GigaChat Lite (GigaChat-20B-A3B) TPS-Rechner

Offene Gewichte Sber 20B Parameter December 2024

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

295 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

GeForce GTX 1080 Ti

11 GB · Q3_K_M · 131 tok/s

Schnellste Karte

B200

941 tok/s · 180 GB

Welche GPUs können laufen GigaChat Lite (GigaChat-20B-A3B)?

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.

295 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
941 tok/s 565–1,506 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	21.3 GB	Q8_0	Komfortabel
941 tok/s 565–1,506 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	21.3 GB	Q8_0	Komfortabel
752 tok/s 451–1,202 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	21.3 GB	Q8_0	Komfortabel
752 tok/s 451–1,202 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	21.3 GB	Q8_0	Komfortabel
601 tok/s 361–962 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	21.3 GB	Q8_0	Komfortabel
575 tok/s 345–920 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.3 GB	Q8_0	Komfortabel
575 tok/s 345–920 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.3 GB	Q8_0	Komfortabel
551 tok/s 330–881 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	21.3 GB	Q8_0	Komfortabel
489 tok/s 293–782 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Komfortabel
489 tok/s 293–782 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Komfortabel
489 tok/s 293–782 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Komfortabel
464 tok/s 278–742 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	21.3 GB	Q8_0	Komfortabel
395 tok/s 237–632 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Komfortabel
395 tok/s 237–632 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	21.3 GB	Q8_0	Komfortabel
395 tok/s 237–632 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Komfortabel
395 tok/s 237–632 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Komfortabel
395 tok/s 237–632 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Komfortabel
301 tok/s 181–482 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	21.3 GB	Q8_0	Komfortabel
301 tok/s 181–482 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	21.3 GB	Q8_0	Komfortabel
290 tok/s 174–463 · niedrige Vertrauenswürdigkeit	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	9.7 GB	Q3_K_M	knapp
290 tok/s 174–463 · niedrige Vertrauenswürdigkeit	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	9.7 GB	Q3_K_M	knapp
251 tok/s 150–401 · niedrige Vertrauenswürdigkeit	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	21.3 GB	Q8_0	Komfortabel
245 tok/s 147–393 · niedrige Vertrauenswürdigkeit	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	21.3 GB	Q8_0	Komfortabel
244 tok/s 146–390 · niedrige Vertrauenswürdigkeit	RTX A5000-12Q NVIDIA	12 GB	768 GB/s	Apr 2021	9.7 GB	Q3_K_M	knapp
240 tok/s 144–384 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	21.3 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: Sber
Organisationsart: Industry,Government
Land: Russia
Veröffentlicht: 13 December 2024

Was es tut

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

Domain: Language
Aufgabe: Language modeling/generation, Question answering, Chat

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: 20B
Trainingsdaten: tokens

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: 9.9 × 10²² FLOP

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: ai-sage

Wie es klassifiziert ist

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

Aufzeichnungsgenauigkeit: Speculative

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: the first open MoE model in Russia
Zuletzt aktualisiert: 11 February 2026

Die Extreme

Die zehn schnellsten GPUs, die RUN. GigaChat Lite (GigaChat-20B-A3B)

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 GigaChat Lite (GigaChat-20B-A3B)

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

GeForce GTX 1080 Ti

Benötigter Speicher

9.7 GB

Schnellste

941 tok/s

GigaChat Lite (GigaChat-20B-A3B) erreicht eine Parameteranzahl von 20B. Das landet im Bereich, den eine ernsthafte Desktop-KARTE bewältigen kann, sobald die GEWICHTE komprimiert sind. Die Anzahl der KARTE, die wir verfolgen, die es ausführen kann: 295.

Die kleinste Karte, die es hält, ist GeForce GTX 1080 Ti, mit einer MEMORY-KAPAZITÄT von 11 GB, es mit einer Kompression von Q3_K_M und produziert etwa 131 Token pro Sekunde

Die schnellste Berechnung dafür ist B200, generieren ungefähr 941 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Was dieses Modell ist

GigaChat Lite (GigaChat-20B-A3B) wurde veröffentlicht von Sber, im Land aufgezeichnet als Russia, während December 2024. Die veröffentlichende Organisation ist als industry,Government.

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

Die Gewichte sind veröffentlicht, sodass sie auf deiner eigenen Hardware unbegrenzt, offline und ohne angehängtes Konto heruntergeladen und ausgeführt werden kann. Es ist unter der Organisation auf Hugging Face veröffentlicht. ai-sage.

Was entscheidet die Geschwindigkeit

Über jede Karte, die es ausführen kann, liegt die Mitte der Reihe bei 101.7 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 293 von ihnen

Dies ist ein Mischung-von-Experten-Modell, das jedes Token nur durch einen Teil von sich selbst leitet. Es generiert daher viel schneller, als es seine gesamte Größe vermuten lässt — während es dennoch jeden Parameter im MEMORY benötigt, sodass es schnell ist, ohne billig zu sein, um es zu halten.

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

Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 9.9 × 10²² 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 GigaChat Lite (GigaChat-20B-A3B)

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

Jede Karte hier wurde geprüft gegen GigaChat Lite (GigaChat-20B-A3B), benötigt ungefähr 9.7 GB bei einer Kompression von Q3_K_M. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
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. GigaChat Lite (GigaChat-20B-A3B).
03

Entscheiden Sie, wie viel Kompression Sie akzeptieren werden.

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 Geschwindigkeit sortieren

Das Ranking nach Tokens pro Sekunde folgt der Speicherbandbreite anstelle der Kernanzahl, für GigaChat Lite (GigaChat-20B-A3B). 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 941 tok/s
05

Lies die Spalte "fit" zuletzt

Ein enger Sitz läuft, lässt jedoch nichts für ein längeres Gespräch übrig, im Falle von GigaChat Lite (GigaChat-20B-A3B). 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. GigaChat Lite (GigaChat-20B-A3B).

Antworten

GigaChat Lite (GigaChat-20B-A3B) — Häufige Fragen

GigaChat Lite (GigaChat-20B-A3B)— Wie viel VRAM benötigt es?

Es benötigt etwa 9.7 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.

GigaChat Lite (GigaChat-20B-A3B)— Kann ich es auf einer GPU mitführen? 12 GB?

Ja. Die GPU-Karte GeForce RTX 3080 Ti, halten 12 GB, führt es mit einer Kompression von Q3_K_M, verwenden von etwa 9.7 GB und generieren grob 290 Token pro Sekunde. Der Fit ist eng.

GigaChat Lite (GigaChat-20B-A3B)— Kann ich es auf einer GPU mitführen? 16 GB?

Ja. Die GPU-Karte Tesla V100 SXM2 16 GB, halten 16 GB, führt es mit einer Kompression von Q5_K_M, verwenden von etwa 14.3 GB und generieren grob 237 Token pro Sekunde. Der Fit ist eng.

GigaChat Lite (GigaChat-20B-A3B)— Kann ich es auf einer GPU mitführen? 24 GB?

Ja. Die GPU-Karte GeForce RTX 5090 D V2, halten 24 GB, führt es mit einer Kompression von Q8_0, verwenden von etwa 21.3 GB und generieren grob 158 Token pro Sekunde. Der Fit ist eng.

GigaChat Lite (GigaChat-20B-A3B)— 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.

GigaChat Lite (GigaChat-20B-A3B)— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 20B. 20B total parameters 3.3B active parameters. 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.

GigaChat Lite (GigaChat-20B-A3B)— Wer hat es erstellt?

Es wurde veröffentlicht von Sber, basiert auf Russia, eine als kategorisierte Organisation industry,Government.

GigaChat Lite (GigaChat-20B-A3B)— Wann wurde es veröffentlicht?

Es wurde veröffentlicht in December 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.

GigaChat Lite (GigaChat-20B-A3B)— Wofür wird es verwendet?

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

GigaChat Lite (GigaChat-20B-A3B)— Wo kann ich es herunterladen?

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

GigaChat Lite (GigaChat-20B-A3B)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?

Training verbrauchte etwa 9.9 × 10²² 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.

GigaChat Lite (GigaChat-20B-A3B)— 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 3.0 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

GigaChat Lite (GigaChat-20B-A3B)— 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: 295. So eine zweite Karte ist hier selten die Antwort.

GigaChat Lite (GigaChat-20B-A3B)— Warum unterscheidet sich die Quantisierung zwischen Karten?

Eine größere Karte hält eine genauere Kopie. Die Anzahl der verwendeten Komprimierungsstufen über die Karten, die es ausführen: 4. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.

GigaChat Lite (GigaChat-20B-A3B)— Wie genau sind diese Geschwindigkeitsabschätzungen?

Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 565–1,506 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

GigaChat Lite (GigaChat-20B-A3B)— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist GeForce GTX 1080 Ti, mit einer MEMORY-KAPAZITÄT von 11 GB. Es führt das Modell mit einer Kompression von Q3_K_M verwenden von etwa 9.7 GB, und produziert ungefähr 131 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 295.

GigaChat Lite (GigaChat-20B-A3B)— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 941 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: 293.

Quelle

Originalveröffentlichung

Letzte Aktualisierung des Protokolls 11 February 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