Yuan 2.0 TPS-Rechner

Offene Gewichte Inspur 102.6B Parameter November 2023

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 · 13.0 tok/s

Schnellste Karte

B200

33.0 tok/s · 180 GB

Welche GPUs können laufen Yuan 2.0?

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
33.0 tok/s 20–53 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	110.5 GB	Q8_0	Komfortabel
33.0 tok/s 20–53 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	110.5 GB	Q8_0	Komfortabel
32.0 tok/s 19–51 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	62.8 GB	Q4_K_M	knapp
32.0 tok/s 19–51 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	62.8 GB	Q4_K_M	knapp
29.1 tok/s 17–46 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	74.7 GB	Q5_K_M	knapp
26.4 tok/s 16–42 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	110.5 GB	Q8_0	Komfortabel
26.4 tok/s 16–42 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	110.5 GB	Q8_0	Komfortabel
24.8 tok/s 15–40 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.7 GB	Q5_K_M	knapp
24.8 tok/s 15–40 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	74.7 GB	Q5_K_M	knapp
24.8 tok/s 15–40 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.7 GB	Q5_K_M	knapp
21.1 tok/s 13–34 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	110.5 GB	Q8_0	knapp
20.5 tok/s 12–33 · niedrige Vertrauenswürdigkeit	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	56.8 GB	IQ4_XS	knapp
20.2 tok/s 12–32 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	110.5 GB	Q8_0	knapp
20.2 tok/s 12–32 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	110.5 GB	Q8_0	knapp
19.4 tok/s 12–31 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	62.8 GB	Q4_K_M	knapp
19.4 tok/s 12–31 · niedrige Vertrauenswürdigkeit	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	62.8 GB	Q4_K_M	knapp
19.4 tok/s 12–31 · niedrige Vertrauenswürdigkeit	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	62.8 GB	Q4_K_M	knapp
19.4 tok/s 12–31 · niedrige Vertrauenswürdigkeit	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	62.8 GB	Q4_K_M	knapp
19.4 tok/s 12–31 · niedrige Vertrauenswürdigkeit	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	62.8 GB	Q4_K_M	knapp
19.4 tok/s 12–31 · niedrige Vertrauenswürdigkeit	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	62.8 GB	Q4_K_M	knapp
19.3 tok/s 12–31 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	110.5 GB	Q8_0	Komfortabel
18.5 tok/s 11–30 · niedrige Vertrauenswürdigkeit	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	62.8 GB	Q4_K_M	knapp
18.5 tok/s 11–30 · niedrige Vertrauenswürdigkeit	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	62.8 GB	Q4_K_M	knapp
17.2 tok/s 10–27 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	110.5 GB	Q8_0	knapp
17.2 tok/s 10–27 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	110.5 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: Inspur
Organisationsart: Industry
Land: China
Veröffentlicht: 27 November 2023
Autoren: Shaohua Wu, Xudong Zhao, Shenling Wang, Jiangang Luo, Lingjun Li, Xi Chen, Bing Zhao, Wei Wang, Tong Yu, Rongguo Zhang, Jiahua Zhang, Chao Wang

Was es tut

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

Domain: Language
Aufgabe: Language modeling/generation, Translation, Code generation

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: 102.6B
Trainingsdaten: 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: 1.8 × 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: Open source
Hugging Face: IEITYuan

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: YUAN 2.0: A Large Language Model with Localized Filtering-based Attention
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Yuan 2.0

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 Yuan 2.0

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

56.8 GB

Schnellste

33.0 tok/s

Yuan 2.0 erreicht eine Parameteranzahl von 102.6B. 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 13.0 Token pro Sekunde

Die schnellste Berechnung dafür ist B200, generieren ungefähr 33.0 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Über dieses Modell

Yuan 2.0 wurde veröffentlicht von Inspur, im Land aufgezeichnet als China, während November 2023. Die veröffentlichende Organisation ist als industry.

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

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. IEITYuan.

Wie schnell es läuft und warum

Die Hälfte der CARDS, die es halten, schaffen mehr als 18.5 Token pro Sekunde. 37 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.

Training und Herkunft

Der Trainingslauf verbrauchte etwa 1.8 × 10²³ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.

Schritt für Schritt

Wie wählt man eine GPU für Yuan 2.0

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 Yuan 2.0, benötigt ungefähr 56.8 GB bei einer Kompression von IQ4_XS. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
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. Yuan 2.0.
03

Setze eine Qualitätsuntergrenze

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

Nach Geschwindigkeit sortieren, um zu sehen, wie die CARDS eingestuft sind für Yuan 2.0. 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 33.0 tok/s
05

Lies die Spalte "fit" zuletzt

Die Passform-Spalte trennt Karten, die es gerade so schaffen, von denen mit ausreichend Platz, im Falle von Yuan 2.0. 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. Yuan 2.0.

Antworten

Yuan 2.0 — Häufige Fragen

Yuan 2.0— 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 19.6 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Yuan 2.0— 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: 43. So eine zweite Karte ist hier selten die Antwort.

Yuan 2.0— 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: 4. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

Yuan 2.0— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 20–53 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Yuan 2.0— 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 56.8 GB, und produziert ungefähr 13.0 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 43.

Yuan 2.0— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 33.0 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: 37.

Yuan 2.0— Wie viel VRAM benötigt es?

Es benötigt etwa 56.8 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.

Yuan 2.0— 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.

Yuan 2.0— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 102.6B. 102.6 billion. 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.

Yuan 2.0— Wer hat es erstellt?

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

Yuan 2.0— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in November 2023. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

Yuan 2.0— Wofür wird es verwendet?

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

Yuan 2.0— Wo kann ich es herunterladen?

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

Yuan 2.0— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 1.8 × 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.

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