Tongyi DeepResearch TPS-Rechner

Offene Gewichte Alibaba 30.5B Parameter October 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

132 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

RTX A4500

20 GB · IQ4_XS · 21.8 tok/s

Schnellste Karte

B200

111 tok/s · 180 GB

Welche GPUs können laufen Tongyi DeepResearch?

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.

132 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
111 tok/s 67–178 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	33.4 GB	Q8_0	Komfortabel
111 tok/s 67–178 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	33.4 GB	Q8_0	Komfortabel
88.7 tok/s 53–142 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	33.4 GB	Q8_0	Komfortabel
88.7 tok/s 53–142 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	33.4 GB	Q8_0	Komfortabel
70.9 tok/s 43–114 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	33.4 GB	Q8_0	Komfortabel
67.9 tok/s 41–109 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	33.4 GB	Q8_0	Komfortabel
67.9 tok/s 41–109 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	33.4 GB	Q8_0	Komfortabel
65.0 tok/s 39–104 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	33.4 GB	Q8_0	Komfortabel
57.7 tok/s 35–92 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	33.4 GB	Q8_0	Komfortabel
57.7 tok/s 35–92 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	33.4 GB	Q8_0	Komfortabel
57.7 tok/s 35–92 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	33.4 GB	Q8_0	Komfortabel
54.7 tok/s 33–88 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	33.4 GB	Q8_0	Komfortabel
46.7 tok/s 28–75 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Komfortabel
46.7 tok/s 28–75 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	33.4 GB	Q8_0	Komfortabel
46.7 tok/s 28–75 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Komfortabel
46.7 tok/s 28–75 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Komfortabel
46.7 tok/s 28–75 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Komfortabel
43.0 tok/s 26–69 · niedrige Vertrauenswürdigkeit	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	19.2 GB	Q4_K_M	knapp
39.1 tok/s 23–63 · niedrige Vertrauenswürdigkeit	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	19.2 GB	Q4_K_M	knapp
37.7 tok/s 23–60 · niedrige Vertrauenswürdigkeit	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	26.3 GB	Q6_K	knapp
37.7 tok/s 23–60 · niedrige Vertrauenswürdigkeit	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	26.3 GB	Q6_K	knapp
36.1 tok/s 22–58 · niedrige Vertrauenswürdigkeit	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.3 GB	Q6_K	knapp
36.1 tok/s 22–58 · niedrige Vertrauenswürdigkeit	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.3 GB	Q6_K	knapp
35.5 tok/s 21–57 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	33.4 GB	Q8_0	Komfortabel
35.5 tok/s 21–57 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	33.4 GB	Q8_0	Komfortabel

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: Alibaba
Organisationsart: Industry
Land: China
Veröffentlicht: 28 October 2025
Autoren: Baixuan Li, Bo Zhang, Dingchu Zhang, Fei Huang, Guangyu Li, Guoxin Chen, Huifeng Yin, Jialong Wu, Jingren Zhou, Kuan Li, Liangcai Su, Litu Ou, Liwen Zhang, Pengjun Xie, Rui Ye, Wenbiao Yin, Xinmiao Yu, Xinyu Wang, Xixi Wu, Xuanzhong Chen, Yida Zhao, Zhen Zhang, Zhengwei Tao, Zhongwang Zhang, Zile Qiao, Chenxi Wang, Donglei Yu, Gang Fu, Haiyang Shen, Jiayin Yang, Jun Lin, Junkai Zhang, Kui Zeng, Li…

Was es tut

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

Domain: Language
Aufgabe: Language modeling/generation, Question answering, Quantitative reasoning, Search, System control
Basis-Modell: Qwen3-30B-A3B

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: 30.5B
Trainingsdaten: tokens

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)
Training-Code: Unreleased
Hugging Face: Alibaba-NLP

Wie es klassifiziert ist

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

Warum es verfolgt wird: SOTA improvement
Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Tongyi DeepResearch Technical Report
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Tongyi DeepResearch

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 Tongyi DeepResearch

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

RTX A4500

Benötigter Speicher

17.4 GB

Schnellste

111 tok/s

Tongyi DeepResearch erreicht eine Parameteranzahl von 30.5B. Das landet im Bereich, den eine ernsthafte Desktop-KARTE bewältigen kann, sobald die GEWICHTE komprimiert sind. Die Anzahl der KARTE, die wir verfolgen, die es ausführen kann: 132.

Die kleinste Karte, die es hält, ist RTX A4500, mit einer MEMORY-KAPAZITÄT von 20 GB, es mit einer Kompression von IQ4_XS und produziert etwa 21.8 Token pro Sekunde

Am anderen Ende sitzt B200, generieren ungefähr 111 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Was dieses Modell ist

Tongyi DeepResearch wurde veröffentlicht von Alibaba, im Land aufgezeichnet als China, während October 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry.

Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Question answering, Quantitative reasoning, Search, System control.

Der Ausgangspunkt war ein vorhandenes Basis-Modell, Qwen3-30B-A3B. Die meisten Modelle in diesem Bereich sind von einer bestehenden Basis abgeleitet, anstatt aus dem Nichts erstellt zu werden.

Das Offen-Wiegen ist es, was diese Seite in den Rechner anstatt nur in den Katalog bringt: es ist ein Modell, das man tatsächlich halten kann. Es ist unter der Organisation auf Hugging Face veröffentlicht. Alibaba-NLP.

Was entscheidet die Geschwindigkeit

Über jede Karte, die es ausführen kann, liegt die Mitte der Reihe bei 21.6 Token pro Sekunde. 104 von ihnen

Da es dicht ist, liest es sich selbst pro Token, weshalb die Anordnung nach Geschwindigkeit unten so eng der Anordnung nach Speicherbandbreite folgt.

Die interne Architektur ist nicht in unserer Datenbank, daher wird der Speicher basierend auf der Anzahl der Parameter approximiert und entsprechend gekennzeichnet. Erwarten Sie, dass die tatsächliche Zahl abweicht, insbesondere bei langen Kontexten.

Wie es trainiert wurde

Das Einschlusskriterium: sOTA improvement.

Schritt für Schritt

Wie wählt man eine GPU für Tongyi DeepResearch

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

Beginnen Sie mit der Speicher-Spalte

Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Tongyi DeepResearch, benötigt ungefähr 17.4 GB bei einer Kompression von IQ4_XS. Die Kapazität ist das Tor — eine Karte hält es entweder oder sie tut es nicht.
02

Setzen Sie die CONTEXT LENGTH, an der Sie arbeiten werden.

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. Tongyi DeepResearch.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., 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 Tongyi DeepResearch. 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 111 tok/s
05

Überprüfen Sie das Passurteil, bevor Sie kaufen.

Die Passform-Spalte trennt Karten, die es gerade so schaffen, von denen mit ausreichend Platz, im Falle von Tongyi DeepResearch. 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

Das Folgen einer Karte zu ihrer eigenen Seite zeigt jedes andere Modell, das sie halten kann, was die Frage ist, die folgt, sobald Sie sich festgelegt haben. Tongyi DeepResearch.

Antworten

Tongyi DeepResearch — Häufige Fragen

Tongyi DeepResearch— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist RTX A4500, mit einer MEMORY-KAPAZITÄT von 20 GB. Es führt das Modell mit einer Kompression von IQ4_XS verwenden von etwa 17.4 GB, und produziert ungefähr 21.8 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 132.

Tongyi DeepResearch— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 111 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: 104.

Tongyi DeepResearch— Wie viel VRAM benötigt es?

Es benötigt etwa 17.4 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.

Tongyi DeepResearch— Kann ich es auf einer GPU mitführen? 24 GB?

Ja. Die GPU-Karte GeForce RTX 5090 D V2, halten 24 GB, führt es mit einer Kompression von Q4_K_M, verwenden von etwa 19.2 GB und generieren grob 43.0 Token pro Sekunde. Der Fit ist eng.

Tongyi DeepResearch— 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.

Tongyi DeepResearch— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 30.5B. 30.5 billion total parameters, with only 3.3 billion activated per token. 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.

Tongyi DeepResearch— Wer hat es erstellt?

Es wurde veröffentlicht von Alibaba, basiert auf China, eine als kategorisierte Organisation industry.

Tongyi DeepResearch— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in October 2025.

Tongyi DeepResearch— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Question answering, Quantitative reasoning, Search, System control. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.

Tongyi DeepResearch— Wo kann ich es herunterladen?

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

Tongyi DeepResearch— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Teilweise. Schichten, die nicht passen, verbleiben im System-Speicher und laufen mit einem Bruchteil der Geschwindigkeit, sodass ein überwiegend ausgelagerter Modell selten von Nutzen ist. Die nächste verpasste Berechnung bleibt hinter 4.8 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Tongyi DeepResearch— 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: 132. So eine zweite Karte ist hier selten die Antwort.

Tongyi DeepResearch— Warum unterscheidet sich die Quantisierung zwischen Karten?

Da die Kapazität variiert, variiert auch, wie sehr sie komprimiert werden muss. Die Anzahl der unterschiedlichen Ebenen in der obigen Tabelle: 5. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Tongyi DeepResearch— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 67–178 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 28 November 2025

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