IDEFICS-80B TPS-Rechner

Offene Gewichte Hugging Face 80B Parameter August 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

58 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Quadro RTX 8000

48 GB · Q3_K_M · 9.6 tok/s

Schnellste Karte

B200

42.4 tok/s · 180 GB

Welche GPUs können laufen IDEFICS-80B?

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.

58 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
42.4 tok/s 25–68 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	86.4 GB	Q8_0	Komfortabel
42.4 tok/s 25–68 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	86.4 GB	Q8_0	Komfortabel
33.8 tok/s 20–54 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Komfortabel
33.8 tok/s 20–54 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Komfortabel
30.3 tok/s 18–48 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	67.7 GB	Q6_K	Komfortabel
27.1 tok/s 16–43 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	86.4 GB	Q8_0	Komfortabel
26.7 tok/s 16–43 · niedrige Vertrauenswürdigkeit	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	39.8 GB	Q3_K_M	knapp
25.9 tok/s 16–41 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Komfortabel
25.9 tok/s 16–41 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Komfortabel
25.9 tok/s 16–41 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	67.7 GB	Q6_K	knapp
25.9 tok/s 16–41 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	Komfortabel
25.9 tok/s 16–41 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	knapp
24.8 tok/s 15–40 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	86.4 GB	Q8_0	Komfortabel
24.7 tok/s 15–40 · niedrige Vertrauenswürdigkeit	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	49.1 GB	Q4_K_M	knapp
22.0 tok/s 13–35 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Komfortabel
22.0 tok/s 13–35 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Komfortabel
22.0 tok/s 13–35 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Komfortabel
19.1 tok/s 11–31 · niedrige Vertrauenswürdigkeit	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	39.8 GB	Q3_K_M	knapp
17.8 tok/s 11–28 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	knapp
17.8 tok/s 11–28 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	knapp
15.7 tok/s 9–25 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	67.7 GB	Q6_K	knapp
15.7 tok/s 9–25 · niedrige Vertrauenswürdigkeit	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	67.7 GB	Q6_K	knapp
15.7 tok/s 9–25 · niedrige Vertrauenswürdigkeit	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	67.7 GB	Q6_K	knapp
15.7 tok/s 9–25 · niedrige Vertrauenswürdigkeit	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.7 GB	Q6_K	knapp
15.7 tok/s 9–25 · niedrige Vertrauenswürdigkeit	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	67.7 GB	Q6_K	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: Hugging Face
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 22 August 2023
Autoren: Hugo Laurencon, Daniel van Strien, Stas Bekman, Leo Tronchon, Lucile Saulnier, Thomas Wang, Siddharth Karamcheti, Amanpreet Singh, Giada Pistilli, Yacine Jernite, Victor Sanh

Was es tut

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

Domain: Multimodal, Language, Vision
Aufgabe: Language modeling, Image captioning, Visual question answering
Basis-Modell: LLaMA-65B,CLIP ViT-H/14 - LAION-2B
Numerisches Format: BF16

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: 80B
Trainingsdaten: 149,600,000,000 tokens
Batch-Größe: 3,670,000

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: 1.2 × 10²³ FLOP
Wie es etabliert wurde: Hardware,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
Verwendete Chips: 512
Wand-Uhrzeit: 672 hours (28 days)
Stromverbrauch: 407.0 kW
Cloud-Anbieter: AWS

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 (non-commercial)
Training-Code: Unreleased
Hugging Face: HuggingFaceM4

Wie es klassifiziert ist

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

Grundmodell: Yes
Wahrscheinlich über 10²³ FLOP: Yes
Aufzeichnungsgenauigkeit: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Introducing IDEFICS: An Open Reproduction of State-of-the-Art Visual Language Model
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. IDEFICS-80B

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 IDEFICS-80B

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

Was die Zahlen bedeuten

Hardware-Anforderungen in der Praxis

Minimale Karte

Quadro RTX 8000

Benötigter Speicher

39.8 GB

Schnellste

42.4 tok/s

IDEFICS-80B erreicht eine Parameteranzahl von 80B. 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: 58.

Der Einstiegspunkt ist Quadro RTX 8000, mit einer MEMORY-KAPAZITÄT von 48 GB, es mit einer Kompression von Q3_K_M und produziert etwa 9.6 Token pro Sekunde

Das schnellste Ergebnis kommt von B200, generieren ungefähr 42.4 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Was dieses Modell ist

IDEFICS-80B wurde veröffentlicht von Hugging Face, im Land aufgezeichnet als United States of America, während August 2023. Die Kategorie, in die der Herausgeber fällt, ist industry.

Es funktioniert im Bereich von Multimodal, Language, Vision, und wird als die Aufgabe von aufgezeichnet language modeling, Image captioning, Visual question answering.

Es basiert auf LLaMA-65B,CLIP ViT-H/14 - LAION-2B. Das ist der übliche Weg, wie ein spezialisiertes Modell hergestellt wird.

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. HuggingFaceM4.

Was entscheidet die Geschwindigkeit

Das mediane Ergebnis liegt bei etwa 14.9 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 43 von ihnen

Da es dicht ist, liest es sich selbst pro Token, weshalb die Anordnung nach Geschwindigkeit unten so eng der Anordnung nach Speicherbandbreite folgt.

Ohne das Attention-Layout in der Datei ist die Speicher-Spalte eine Annäherung. Sie ist nah genug, um Hardware auszuwählen, und am wenigsten zuverlässig bei langem CONTEXT.

Was in den Aufbau geflossen ist

Der Trainingslauf verbrauchte etwa 1.2 × 10²³ FLOP, auf Hardware erfasst als NVIDIA A100. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.

Training verbrauchte ein Korpus von etwa 149,600,000,000 Text-Tokens

Schritt für Schritt

Wie wählt man eine GPU für IDEFICS-80B

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 IDEFICS-80B, benötigt ungefähr 39.8 GB bei einer Kompression von Q3_K_M. Die Kapazität ist das Tor — eine Karte hält es entweder oder sie tut es nicht.
02

Setzen Sie die CONTEXT LENGTH, an der Sie arbeiten werden.

Das Gespräch belegt ebenfalls Speicher und wächst, während es fortschreitet. Stellen Sie den Regler auf die Länge ein, die Sie erwarten, denn bei langem CONTEXT kann eine KARTE, die kurze Fragen mühelos verarbeitet, entfernt werden. IDEFICS-80B.
03

Wähle, wie weit du es komprimieren möchtest.

Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., 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 Durchsatz und nicht nach Spezifikationen sortieren

Nach Geschwindigkeit sortieren, um zu sehen, wie die CARDS eingestuft sind für IDEFICS-80B. 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 42.4 tok/s
05

Achte auf den Spielraum, nicht nur auf das Passende.

Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von IDEFICS-80B. 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. IDEFICS-80B.

Antworten

IDEFICS-80B — Häufige Fragen

IDEFICS-80B— 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.

IDEFICS-80B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 80B. IDEFICS... comes in two variants—the base version and the instructed version. Each variant is available at the 9 billion and 80 billion parameter sizes. 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.

IDEFICS-80B— Wer hat es erstellt?

Es wurde veröffentlicht von Hugging Face, basiert auf United States of America, eine als kategorisierte Organisation industry.

IDEFICS-80B— Wann wurde es veröffentlicht?

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

IDEFICS-80B— Wofür wird es verwendet?

Es funktioniert im Bereich von Multimodal, Language, Vision, und wird als Bewältigung der Aufgabe von language modeling, Image captioning, Visual 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.

IDEFICS-80B— Wo kann ich es herunterladen?

Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation HuggingFaceM4. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.

IDEFICS-80B— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 1.2 × 10²³ FLOP, auf Hardware erfasst als NVIDIA A100. 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.

IDEFICS-80B— 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 13.1 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

IDEFICS-80B— Würden zwei GPUs es schneller ausführen?

Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 58. So eine zweite Karte ist hier selten die Antwort.

IDEFICS-80B— 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.

IDEFICS-80B— Wie genau sind diese Geschwindigkeitsabschätzungen?

Dies sind Schätzungen mit realen Fehlerbalken, und jede von ihnen könnte vernünftigerweise irgendwo in ihrem veröffentlichten Bereich landen, abhängig davon, welches Runtime Sie verwenden. Das schnellste Ergebnis hier: 25–68 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

IDEFICS-80B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Quadro RTX 8000, mit einer MEMORY-KAPAZITÄT von 48 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 39.8 GB, und produziert ungefähr 9.6 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 58.

IDEFICS-80B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 42.4 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: 43.

IDEFICS-80B— Wie viel VRAM benötigt es?

Es benötigt etwa 39.8 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.

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