OPT-175B TPS-Rechner

Offene Gewichte Meta AI 175B Parameter May 2022

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

24 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

H100 PCIe 96 GB

96 GB · Q3_K_M · 21.9 tok/s

Schnellste Karte

Radeon Instinct MI300

28.6 tok/s · 128 GB

Welche GPUs können laufen OPT-175B?

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.

24 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
28.6 tok/s 17–46 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	106.6 GB	Q4_K_M	knapp
28.1 tok/s 17–45 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	147.3 GB	Q6_K	knapp
27.3 tok/s 16–44 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	106.6 GB	Q4_K_M	knapp
27.3 tok/s 16–44 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	106.6 GB	Q4_K_M	knapp
23.2 tok/s 14–37 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	106.6 GB	Q4_K_M	knapp
21.9 tok/s 13–35 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.2 GB	Q3_K_M	knapp
21.9 tok/s 13–35 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.2 GB	Q3_K_M	knapp
19.4 tok/s 12–31 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	188.1 GB	Q8_0	Komfortabel
15.5 tok/s 9–25 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	188.1 GB	Q8_0	Komfortabel
15.5 tok/s 9–25 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	188.1 GB	Q8_0	Komfortabel
14.6 tok/s 9–23 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	147.3 GB	Q6_K	knapp
14.6 tok/s 9–23 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	147.3 GB	Q6_K	knapp
14.3 tok/s 9–23 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	106.6 GB	Q4_K_M	knapp
14.3 tok/s 9–23 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	106.6 GB	Q4_K_M	knapp
11.9 tok/s 7–19 · niedrige Vertrauenswürdigkeit	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	106.6 GB	Q4_K_M	knapp
11.7 tok/s 7–19 · niedrige Vertrauenswürdigkeit	RTX PRO 6000 Blackwell NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	knapp
11.7 tok/s 7–19 · niedrige Vertrauenswürdigkeit	RTX PRO 6000 Blackwell Max-Q NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	knapp
11.7 tok/s 7–19 · niedrige Vertrauenswürdigkeit	RTX PRO 6000 Blackwell Server NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	knapp
11.7 tok/s 7–19 · niedrige Vertrauenswürdigkeit	RTX PRO 6000D Blackwell Max-Q NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	knapp
11.7 tok/s 7–19 · niedrige Vertrauenswürdigkeit	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	106.6 GB	Q4_K_M	knapp
11.3 tok/s 7–18 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	188.1 GB	Q8_0	Komfortabel
10.4 tok/s 6–17 · niedrige Vertrauenswürdigkeit	Data Center GPU Max 1350 Intel	96 GB	2,460 GB/s	Jan 2023	86.2 GB	Q3_K_M	knapp
1.5 tok/s 1–2 · niedrige Vertrauenswürdigkeit	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	106.6 GB	Q4_K_M	knapp
1.5 tok/s 1–2 · niedrige Vertrauenswürdigkeit	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	106.6 GB	Q4_K_M	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: Meta AI
Organisationsart: Industry
Land: United States of America
Veröffentlicht: 2 May 2022
Autoren: Susan Zhang∗ , Stephen Roller∗ , Naman Goyal∗ , Mikel Artetxe, Moya Chen, Shuohui Chen, Christopher Dewan, Mona Diab, Xian Li, Xi Victoria Lin, Todor Mihaylov, Myle Ott† , Sam Shleifer† , Kurt Shuster, Daniel Simig, Punit Singh Koura, Anjali Sridhar, Tianlu Wang, Luke Zettlemoyer

Was es tut

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

Domain: Language
Aufgabe: Language modeling, Chat, Language modeling/generation, Question answering
Ansatz: Self-supervised learning
Numerisches Format: FP16

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: 175B
Trainingsdaten: 180,000,000,000 tokens
Epochen: 1.67
Batch-Größe: 2,000,000

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: 4.3 × 10²³ FLOP
Wie es etabliert wurde: Reported

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 SXM4 80 GB
Verwendete Chips: 1,024
Chip-Stunden: 812,544
Wand-Uhrzeit: 794 hours (33.1 days)
Hardware-Auslastung: HFU 47.1%
Stromverbrauch: 822.7 kW
Rechenkosten: $733,635

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: 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.

Wahrscheinlich über 10²³ FLOP: Yes
Warum es verfolgt wird: Significant use,Highly cited
Aufzeichnungsgenauigkeit: Confident
Zitationen: 4,716
Benchmark-Daten: OPT-175B

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: OPT: Open Pre-trained Transformer Language Models
Zuletzt aktualisiert: 25 May 2026

Die Extreme

Die zehn schnellsten GPUs, die RUN. OPT-175B

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 OPT-175B

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

H100 PCIe 96 GB

Benötigter Speicher

86.2 GB

Schnellste

28.6 tok/s

OPT-175B erreicht eine Parameteranzahl von 175B. 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: 24.

Der Einstiegspunkt ist H100 PCIe 96 GB, mit einer MEMORY-KAPAZITÄT von 96 GB, es mit einer Kompression von Q3_K_M und produziert etwa 21.9 Token pro Sekunde

Die schnellste Berechnung dafür ist Radeon Instinct MI300, generieren ungefähr 28.6 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 6,550 GB/s.

Was dieses Modell ist

OPT-175B wurde veröffentlicht von Meta AI, im Land aufgezeichnet als United States of America, während May 2022. Die veröffentlichende Organisation ist als industry.

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

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

Was entscheidet die Geschwindigkeit

Über jede Karte, die es ausführen kann, liegt die Mitte der Reihe bei 14.5 Token pro Sekunde. Text schneller produzieren, als die meisten Menschen ihn lesen. 22 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.

Training und Herkunft

Das Training benötigte ein Rechenbudget von ungefähr 4.3 × 10²³ FLOP, auf Hardware erfasst als NVIDIA A100 SXM4 80 GB. 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 180,000,000,000 Text-Tokens

Das Einschlusskriterium: significant use,Highly cited.

Schritt für Schritt

Wie wählt man eine GPU für OPT-175B

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

Jede Karte hier wurde geprüft gegen OPT-175B, benötigt ungefähr 86.2 GB bei einer Kompression von Q3_K_M. 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. OPT-175B.
03

Setze eine Qualitätsuntergrenze

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

Vergleiche TOKENS pro Sekunde, nicht Spezifikationen

Die Geschwindigkeitsreihenfolge ist effektiv eine Reihenfolge nach Speicherbandbreite, für OPT-175B. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist Radeon Instinct MI300, bei 28.6 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 OPT-175B. 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

Jede Karte verlinkt auf ihre eigene Seite, die dieselbe Berechnung über den gesamten Modellkatalog ausführt. Eine Karte wird normalerweise für mehr als ein Modell gekauft, daher lohnt sich ein Blick, bevor man kauft. OPT-175B.

Antworten

OPT-175B — Häufige Fragen

OPT-175B— 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.

OPT-175B— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 4.3 × 10²³ FLOP, auf Hardware erfasst als NVIDIA A100 SXM4 80 GB. 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.

OPT-175B— 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 22.0 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

OPT-175B— 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: 24. So eine zweite Karte ist hier selten die Antwort.

OPT-175B— 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.

OPT-175B— 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: 17–46 tok/s auf Radeon Instinct MI300. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

OPT-175B— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist H100 PCIe 96 GB, mit einer MEMORY-KAPAZITÄT von 96 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 86.2 GB, und produziert ungefähr 21.9 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 24.

OPT-175B— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist Radeon Instinct MI300, ungefähr 28.6 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: 22.

OPT-175B— Wie viel VRAM benötigt es?

Es benötigt etwa 86.2 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.

OPT-175B— 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.

OPT-175B— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 175B. "In line with Meta AI’s commitment to open science, we are sharing Open Pretrained Transformer (OPT-175B), a language model with 175 billion parameters trained on publicly available data sets". 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.

OPT-175B— Wer hat es erstellt?

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

OPT-175B— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in May 2022. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

OPT-175B— Wofür wird es verwendet?

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

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 25 May 2026

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