DeepSeek LLM 67B TPS-Rechner

Offene Gewichte DeepSeek 67B 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

61 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

A100 PCIe 40 GB

40 GB · IQ4_XS · 24.2 tok/s

Schnellste Karte

B200

50.6 tok/s · 180 GB

Welche GPUs können laufen DeepSeek LLM 67B?

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.

61 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
50.6 tok/s 43–61	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	69.7 GB	Q8_0	Komfortabel
50.6 tok/s 43–61	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	69.7 GB	Q8_0	Komfortabel
40.4 tok/s 24–65 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Komfortabel
40.4 tok/s 24–65 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Komfortabel
32.3 tok/s 19–52 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	69.7 GB	Q8_0	Komfortabel
30.9 tok/s 26–37	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Komfortabel
30.9 tok/s 26–37	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Komfortabel
29.6 tok/s 18–47 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	69.7 GB	Q8_0	Komfortabel
27.3 tok/s 23–33	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	38.5 GB	Q4_K_M	knapp
26.3 tok/s 16–42 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Komfortabel
26.3 tok/s 16–42 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Komfortabel
26.3 tok/s 16–42 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Komfortabel
24.9 tok/s 21–30	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	69.7 GB	Q8_0	Komfortabel
24.2 tok/s 21–29	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.6 GB	IQ4_XS	knapp
24.2 tok/s 21–29	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.6 GB	IQ4_XS	knapp
24.2 tok/s 21–29	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.6 GB	IQ4_XS	knapp
21.2 tok/s 18–25	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Komfortabel
21.2 tok/s 18–25	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	69.7 GB	Q8_0	knapp
21.2 tok/s 18–25	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Komfortabel
21.2 tok/s 18–25	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Komfortabel
21.2 tok/s 18–25	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	knapp
19.6 tok/s 17–23	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	38.5 GB	Q4_K_M	knapp
18.6 tok/s 16–22	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.1 GB	Q6_K	knapp
16.2 tok/s 10–26 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	69.7 GB	Q8_0	Komfortabel
16.2 tok/s 10–26 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	69.7 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: DeepSeek
Organisationsart: Industry
Land: China
Veröffentlicht: 5 January 2024
Autoren: Xiao Bi, Deli Chen, Guanting Chen, Shanhuang Chen, Damai Dai, Chengqi Deng, Honghui Ding, Kai Dong, Qiushi Du, Zhe Fu, Huazuo Gao, Kaige Gao, Wenjun Gao, Ruiqi Ge, Kang Guan, Daya Guo, Jianzhong Guo, Guangbo Hao, Zhewen Hao, Ying He, Wenjie Hu, Panpan Huang, Erhang Li, Guowei Li, Jiashi Li, Yao Li, Y.K. Li, Wenfeng Liang, Fangyun Lin, A.X. Liu, Bo Liu, Wen Liu, Xiaodong Liu, Xin Liu, Yiyuan Liu, H…

Was es tut

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

Domain: Language
Aufgabe: Chat, Language modeling/generation, Question answering

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: 67B
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: 8 × 10²³ FLOP
Wie es etabliert wurde: Operation counting

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
Hugging Face: deepseek-ai

Wie es klassifiziert ist

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

Wahrscheinlich über 10²³ FLOP: Yes
Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. DeepSeek LLM 67B

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 DeepSeek LLM 67B

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

Was die Zahlen bedeuten

Die Hardware-Seite

Minimale Karte

A100 PCIe 40 GB

Benötigter Speicher

34.6 GB

Schnellste

50.6 tok/s

DeepSeek LLM 67B erreicht eine Parameteranzahl von 67B. 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: 61.

Am unteren Ende wird es von A100 PCIe 40 GB, mit einer MEMORY-KAPAZITÄT von 40 GB, es mit einer Kompression von IQ4_XS und produziert etwa 24.2 Token pro Sekunde

Die schnellste Berechnung dafür ist B200, generieren ungefähr 50.6 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Hintergrund

DeepSeek LLM 67B 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, Language modeling/generation, Question answering.

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. deepseek-ai.

Die Durchsatzwerte lesen

Die Hälfte der CARDS, die es halten, schaffen mehr als 12.9 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 51 von ihnen

Jedes Gewicht beteiligt sich hier an jedem Token, daher ist die Bandbreite die gesamte Geschichte: Das Ranking unten ist effektiv ein Ranking des Speicher-Durchsatzes.

Da die Architektur aufgezeichnet ist, wird die Speicher-Spalte abgeleitet statt geschätzt.

Training und Herkunft

Das Training benötigte ein Rechenbudget von ungefähr 8 × 10²³ FLOP. 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 DeepSeek LLM 67B

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

Überprüfen Sie, was es benötigt, bevor alles andere.

Jede Karte hier wurde geprüft gegen DeepSeek LLM 67B, benötigt ungefähr 34.6 GB bei einer Kompression von IQ4_XS. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
02

Passen Sie den Kontext an Ihre tatsächliche Verwendung an

Längere Gespräche kosten MEMORY zusätzlich zu dem, was die WEIGHTS benötigen. Bewege den Schieberegler auf deine tatsächliche Arbeitslänge, bevor du einer Zeile vertraust. DeepSeek LLM 67B.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

Jede Karte läuft die am wenigsten komprimierte Kopie, die sie halten kann., 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

Nach Durchsatz und nicht nach Spezifikationen sortieren

Die Geschwindigkeitsreihenfolge ist effektiv eine Reihenfolge nach Speicherbandbreite, für DeepSeek LLM 67B. 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 50.6 tok/s
05

Achte auf den Spielraum, nicht nur auf das Passende.

Ein enger Sitz läuft, lässt jedoch nichts für ein längeres Gespräch übrig, im Falle von DeepSeek LLM 67B. 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. DeepSeek LLM 67B.

Antworten

DeepSeek LLM 67B — Häufige Fragen

DeepSeek LLM 67B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 50.6 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: 51.

DeepSeek LLM 67B— Wie viel VRAM benötigt es?

Es benötigt etwa 34.6 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.

DeepSeek LLM 67B— 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.

DeepSeek LLM 67B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 67B. 67B. 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.

DeepSeek LLM 67B— Wer hat es erstellt?

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

DeepSeek LLM 67B— 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.

DeepSeek LLM 67B— Wofür wird es verwendet?

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

DeepSeek LLM 67B— Wo kann ich es herunterladen?

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

DeepSeek LLM 67B— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 8 × 10²³ FLOP. 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.

DeepSeek LLM 67B— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Es kann zwischen der GPU-Karte und dem Systemspeicher aufgeteilt werden, aber es wird auf diese Weise schmerzhaft langsam erzeugt. Die nächste verpasste Berechnung bleibt hinter 9.7 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

DeepSeek LLM 67B— Würden zwei GPUs es schneller ausführen?

Eine zweite Karte verdoppelt grob den verfügbaren Speicher, aber nicht die Generationsrate. Die Anzahl, die bereits in der Lage ist, es allein auszuführen: 61. So eine zweite Karte ist hier selten die Antwort.

DeepSeek LLM 67B— 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: 4. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

DeepSeek LLM 67B— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 43–61 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

DeepSeek LLM 67B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist A100 PCIe 40 GB, mit einer MEMORY-KAPAZITÄT von 40 GB. Es führt das Modell mit einer Kompression von IQ4_XS verwenden von etwa 34.6 GB, und produziert ungefähr 24.2 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 61.

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