloadable
Modellzugang: Open weights (unrestricted)
Hugging Face: PrimeIntellect

Wie es klassifiziert ist

Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.

Aufzeichnungsgenauigkeit: Likely

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: INTELLECT-3: Technical Report
Zuletzt aktualisiert: 8 April 2026

Die Extreme

Die zehn schnellsten GPUs, die RUN. INTELLECT-3

Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..

Die kleinsten GPUs, die immer noch laufen INTELLECT-3

Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..

Was die Zahlen bedeuten

Was es braucht, um dieses Modell auszuführen

Minimale Karte

Radeon Instinct MI200

Benötigter Speicher

53.3 GB

Schnellste

178 tok/s

INTELLECT-3 erreicht eine Parameteranzahl von 106B. Das platziert es über Consumer-Hardware, in den Bereich, wo eine Karte für diesen Zweck gekauft wird, anstatt dafür umfunktioniert zu werden. Die Anzahl der Karten, die wir verfolgen, die es halten können: 43.

Die kleinste Karte, die es hält, ist Radeon Instinct MI200, mit einer MEMORY-KAPAZITÄT von 64 GB, es mit einer Kompression von IQ4_XS und produziert etwa 69.7 Token pro Sekunde

Am anderen Ende sitzt B200, generieren ungefähr 178 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Über dieses Modell

INTELLECT-3 wurde veröffentlicht von Prime Intellect, im Land aufgezeichnet als United States of America, während November 2025. Die veröffentlichende Organisation ist als industry.

Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation.

Der Ausgangspunkt war ein vorhandenes Basis-Modell, GLM-4.5-Air. Das ist der Grund, warum es die allgemeine Form und Größe des Basis-Modells teilt.

Die Gewichte sind veröffentlicht, sodass sie auf deiner eigenen Hardware unbegrenzt, offline und ohne angehängtes Konto heruntergeladen und ausgeführt werden kann. Es ist unter der Organisation auf Hugging Face veröffentlicht. PrimeIntellect.

Wie schnell es läuft und warum

Das mediane Ergebnis liegt bei etwa 80.9 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 41 von ihnen

Dies ist ein Mischung-von-Experten-Modell, das jedes Token nur durch einen Teil von sich selbst leitet. Es generiert daher viel schneller, als es seine gesamte Größe vermuten lässt — während es dennoch jeden Parameter im MEMORY benötigt, sodass es schnell ist, ohne billig zu sein, um es zu halten.

Ohne das Attention-Layout in der Datei ist die Speicher-Spalte eine Annäherung. Sie ist nah genug, um Hardware auszuwählen, und am wenigsten zuverlässig bei langem CONTEXT.

Schritt für Schritt

Wie wählt man eine GPU für INTELLECT-3

Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..

01

Lese zuerst die MEMORY-Zahl

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten INTELLECT-3, benötigt ungefähr 53.3 GB bei einer Kompression von IQ4_XS. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
02

Passen Sie den Kontext an Ihre tatsächliche Verwendung an

Setze den Kontext auf das, was du tatsächlich verwenden wirst. Der Cache wächst mit dem Gespräch, und es ist der übliche Grund, warum eine Karte, die anfangs passend schien, nicht mehr passt. INTELLECT-3.
03

Wähle, wie weit du es komprimieren möchtest.

Die Quantisierungs-Spalte variiert nach Karte, da eine größere Karte eine genauere Kopie hält., eine Kompression von IQ4_XS auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
04

Vergleiche TOKENS pro Sekunde, nicht Spezifikationen

Das Ranking nach Tokens pro Sekunde folgt der Speicherbandbreite anstelle der Kernanzahl, für INTELLECT-3. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B200, bei 178 tok/s
05

Überprüfen Sie das Passurteil, bevor Sie kaufen.

Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von INTELLECT-3. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
06

Überprüfen Sie die Karte von der anderen Seite

Jede Karte verlinkt auf ihre eigene Seite, die dieselbe Berechnung über den gesamten Modellkatalog ausführt. Eine Karte wird normalerweise für mehr als ein Modell gekauft, daher lohnt sich ein Blick, bevor man kauft. INTELLECT-3.

Antworten

INTELLECT-3 — Häufige Fragen

INTELLECT-3— Würden zwei GPUs es schneller ausführen?

Zwei Karten kaufen Speicher statt Geschwindigkeit, was nur wichtig ist, wenn eine Karte es nicht halten kann. Die Anzahl, die es kann: 43. So eine zweite Karte ist hier selten die Antwort.

INTELLECT-3— Warum unterscheidet sich die Quantisierung zwischen Karten?

Jede Karte wird mit der am wenigsten komprimierten Kopie angezeigt, die sie halten kann. Die Anzahl der verschiedenen Komprimierungsstufen über die Karten, die sie passen: 5. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

INTELLECT-3— Wie genau sind diese Geschwindigkeitsabschätzungen?

Jede Zahl leitet sich von VRAM-Bandbreite und Modellgröße ab, nicht benchmarked, weshalb jede als Bereich und nicht als einzelne Zahl veröffentlicht wird. Ein Beispiel: 107–284 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

INTELLECT-3— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Radeon Instinct MI200, mit einer MEMORY-KAPAZITÄT von 64 GB. Es führt das Modell mit einer Kompression von IQ4_XS verwenden von etwa 53.3 GB, und produziert ungefähr 69.7 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 43.

INTELLECT-3— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 178 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 41.

INTELLECT-3— Wie viel VRAM benötigt es?

Es benötigt etwa 53.3 GB bei einer Kompression von IQ4_XS, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.

INTELLECT-3— Ist es Open-Source?

Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.

INTELLECT-3— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 106B. "We present INTELLECT-3, a 106B-parameter Mixture-of-Experts model (12B active)". Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.

INTELLECT-3— Wer hat es erstellt?

Es wurde veröffentlicht von Prime Intellect, basiert auf United States of America, eine als kategorisierte Organisation industry.

INTELLECT-3— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in November 2025.

INTELLECT-3— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.

INTELLECT-3— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation PrimeIntellect. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

INTELLECT-3— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Nur durch Abladen, was normalerweise eine falsche Wirtschaftlichkeit ist: der Teil, der im System-Speicher gehalten wird, zieht das Ganze nach unten. Die nächste verpasste Berechnung bleibt hinter 16.3 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 8 April 2026

Die andere Richtung

Von der anderen Seite aus betrachten?

Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.

Alle KI-Modelle