Stable Diffusion 3.5 Large TPS-Rechner

Offene Gewichte Stability AI 8.1B Parameter October 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

582 Karten, die es ausführen können

818 Karten, für die wir Spezifikationen haben

Kleinste Karte, die passt

Quadro 6000

6 GB · IQ4_XS · 15.7 tok/s

Schnellste Karte

B200

418 tok/s · 180 GB

Welche GPUs können laufen Stable Diffusion 3.5 Large?

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.

582 Karten passen

Berechnung

					Braucht	Quantisierung	Passend
418 tok/s 251–669 · niedrige Vertrauenswürdigkeit	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.4 GB	Q8_0	Komfortabel
418 tok/s 251–669 · niedrige Vertrauenswürdigkeit	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.4 GB	Q8_0	Komfortabel
334 tok/s 200–534 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.4 GB	Q8_0	Komfortabel
334 tok/s 200–534 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.4 GB	Q8_0	Komfortabel
267 tok/s 160–427 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.4 GB	Q8_0	Komfortabel
256 tok/s 153–409 · niedrige Vertrauenswürdigkeit	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.4 GB	Q8_0	Komfortabel
256 tok/s 153–409 · niedrige Vertrauenswürdigkeit	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.4 GB	Q8_0	Komfortabel
245 tok/s 147–392 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.4 GB	Q8_0	Komfortabel
217 tok/s 130–347 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.4 GB	Q8_0	Komfortabel
217 tok/s 130–347 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.4 GB	Q8_0	Komfortabel
217 tok/s 130–347 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.4 GB	Q8_0	Komfortabel
206 tok/s 124–330 · niedrige Vertrauenswürdigkeit	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.4 GB	Q8_0	Komfortabel
176 tok/s 105–281 · niedrige Vertrauenswürdigkeit	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.4 GB	Q8_0	Komfortabel
176 tok/s 105–281 · niedrige Vertrauenswürdigkeit	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.4 GB	Q8_0	Komfortabel
176 tok/s 105–281 · niedrige Vertrauenswürdigkeit	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.4 GB	Q8_0	Komfortabel
176 tok/s 105–281 · niedrige Vertrauenswürdigkeit	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.4 GB	Q8_0	Komfortabel
176 tok/s 105–281 · niedrige Vertrauenswürdigkeit	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.4 GB	Q8_0	Komfortabel
139 tok/s 83–223 · niedrige Vertrauenswürdigkeit	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.5 GB	Q5_K_M	knapp
134 tok/s 80–214 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.4 GB	Q8_0	Komfortabel
134 tok/s 80–214 · niedrige Vertrauenswürdigkeit	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.4 GB	Q8_0	Komfortabel
119 tok/s 71–190 · niedrige Vertrauenswürdigkeit	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.5 GB	Q6_K	Komfortabel
111 tok/s 67–178 · niedrige Vertrauenswürdigkeit	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.4 GB	Q8_0	Komfortabel
109 tok/s 65–175 · niedrige Vertrauenswürdigkeit	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.4 GB	Q8_0	Komfortabel
107 tok/s 64–171 · niedrige Vertrauenswürdigkeit	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.4 GB	Q8_0	Komfortabel
107 tok/s 64–171 · niedrige Vertrauenswürdigkeit	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.4 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: Stability AI
Organisationsart: Industry
Land: United Kingdom of Great Britain and Northern Ireland
Veröffentlicht: 22 October 2024

Was es tut

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

Domain: Image generation
Aufgabe: Image generation, Text-to-image

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: 8.1B
Trainingsdaten: tokens

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 (restricted use)
Training-Code: Unreleased
Hugging Face: stabilityai

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: Confident

Quellen

Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.

Referenz: Introducing Stable Diffusion 3.5
Zuletzt aktualisiert: 28 November 2025

Die Extreme

Die zehn schnellsten GPUs, die RUN. Stable Diffusion 3.5 Large

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 Stable Diffusion 3.5 Large

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

Quadro 6000

Benötigter Speicher

5.1 GB

Schnellste

418 tok/s

Stable Diffusion 3.5 Large erreicht eine Parameteranzahl von 8.1B. Das ist klein genug, dass Hardware selten das Hindernis ist, einschließlich bei Karten, die mehrere Jahre alt sind. Die Anzahl der Karten, die wir verfolgen, die es ausführen können: 582.

Die kleinste Karte, die es hält, ist Quadro 6000, mit einer MEMORY-KAPAZITÄT von 6 GB, es mit einer Kompression von IQ4_XS und produziert etwa 15.7 Token pro Sekunde

Das schnellste Ergebnis kommt von B200, generieren ungefähr 418 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.

Über dieses Modell

Stable Diffusion 3.5 Large wurde veröffentlicht von Stability AI, im Land aufgezeichnet als United Kingdom of Great Britain and Northern Ireland, während October 2024. Die Kategorie, in die der Herausgeber fällt, ist industry.

Es funktioniert im Bereich von Image generation, und wird als die Aufgabe von aufgezeichnet image generation, Text-to-image.

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. stabilityai.

Wie schnell es läuft und warum

Die Hälfte der CARDS, die es halten, schaffen mehr als 23.5 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 551 von ihnen

Es ist ein dichtes Modell, daher wird jeder Parameter für jedes produzierte Token gelesen. Das macht die Geschwindigkeit fast genau bandbreitengebunden – eine Karte mit der doppelte Bandbreite erzeugt ungefähr doppelt so schnell.

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 Stable Diffusion 3.5 Large

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 Stable Diffusion 3.5 Large, benötigt ungefähr 5.1 GB bei einer Kompression von IQ4_XS. Die Kapazität ist das Tor — eine Karte hält es entweder oder sie tut es nicht.
02

Entscheide, wie lange deine Gespräche laufen

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. Stable Diffusion 3.5 Large.
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 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

Nach Geschwindigkeit sortieren, um zu sehen, wie die CARDS eingestuft sind für Stable Diffusion 3.5 Large. 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 418 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 Stable Diffusion 3.5 Large. 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

Das Folgen einer Karte zu ihrer eigenen Seite zeigt jedes andere Modell, das sie halten kann, was die Frage ist, die folgt, sobald Sie sich festgelegt haben. Stable Diffusion 3.5 Large.

Antworten

Stable Diffusion 3.5 Large — Häufige Fragen

Stable Diffusion 3.5 Large— 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.

Stable Diffusion 3.5 Large— 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: 251–669 tok/s auf B200. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.

Stable Diffusion 3.5 Large— Welche GPU benötige ich, um es auszuführen?

Die kleinste Karte in unserem Katalog, die es hält, ist Quadro 6000, mit einer MEMORY-KAPAZITÄT von 6 GB. Es führt das Modell mit einer Kompression von IQ4_XS verwenden von etwa 5.1 GB, und produziert ungefähr 15.7 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 582.

Stable Diffusion 3.5 Large— wie schnell ist es auf einer GPU?

Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B200, ungefähr 418 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: 551.

Stable Diffusion 3.5 Large— Wie viel VRAM benötigt es?

Es benötigt etwa 5.1 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.

Stable Diffusion 3.5 Large— Kann ich es auf einer GPU mitführen? 8 GB?

Ja. Die GPU-Karte CMP 170HX 8 GB, halten 8 GB, führt es mit einer Kompression von Q5_K_M, verwenden von etwa 6.5 GB und generieren grob 139 Token pro Sekunde. Der Fit ist eng.

Stable Diffusion 3.5 Large— 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 Q8_0, verwenden von etwa 9.4 GB und generieren grob 47.7 Token pro Sekunde. Der Fit ist eng.

Stable Diffusion 3.5 Large— 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 Q8_0, verwenden von etwa 9.4 GB und generieren grob 59.1 Tokens pro Sekunde. Der Fit ist komfortabel.

Stable Diffusion 3.5 Large— 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 9.4 GB und generieren grob 70.1 Tokens pro Sekunde. Der Fit ist komfortabel.

Stable Diffusion 3.5 Large— 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.

Stable Diffusion 3.5 Large— Wie viele Parameter hat es?

Es hat eine Parameteranzahl von 8.1B. 8.1B. 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.

Stable Diffusion 3.5 Large— Wer hat es erstellt?

Es wurde veröffentlicht von Stability AI, basiert auf United Kingdom of Great Britain and Northern Ireland, eine als kategorisierte Organisation industry.

Stable Diffusion 3.5 Large— Wann wurde es veröffentlicht?

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

Stable Diffusion 3.5 Large— Wofür wird es verwendet?

Es funktioniert im Bereich von Image generation, und wird als Bewältigung der Aufgabe von image generation, Text-to-image. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.

Stable Diffusion 3.5 Large— Wo kann ich es herunterladen?

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

Stable Diffusion 3.5 Large— Kann ich es ausführen, wenn es nicht in meine GPU passt?

Teilweise. Schichten, die nicht passen, verbleiben im System-Speicher und laufen mit einem Bruchteil der Geschwindigkeit, sodass ein überwiegend ausgelagerter Modell selten von Nutzen ist. Die nächste verpasste Berechnung bleibt hinter 1.1 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.

Stable Diffusion 3.5 Large— Würden zwei GPUs es schneller ausführen?

Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 582. So eine zweite Karte ist hier selten die Antwort.

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