DeepSeekMoE-16B TPS-Rechner

Offene Gewichte DeepSeek 16B Parameter January 2024

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

306 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

P102-101

10 GB · Q3_K_M · 108 tok/s

Schnellste Karte

B200

1,176 tok/s · 180 GB

Welche GPUs können laufen DeepSeekMoE-16B?

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.

306 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
1,176 tok/s 706–1,882 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	17.5 GB	Q8_0	Komfortabel
1,176 tok/s 706–1,882 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	17.5 GB	Q8_0	Komfortabel
939 tok/s 564–1,503 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	17.5 GB	Q8_0	Komfortabel
939 tok/s 564–1,503 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	17.5 GB	Q8_0	Komfortabel
751 tok/s 451–1,202 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	17.5 GB	Q8_0	Komfortabel
719 tok/s 431–1,151 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	17.5 GB	Q8_0	Komfortabel
719 tok/s 431–1,151 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	17.5 GB	Q8_0	Komfortabel
688 tok/s 413–1,101 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	17.5 GB	Q8_0	Komfortabel
619 tok/s 371–990 · niedrige Vertrauenswürdigkeit	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.1 GB	Q3_K_M	knapp
611 tok/s 366–977 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	17.5 GB	Q8_0	Komfortabel
611 tok/s 366–977 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	17.5 GB	Q8_0	Komfortabel
611 tok/s 366–977 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	17.5 GB	Q8_0	Komfortabel
579 tok/s 348–927 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	17.5 GB	Q8_0	Komfortabel
494 tok/s 296–791 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	17.5 GB	Q8_0	Komfortabel
494 tok/s 296–791 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	17.5 GB	Q8_0	Komfortabel
494 tok/s 296–791 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	17.5 GB	Q8_0	Komfortabel
494 tok/s 296–791 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	17.5 GB	Q8_0	Komfortabel
494 tok/s 296–791 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	17.5 GB	Q8_0	Komfortabel
376 tok/s 226–602 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	17.5 GB	Q8_0	Komfortabel
376 tok/s 226–602 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	17.5 GB	Q8_0	Komfortabel
314 tok/s 188–502 · niedrige Vertrauenswürdigkeit	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	17.5 GB	Q8_0	Komfortabel
310 tok/s 186–496 · niedrige Vertrauenswürdigkeit	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.0 GB	Q4_K_M	knapp
310 tok/s 186–496 · niedrige Vertrauenswürdigkeit	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.0 GB	Q4_K_M	knapp
307 tok/s 184–491 · niedrige Vertrauenswürdigkeit	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	17.5 GB	Q8_0	Komfortabel
302 tok/s 181–483 · niedrige Vertrauenswürdigkeit	CMP 90HX NVIDIA	10 GB	760 GB/s	Jul 2021	8.1 GB	Q3_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: DeepSeek
Organisationsart: Industry
Land: China
Veröffentlicht: 11 January 2024
Autoren: Damai Dai, Chengqi Deng, Chenggang Zhao, R.X. Xu, Huazuo Gao, Deli Chen, Jiashi Li, Wangding Zeng, Xingkai Yu, Y. Wu, Zhenda Xie, Y.K. Li, Panpan Huang, Fuli Luo, Chong Ruan, Zhifang Sui, Wenfeng Liang

Was es tut

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

Domain: Language
Aufgabe: Chat

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: 16B
Trainingsdaten: 2,000,000,000,000 tokens
Epochen: 1

Training-Compute

Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.

Training-Compute: 3.4 × 10²² FLOP
Wie es etabliert wurde: Operation counting

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 A100,NVIDIA H800 SXM5

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 (restricted use)
Training-Code: Unreleased

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
Zitationen: 844

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models
Zuletzt aktualisiert: 25 May 2026

Die Extreme

Die zehn schnellsten GPUs, die RUN. DeepSeekMoE-16B

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 DeepSeekMoE-16B

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 Sie benötigen, um es auszuführen

Minimale Karte

P102-101

Benötigter Speicher

8.1 GB

Schnellste

1,176 tok/s

DeepSeekMoE-16B erreicht eine Parameteranzahl von 16B. Das ist klein genug, dass Hardware selten das Hindernis ist, einschließlich bei Karten, die mehrere Jahre alt sind. Die Anzahl der Karten, die wir verfolgen, die es ausführen können: 306.

Die minimal benötigte Hardware, die funktioniert, ist P102-101, mit einer MEMORY-KAPAZITÄT von 10 GB, es mit einer Kompression von Q3_K_M und produziert etwa 108 Token pro Sekunde

Spitzenklasse ist B200, generieren ungefähr 1,176 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Woher es kam

DeepSeekMoE-16B wurde veröffentlicht von DeepSeek, im Land aufgezeichnet als China, während January 2024. Die Kategorie, in die der Herausgeber fällt, ist industry.

Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet chat.

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.

Verstehen der Geschwindigkeiten

Das mediane Ergebnis liegt bei etwa 109.8 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 304 von ihnen

Weil es jedes Token durch eine Teilmenge seiner OPEN WEIGHTS leitet, produziert es Text im Tempo eines viel kleineren MODELS. Der Haken ist der SPEICHER: alles muss immer noch passen, sodass die Geschwindigkeit ein Bonus und kein Nachlass auf die HARDWARE ist.

Das Attention-Layout ist in unserer Datenbank, sodass die Speicherstatistiken genau berechnet werden, anstatt geschätzt zu werden.

Wie es trainiert wurde

Das Training benötigte ein Rechenbudget von ungefähr 3.4 × 10²² FLOP, auf Hardware erfasst als NVIDIA A100,NVIDIA H800 SXM5. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.

Es wurde auf einem Korpus von etwa 2,000,000,000,000 Text-Tokens

Schritt für Schritt

Wie wählt man eine GPU für DeepSeekMoE-16B

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

Beginne mit dem, was es tatsächlich benötigt, nämlich der Anforderung von DeepSeekMoE-16B, benötigt ungefähr 8.1 GB bei einer Kompression von Q3_K_M. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
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. DeepSeekMoE-16B.
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 Q3_K_M 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 DeepSeekMoE-16B. 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 1,176 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 DeepSeekMoE-16B. 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

Sieh, was diese Karte noch ausführen kann.

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. DeepSeekMoE-16B.

Antworten

DeepSeekMoE-16B — Häufige Fragen

DeepSeekMoE-16B— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in January 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

DeepSeekMoE-16B— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von chat. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.

DeepSeekMoE-16B— Wo kann ich es herunterladen?

Die Gewichte sind veröffentlicht, obwohl wir keinen Repository-Link dafür haben. Diese Seite berechnet die Hardware-Anforderungen, anstatt Modell-Dateien zu hosten.

DeepSeekMoE-16B— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 3.4 × 10²² FLOP, auf Hardware erfasst als NVIDIA A100,NVIDIA H800 SXM5. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.

DeepSeekMoE-16B— 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 2.8 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

DeepSeekMoE-16B— 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: 306. So eine zweite Karte ist hier selten die Antwort.

DeepSeekMoE-16B— 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.

DeepSeekMoE-16B— 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: 706–1,882 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

DeepSeekMoE-16B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist P102-101, mit einer MEMORY-KAPAZITÄT von 10 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 8.1 GB, und produziert ungefähr 108 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 306.

DeepSeekMoE-16B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 1,176 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: 304.

DeepSeekMoE-16B— Wie viel VRAM benötigt es?

Es benötigt etwa 8.1 GB bei einer Kompression von Q3_K_M, 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.

DeepSeekMoE-16B— Kann ich es auf einer GPU mitführen? 12 GB?

Ja. Die GPU-Karte GeForce RTX 3080 Ti, halten 12 GB, führt es mit einer Kompression von Q4_K_M, verwenden von etwa 10.0 GB und generieren grob 310 Token pro Sekunde. Der Fit ist eng.

DeepSeekMoE-16B— Kann ich es auf einer GPU mitführen? 16 GB?

Ja. Die GPU-Karte Tesla V100 SXM2 16 GB, halten 16 GB, führt es mit einer Kompression von Q6_K, verwenden von etwa 13.7 GB und generieren grob 241 Token pro Sekunde. Der Fit ist eng.

DeepSeekMoE-16B— 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 Q8_0, verwenden von etwa 17.5 GB und generieren grob 197 Tokens pro Sekunde. Der Fit ist komfortabel.

DeepSeekMoE-16B— 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.

DeepSeekMoE-16B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 16B. 16B (total, but it's sparse). 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.

DeepSeekMoE-16B— Wer hat es erstellt?

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

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 25 May 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