C2S-Scale TPS-Rechner

Offene Gewichte Google Research,Yale University,Google DeepMind,Brown University,University of Southern California 27B 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

241 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Xeon Phi 7120P

16 GB · Q3_K_M · 9.7 tok/s

Schnellste Karte

B200

125 tok/s · 180 GB

Welche GPUs können laufen C2S-Scale?

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.

241 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
125 tok/s 75–201 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	29.6 GB	Q8_0	Komfortabel
125 tok/s 75–201 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	29.6 GB	Q8_0	Komfortabel
100 tok/s 60–160 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	29.6 GB	Q8_0	Komfortabel
100 tok/s 60–160 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	29.6 GB	Q8_0	Komfortabel
80.1 tok/s 48–128 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	29.6 GB	Q8_0	Komfortabel
76.7 tok/s 46–123 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	29.6 GB	Q8_0	Komfortabel
76.7 tok/s 46–123 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	29.6 GB	Q8_0	Komfortabel
73.4 tok/s 44–117 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	29.6 GB	Q8_0	Komfortabel
65.2 tok/s 39–104 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	29.6 GB	Q8_0	Komfortabel
65.2 tok/s 39–104 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	29.6 GB	Q8_0	Komfortabel
65.2 tok/s 39–104 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	29.6 GB	Q8_0	Komfortabel
61.8 tok/s 37–99 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	29.6 GB	Q8_0	Komfortabel
52.7 tok/s 32–84 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	29.6 GB	Q8_0	Komfortabel
52.7 tok/s 32–84 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	29.6 GB	Q8_0	Komfortabel
52.7 tok/s 32–84 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	29.6 GB	Q8_0	Komfortabel
52.7 tok/s 32–84 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	29.6 GB	Q8_0	Komfortabel
52.7 tok/s 32–84 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	29.6 GB	Q8_0	Komfortabel
47.8 tok/s 29–77 · niedrige Vertrauenswürdigkeit	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.9 GB	Q3_K_M	knapp
42.6 tok/s 26–68 · niedrige Vertrauenswürdigkeit	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	23.3 GB	Q6_K	Komfortabel
42.6 tok/s 26–68 · niedrige Vertrauenswürdigkeit	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	23.3 GB	Q6_K	Komfortabel
40.8 tok/s 24–65 · niedrige Vertrauenswürdigkeit	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	23.3 GB	Q6_K	Komfortabel
40.8 tok/s 24–65 · niedrige Vertrauenswürdigkeit	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	23.3 GB	Q6_K	Komfortabel
40.6 tok/s 24–65 · niedrige Vertrauenswürdigkeit	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.9 GB	Q3_K_M	knapp
40.1 tok/s 24–64 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	29.6 GB	Q8_0	Komfortabel
40.1 tok/s 24–64 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	29.6 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: Google Research,Yale University,Google DeepMind,Brown University,University of Southern California
Organisationsart: Industry,Academia,Industry,Academia,Academia
Land: United States of America
Veröffentlicht: 11 October 2025
Autoren: Syed Asad Rizvi, Daniel Levine, Aakash Patel, Shiyang Zhang, Eric Wang, Curtis Jamison Perry, Nicole Mayerli Constante, Sizhuang He, David Zhang, Cerise Tang, Zhuoyang Lyu, Rayyan Darji, Chang Li, Emily Sun, David Jeong, Lawrence Zhao, Jennifer Kwan, David Braun, Brian Hafler, Hattie Chung, Rahul M. Dhodapkar, Bryan Perozzi, Jeffrey Ishizuka, Shekoofeh Azizi, David van Dijk

Was es tut

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

Domain: Language, Biology
Aufgabe: Cell Biology, RNA sequence generation, Language modeling/generation, Question answering
Basis-Modell: Gemma 2 27B

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: 27B
Trainingsdaten: 1,000,000,000 tokens

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.

Wie es etabliert wurde: Operation counting
Feinabstimmung Rechenleistung: 1.6 × 10²⁰ FLOP

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: Google TPU v4
Verwendete Chips: 256
Stromverbrauch: 170.0 kW

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: vandijklab

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: Scaling Large Language Models for Next-Generation Single-Cell Analysis
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. C2S-Scale

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 C2S-Scale

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

Xeon Phi 7120P

Benötigter Speicher

13.9 GB

Schnellste

125 tok/s

C2S-Scale erreicht eine Parameteranzahl von 27B. 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: 241.

Die minimal benötigte Hardware, die funktioniert, ist Xeon Phi 7120P, mit einer MEMORY-KAPAZITÄT von 16 GB, es mit einer Kompression von Q3_K_M und produziert etwa 9.7 Token pro Sekunde

Spitzenklasse ist B200, generieren ungefähr 125 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Über dieses Modell

C2S-Scale wurde veröffentlicht von Google Research,Yale University,Google DeepMind,Brown University,University of Southern California, im Land aufgezeichnet als United States of America, während October 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry,Academia,Industry,Academia,Academia.

Es funktioniert im Bereich von Language, Biology, und wird als die Aufgabe von aufgezeichnet cell Biology, RNA sequence generation, Language modeling/generation, Question answering.

Anstatt von Grund auf neu trainiert zu werden, ist es abgeleitet von Gemma 2 27B. Das ist der Grund, warum es die allgemeine Form und Größe des Basis-Modells teilt.

Veröffentlichte Gewichte bedeuten, dass das Modell auf deinem Rechner läuft und nicht auf dem eines anderen, was die Hardwarefrage unten überhaupt beantwortbar macht. Es ist unter der Organisation auf Hugging Face veröffentlicht. vandijklab.

Wie schnell es läuft und warum

Die Hälfte der CARDS, die es halten, schaffen mehr als 19.0 Token pro Sekunde. 196 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.

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

Der Trainingssatz lief auf etwa 1,000,000,000 Text-Tokens

Schritt für Schritt

Wie wählt man eine GPU für C2S-Scale

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 C2S-Scale, benötigt ungefähr 13.9 GB bei einer Kompression von Q3_K_M. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
02

Entscheide, wie lange deine Gespräche laufen

Längere Gespräche kosten MEMORY zusätzlich zu dem, was die WEIGHTS benötigen. Bewege den Schieberegler auf deine tatsächliche Arbeitslänge, bevor du einer Zeile vertraust. C2S-Scale.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

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

Nach Geschwindigkeit sortieren

Das Ranking nach Tokens pro Sekunde folgt der Speicherbandbreite anstelle der Kernanzahl, für C2S-Scale. 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 125 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 C2S-Scale. 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.

Jede Karten-Seite wiederholt diesen Ablauf für jedes Modell, das wir in unserem Bestand haben, und beantwortet, wofür die Hardware darüber hinaus noch gut ist. C2S-Scale.

Antworten

C2S-Scale — Häufige Fragen

C2S-Scale— Wie viel VRAM benötigt es?

Es benötigt etwa 13.9 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.

C2S-Scale— 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 Q3_K_M, verwenden von etwa 13.9 GB und generieren grob 47.8 Token pro Sekunde. Der Fit ist eng.

C2S-Scale— 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 Q5_K_M, verwenden von etwa 20.2 GB und generieren grob 37.5 Token pro Sekunde. Der Fit ist eng.

C2S-Scale— 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.

C2S-Scale— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 27B. 27B. 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.

C2S-Scale— Wer hat es erstellt?

Es wurde veröffentlicht von Google Research,Yale University,Google DeepMind,Brown University,University of Southern California, basiert auf United States of America, eine als kategorisierte Organisation industry,Academia,Industry,Academia,Academia.

C2S-Scale— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in October 2025.

C2S-Scale— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, Biology, und wird als Bewältigung der Aufgabe von cell Biology, RNA sequence generation, Language modeling/generation, Question answering. 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.

C2S-Scale— Wo kann ich es herunterladen?

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

C2S-Scale— 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 6.2 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

C2S-Scale— 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: 241. So eine zweite Karte ist hier selten die Antwort.

C2S-Scale— 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.

C2S-Scale— 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: 75–201 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

C2S-Scale— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Xeon Phi 7120P, mit einer MEMORY-KAPAZITÄT von 16 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 13.9 GB, und produziert ungefähr 9.7 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 241.

C2S-Scale— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 125 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: 196.

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