MuggleMath TPS-Rechner

Offene Gewichte University of Science and Technology of China (USTC),Alibaba 70B 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

61 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

A100 PCIe 40 GB

40 GB · Q3_K_M · 25.5 tok/s

Schnellste Karte

B200

48.4 tok/s · 180 GB

Welche GPUs können laufen MuggleMath?

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
48.4 tok/s 29–77 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	75.6 GB	Q8_0	Komfortabel
48.4 tok/s 29–77 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	75.6 GB	Q8_0	Komfortabel
38.7 tok/s 23–62 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	75.6 GB	Q8_0	Komfortabel
38.7 tok/s 23–62 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	75.6 GB	Q8_0	Komfortabel
30.9 tok/s 19–49 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	75.6 GB	Q8_0	Komfortabel
29.6 tok/s 18–47 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	75.6 GB	Q8_0	Komfortabel
29.6 tok/s 18–47 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	75.6 GB	Q8_0	Komfortabel
29.5 tok/s 18–47 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	59.3 GB	Q6_K	Komfortabel
29.5 tok/s 18–47 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	59.3 GB	Q6_K	Komfortabel
28.3 tok/s 17–45 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	75.6 GB	Q8_0	Komfortabel
26.1 tok/s 16–42 · niedrige Vertrauenswürdigkeit	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	43.0 GB	Q4_K_M	knapp
25.5 tok/s 15–41 · niedrige Vertrauenswürdigkeit	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.9 GB	Q3_K_M	knapp
25.5 tok/s 15–41 · niedrige Vertrauenswürdigkeit	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.9 GB	Q3_K_M	knapp
25.5 tok/s 15–41 · niedrige Vertrauenswürdigkeit	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.9 GB	Q3_K_M	knapp
25.1 tok/s 15–40 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	75.6 GB	Q8_0	Komfortabel
25.1 tok/s 15–40 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	75.6 GB	Q8_0	Komfortabel
25.1 tok/s 15–40 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	75.6 GB	Q8_0	Komfortabel
23.8 tok/s 14–38 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.6 GB	Q8_0	knapp
21.8 tok/s 13–35 · niedrige Vertrauenswürdigkeit	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	51.2 GB	Q5_K_M	knapp
20.3 tok/s 12–33 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.6 GB	Q8_0	knapp
20.3 tok/s 12–33 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.6 GB	Q8_0	knapp
20.3 tok/s 12–33 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.6 GB	Q8_0	knapp
18.7 tok/s 11–30 · niedrige Vertrauenswürdigkeit	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	43.0 GB	Q4_K_M	knapp
17.9 tok/s 11–29 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	59.3 GB	Q6_K	Komfortabel
17.9 tok/s 11–29 · niedrige Vertrauenswürdigkeit	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	59.3 GB	Q6_K	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: University of Science and Technology of China (USTC),Alibaba
Organisationsart: Academia,Industry
Land: China
Veröffentlicht: 1 November 2023
Autoren: Chengpeng Li, Zheng Yuan, Hongyi Yuan, Guanting Dong, Keming Lu, Jiancan Wu, Chuanqi Tan, Xiang Wang, Chang Zhou

Was es tut

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

Domain: Language, Mathematics
Aufgabe: Language modeling/generation, Chat
Basis-Modell: Llama 2-70B

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: 70B
Trainingsdaten: tokens
Epochen: 3

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
Verwendete Chips: 32
Stromverbrauch: 25.4 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: Open source

Wie es klassifiziert ist

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

Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Query and Response Augmentation Cannot Help Out-of-domain Math Reasoning Generalization
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. MuggleMath

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 MuggleMath

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

34.9 GB

Schnellste

48.4 tok/s

MuggleMath erreicht eine Parameteranzahl von 70B. 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 Q3_K_M und produziert etwa 25.5 Token pro Sekunde

Spitzenklasse ist B200, generieren ungefähr 48.4 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Über dieses Modell

MuggleMath wurde veröffentlicht von University of Science and Technology of China (USTC),Alibaba, im Land aufgezeichnet als China, während November 2023. Es stammt aus einer Organisation, die kategorisiert ist als academia,Industry.

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

Anstatt von Grund auf neu trainiert zu werden, ist es abgeleitet von Llama 2-70B. Die meisten Modelle in diesem Bereich sind von einer bestehenden Basis abgeleitet, anstatt aus dem Nichts erstellt zu werden.

Veröffentlichte Gewichte bedeuten, dass das Modell auf deinem Rechner läuft und nicht auf dem eines anderen, was die Hardwarefrage unten überhaupt beantwortbar macht.

Wie schnell es läuft und warum

Die Hälfte der CARDS, die es halten, schaffen mehr als 17.1 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 50 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.

Der Speicher hier wird basierend auf der Größe geschätzt, anstatt aus der Architektur berechnet zu werden, die für dieses Modell nicht aufgezeichnet ist — die Zahlen sind eher indikativ als genau.

Schritt für Schritt

Wie wählt man eine GPU für MuggleMath

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 MuggleMath, benötigt ungefähr 34.9 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. MuggleMath.
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

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

Nach Geschwindigkeit sortieren, um zu sehen, wie die CARDS eingestuft sind für MuggleMath. 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 48.4 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 MuggleMath. 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

Öffnen Sie die Karte, die Sie ausgewählt haben

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. MuggleMath.

Antworten

MuggleMath — Häufige Fragen

MuggleMath— Wer hat es erstellt?

Es wurde veröffentlicht von University of Science and Technology of China (USTC),Alibaba, basiert auf China, eine als kategorisierte Organisation academia,Industry.

MuggleMath— 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.

MuggleMath— Wofür wird es verwendet?

Es funktioniert im Bereich von Language, Mathematics, und wird als Bewältigung der Aufgabe von language modeling/generation, Chat. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.

MuggleMath— 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.

MuggleMath— 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 14.2 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

MuggleMath— 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.

MuggleMath— 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.

MuggleMath— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 29–77 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

MuggleMath— 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 Q3_K_M verwenden von etwa 34.9 GB, und produziert ungefähr 25.5 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 61.

MuggleMath— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 48.4 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: 50.

MuggleMath— Wie viel VRAM benötigt es?

Es benötigt etwa 34.9 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.

MuggleMath— 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.

MuggleMath— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 70B. model: Apache 2 https://huggingface.co/OFA-Sys/MuggleMath_7B code: undefined license https://github.com/OFA-Sys/gsm8k-ScRel?tab=readme-ov-file#readme. 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.

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