ERNIE-4.5-300B-A47B TPS-Rechner
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
818 Karten, für die wir Spezifikationen haben
Kleinste Karte, die passt
B200
180 GB · IQ4_XS · 154 tok/s
Schnellste Karte
B200
154 tok/s · 180 GB
Welche GPUs können laufen ERNIE-4.5-300B-A47B?
Setze die Eingaben, lies die Antwort
Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..
Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..
7 Karten passen
Berechnung| Braucht | Quantisierung | Passend | |||||
|---|---|---|---|---|---|---|---|
|
154
tok/s
92–247 · niedrige Vertrauenswürdigkeit |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 153.0 GB | IQ4_XS | knapp |
|
91.2
tok/s
55–146 · niedrige Vertrauenswürdigkeit |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 240.3 GB | Q6_K | knapp |
|
75.2
tok/s
45–120 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 170.5 GB | Q4_K_M | knapp |
|
75.2
tok/s
45–120 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 170.5 GB | Q4_K_M | knapp |
|
72.8
tok/s
44–116 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 240.3 GB | Q6_K | knapp |
|
72.8
tok/s
44–116 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 240.3 GB | Q6_K | knapp |
|
65.6
tok/s
39–105 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 205.4 GB | Q5_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
- Baidu
- Organisationsart
- Industry
- Land
- China
- Veröffentlicht
- 29 June 2025
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering
- Numerisches Format
- FP8
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
- 300B
- Trainingsdaten
- tokens
MoE total parameters: 300B active parameters: 47B
"We commence with large-scale pre-training on trillions of pure-text tokens sourced from diverse domains."
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
- 2.8 × 10²⁴ FLOP
They say the model was trained on "trillions of tokens" Speculatively assuming 10T tokens: 6 FLOP / token / parameter * 47 * 10^9 active parameters * 10 * 10^12 assumed training tokens = 2.82e+24 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
- NVIDIA H800 SXM5
- Hardware-Auslastung
- MFU 47.0%
Abstract says: "We achieve 47% Model FLOPs Utilization (MFU) during the pre-training of our largest ERNIE 4.5 language model." Page 4: "We efficiently pre-train ERNIE 4.5 using a heterogeneous hybrid parallelism approach and a hierarchical load balancing solution tailored to multimodal large models. Through our extreme optimizations, including efficient intra-node expert parallelism, FP8 mixed-precision training, and fine-grained recomputation methods, we achieve 47% Model FLOPs Utilization (MF…
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
- baidu
Apache 2.0 https://huggingface.co/baidu/ERNIE-4.5-300B-A47B-Base-PT Apache 2.0 for inference code https://github.com/PaddlePaddle/ERNIE
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
- Speculative
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- ERNIE 4.5 Technical Report
- Zuletzt aktualisiert
- 28 November 2025
Die Extreme
Die zehn schnellsten GPUs, die RUN. ERNIE-4.5-300B-A47B
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..
- 01 B200 180 GB · 8,000 GB/s · IQ4_XS 154 tok/s
- 02 B300 288 GB · 8,000 GB/s · Q6_K 91.2 tok/s
- 03 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q4_K_M 75.2 tok/s
- 04 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q4_K_M 75.2 tok/s
- 05 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q6_K 72.8 tok/s
- 06 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q6_K 72.8 tok/s
- 07 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q5_K_M 65.6 tok/s
Die kleinsten GPUs, die immer noch laufen ERNIE-4.5-300B-A47B
Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..
- 01 B200 180 GB · Braucht 153.0 GB · IQ4_XS · knapp 154 tok/s
- 02 Radeon Instinct MI300X 192 GB · Braucht 170.5 GB · Q4_K_M · knapp 75.2 tok/s
- 03 Radeon Instinct MI308X 192 GB · Braucht 170.5 GB · Q4_K_M · knapp 75.2 tok/s
- 04 Radeon Instinct MI325X 256 GB · Braucht 205.4 GB · Q5_K_M · knapp 65.6 tok/s
- 05 B300 288 GB · Braucht 240.3 GB · Q6_K · knapp 91.2 tok/s
- 06 Radeon Instinct MI350X 288 GB · Braucht 240.3 GB · Q6_K · knapp 72.8 tok/s
- 07 Radeon Instinct MI355X 288 GB · Braucht 240.3 GB · Q6_K · knapp 72.8 tok/s
Was die Zahlen bedeuten
Die Hardware-Seite
Minimale Karte
B200
Benötigter Speicher
153.0 GB
Schnellste
154 tok/s
ERNIE-4.5-300B-A47B erreicht eine Parameteranzahl von 300B. Das übersteigt, was eine einzelne GPU-Karte hält. Es auszuführen bedeutet, entweder auf mehrere Karten aufzuteilen oder Hardware zu mieten, die für die Aufgabe gebaut ist, und jede Karte, die es alleine halten kann, ist ein Datacenter-Teil. Die Anzahl, die es kann: 7.
Am unteren Ende wird es von B200, mit einer MEMORY-KAPAZITÄT von 180 GB, es mit einer Kompression von IQ4_XS und produziert etwa 154 Token pro Sekunde
Die schnellste Berechnung dafür ist B200, generieren ungefähr 154 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.
Was dieses Modell ist
ERNIE-4.5-300B-A47B wurde veröffentlicht von Baidu, im Land aufgezeichnet als China, während June 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering.
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. baidu.
Was entscheidet die Geschwindigkeit
Das mediane Ergebnis liegt bei etwa 75.2 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 7 von ihnen
Die Mischung-von-Experten-Routing ist der Grund, warum die Geschwindigkeiten hier hoch für die Parameteranzahl erscheinen. Nur ein Bruchteil wird pro Token gelesen, aber das Ganze muss geladen werden.
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.
Wie es trainiert wurde
Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 2.8 × 10²⁴ FLOP, auf Hardware erfasst als NVIDIA H800 SXM5. 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 ERNIE-4.5-300B-A47B
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.
Beginne mit dem, was es tatsächlich benötigt, nämlich der Anforderung von ERNIE-4.5-300B-A47B, benötigt ungefähr 153.0 GB bei einer Kompression von IQ4_XS. Diese Zahl, nicht die Überschriftleistung einer Karte, entscheidet darüber, ob sie läuft.
-
02
Passen Sie den Kontext an Ihre tatsächliche Verwendung an
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. ERNIE-4.5-300B-A47B.
-
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 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
Nach Geschwindigkeit sortieren
Die Geschwindigkeitsreihenfolge ist effektiv eine Reihenfolge nach Speicherbandbreite, für ERNIE-4.5-300B-A47B. 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 154 tok/s
-
05
Überprüfen Sie das Passurteil, bevor Sie kaufen.
Ein enger Sitz läuft, lässt jedoch nichts für ein längeres Gespräch übrig, im Falle von ERNIE-4.5-300B-A47B. 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 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. ERNIE-4.5-300B-A47B.
Antworten
ERNIE-4.5-300B-A47B — Häufige Fragen
ERNIE-4.5-300B-A47B— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in June 2025.
ERNIE-4.5-300B-A47B— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
ERNIE-4.5-300B-A47B— Wo kann ich es herunterladen?
Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation baidu. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.
ERNIE-4.5-300B-A47B— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 2.8 × 10²⁴ FLOP, auf Hardware erfasst als NVIDIA H800 SXM5. 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.
ERNIE-4.5-300B-A47B— 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 43.6 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.
ERNIE-4.5-300B-A47B— Würden zwei GPUs es schneller ausführen?
Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 7. So eine zweite Karte ist hier selten die Antwort.
ERNIE-4.5-300B-A47B— 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.
ERNIE-4.5-300B-A47B— 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: 92–247 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.
ERNIE-4.5-300B-A47B— Welche GPU benötige ich, um es auszuführen?
Die kleinste Karte in unserem Katalog, die es hält, ist B200, mit einer MEMORY-KAPAZITÄT von 180 GB. Es führt das Modell mit einer Kompression von IQ4_XS verwenden von etwa 153.0 GB, und produziert ungefähr 154 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 7.
ERNIE-4.5-300B-A47B— wie schnell ist es auf einer GPU?
Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 154 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: 7.
ERNIE-4.5-300B-A47B— Wie viel VRAM benötigt es?
Es benötigt etwa 153.0 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.
ERNIE-4.5-300B-A47B— 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.
ERNIE-4.5-300B-A47B— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 300B. MoE total parameters: 300B active parameters: 47B. 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.
ERNIE-4.5-300B-A47B— Wer hat es erstellt?
Es wurde veröffentlicht von Baidu, basiert auf China, eine als kategorisierte Organisation industry.
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.