SaulLM-large Υπολογιστής TPS

Ανοιχτά βάρη Equall.ai 141B παράμετροι July 2024

Κάθε κάρτα παρακάτω αξιολογείται σύμφωνα με αυτό το μοντέλο στη διάρκεια συμφραζομένων και την ελάχιστη ποιότητα που επιλέγετε. Η ταχύτητα είναι μια εκτίμηση για ένα μόνο αίτημα, υπολογισμένη από το εύρος ζώνης μνήμης της κάρτας και το μέγεθος του μοντέλου μόλις συμπιεστεί..

Υπολογίστηκε για αυτό το μοντέλο

37 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

A100 SXM4 80 GB

80 GB · Q3_K_M · 16.5 tok/s

Ταχύτερη κάρτα

H100 NVL 94 GB

29.1 tok/s · 94 GB

Ποιες GPU μπορούν να τρέξουν SaulLM-large?

Ορίστε τις εισόδους, διαβάστε την απάντηση

Μια μεγαλύτερη συζήτηση χρειάζεται περισσότερη μνήμη, γεγονός που μπορεί να απομακρύνει αυτό το μοντέλο από μικρότερες κάρτες..

Κρύβει κάρτες που θα χωρούσαν μόνο το μοντέλο συμπιέζοντας το κάτω από αυτό το σημείο.

37 οι κάρτες ταιριάζουν

Υπολογισμός
Χρειάζεται Ποσοτικοποίηση Καλά
29.1 tok/s

17–47 · χαμηλή εμπιστοσύνη

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 77.8 GB IQ4_XS Στενά
27.4 tok/s

16–44 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 102.4 GB Q5_K_M Στενά
27.2 tok/s

16–44 · χαμηλή εμπιστοσύνη

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 69.6 GB Q3_K_M Στενά
27.2 tok/s

16–44 · χαμηλή εμπιστοσύνη

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 69.6 GB Q3_K_M Στενά
24.8 tok/s

15–40 · χαμηλή εμπιστοσύνη

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 77.8 GB IQ4_XS Στενά
24.0 tok/s

14–38 · χαμηλή εμπιστοσύνη

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 151.7 GB Q8_0 Στενά
24.0 tok/s

14–38 · χαμηλή εμπιστοσύνη

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 151.7 GB Q8_0 Άνετο
23.3 tok/s

14–37 · χαμηλή εμπιστοσύνη

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.0 GB Q4_K_M Στενά
23.3 tok/s

14–37 · χαμηλή εμπιστοσύνη

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.0 GB Q4_K_M Στενά
22.3 tok/s

13–36 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 102.4 GB Q5_K_M Στενά
21.3 tok/s

13–34 · χαμηλή εμπιστοσύνη

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 118.8 GB Q6_K Στενά
21.3 tok/s

13–34 · χαμηλή εμπιστοσύνη

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 118.8 GB Q6_K Στενά
19.2 tok/s

12–31 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 151.7 GB Q8_0 Άνετο
19.2 tok/s

12–31 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 151.7 GB Q8_0 Άνετο
16.5 tok/s

10–26 · χαμηλή εμπιστοσύνη

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 69.6 GB Q3_K_M Στενά
16.5 tok/s

10–26 · χαμηλή εμπιστοσύνη

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 69.6 GB Q3_K_M Στενά
16.5 tok/s

10–26 · χαμηλή εμπιστοσύνη

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 69.6 GB Q3_K_M Στενά
16.5 tok/s

10–26 · χαμηλή εμπιστοσύνη

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 69.6 GB Q3_K_M Στενά
16.5 tok/s

10–26 · χαμηλή εμπιστοσύνη

H100 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Oct 2022 69.6 GB Q3_K_M Στενά
16.5 tok/s

10–26 · χαμηλή εμπιστοσύνη

H800 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Mar 2023 69.6 GB Q3_K_M Στενά
15.7 tok/s

9–25 · χαμηλή εμπιστοσύνη

A100 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Jun 2021 69.6 GB Q3_K_M Στενά
15.7 tok/s

9–25 · χαμηλή εμπιστοσύνη

A800 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Nov 2022 69.6 GB Q3_K_M Στενά
14.1 tok/s

8–22 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 151.7 GB Q8_0 Άνετο
13.7 tok/s

8–22 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 102.4 GB Q5_K_M Στενά
13.7 tok/s

8–22 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 102.4 GB Q5_K_M Στενά

Οι ταχύτητες είναι εκτιμήσεις για ένα μόνο αίτημα — μία συνομιλία τη φορά — υπολογισμένες από την μνήμη, το μέγεθος του μοντέλου και την ποσοτικοποίηση. Η πραγματική διακύμανση έξοδου ποικίλλει με τον χρόνο εκτέλεσης συμπερασμάτων και την έκδοσή του. Οι αριθμοί που δημοσιεύονται από τους προμηθευτές υλικού μετρούν πολλές ταυτόχρονες αιτήσεις και είναι πολύ υψηλότεροι..

Σε καταγραφή

Πλήρης προδιαγραφή

Όλα τα καταγεγραμμένα για αυτό το μοντέλο. Τα περισσότερα από αυτά περιγράφουν το πώς εκπαιδεύτηκε παρά το πώς τρέχει — χρήσιμο πλαίσιο για την εκτίμηση του πόση εργασία έχει επενδυθεί σε αυτό, και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα..

Προέλευση

Ποιος κατασκεύασε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε.

Οργάνωση
Equall.ai
Τύπος οργανισμού
Industry
Χώρα
United States of America
Δημοσιευμένο
28 July 2024
Συγγραφείς
Pierre Colombo, Telmo Pires, Malik Boudiaf, Rui Melo, Dominic Culver, Sofia Morgado, Etienne Malaboeuf, Gabriel Hautreux, Johanne Charpentier, Michael Desa

Τι κάνει

Οι προβληματικές περιοχές για τις οποίες σχεδιάστηκε το μοντέλο. Ένα μοντέλο μπορεί να διαθέτει αρκετές από κάθε μία.

τομέας
Language
Εργασία
Question answering
Βασικό μοντέλο
Mixtral 8x22B

Μέγεθος

Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα έχει εκπαιδευτεί. Οι παράμετροι είναι ο αριθμός που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.

παράμετροι
141B

SaulLM-large is based on Mixtral-141B-Instruct, a Transformer model with a Mixture of Experts that selects only 2 out of 8 experts to process tokens for each layer [1]. https://arxiv.org/abs/2407.19584

Δεδομένα εκπαίδευσης
tokens

This is a text generation model so dataset size is measured in number of words. Assuming the pre-training dataset contains 540B tokens and English words only, Dataset size ~= 540e9 tokens * 0.75 words / token = 405e9 words = 4.05e11 words 1. https://arxiv.org/abs/2407.19584 2. https://docs.google.com/document/d/1XWLyMzcVfDv4eFQX3yPgM8MZ3_Q1phtIFz9GKv4_KaM/edit?tab=t.0#heading=h.ieihc08p8dn0

Μέγεθος παρτίδας
4

Εκπαίδευση υπολογιστών

Η αριθμητική που πραγματοποιήθηκε για την εκπαίδευση του μοντέλου, μετρημένη σε πράξεις κινητής υποδιαστολής. Είναι ένα μέτρο του κόστους της προπόνησης, όχι της ταχύτητας με την οποία το ολοκληρωμένο μοντέλο σας απαντά.

Ρύθμιση υπολογιστών
1.3 × 10²³ FLOP

The paper doesn’t provide a clear description of the fine-tuning dataset, so there’s insufficient information to calculate the fine-tuning compute.

Η εκπαίδευση run

Τι απαιτήθηκε φυσικά για την εκπαίδευση: ποιες κάρτες, πόσες, για πόσο καιρό, και τι αυτό απαιτούσε από το ρεύμα.

Υλικό εκπαίδευσης
AMD Radeon Instinct MI250
χρησιμοποιούμενα τσιπ
384
Χρήση υλικού
HFU 40.0%

Compute Infrastructure "The computational backbone for the continuous pretraining phase of our project consists of 384 AMD MI250 GPUs. We can reach 40% GPU utilization with our implementation. For instruction fine-tuning and preference optimization, we rely on 64 AMD MI250 GPUs. Evaluation protocols are executed on a single node of AMD MI250 GPU." The utilization measurement description, "We can reach 40% GPU utilization", sounds like they're reporting HFU.

Κατανάλωση ενέργειας
378.7 kW

Διαθεσιμότητα

Εάν μπορείτε να αποκτήσετε το μοντέλο και να το τρέξετε στο δικό σας υλικό, το οποίο αποφασίζει αν οποιαδήποτε από τις αριθμούς της κάρτας γραφικών σε αυτή τη σελίδα ισχύει.

Βάρη
Open — downloadable
Πρόσβαση μοντέλου
Open weights (unrestricted)

Πώς ταξινομείται

Ετικέτες το πηγαίο σύνολο δεδομένων εφαρμόζει όταν παρακολουθεί σημαντικά μοντέλα, και πόσο βέβαιο είναι στην είσοδο.

Εγγραφή εμπιστοσύνης
Likely
Παραπομπές
44

Πηγές

Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία φορά.

Αναφορά
SaulLM-54B & SaulLM-141B: Scaling Up Domain Adaptation for the Legal Domain
Τελευταία ενημέρωση
25 May 2026

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν SaulLM-large

Καταταγμένο κατά εκτιμώμενα tokens ανά δευτερόλεπτο, η νέα κάρτα πρώτα όπου οι ταχύτητες ισοφαρίζουν. Επειδή η γενιά εξαρτάται από την μνήμη μπάδνγουθ, αυτή η ταξινόμηση ακολουθεί την μπάδνγουθ παρά οποιοδήποτε benchmark παιχνιδιού..

  1. 01 H100 NVL 94 GB 94 GB · 3,940 GB/s · IQ4_XS 29.1 tok/s
  2. 02 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q5_K_M 27.4 tok/s
  3. 03 H800 SXM5 80 GB · 3,360 GB/s · Q3_K_M 27.2 tok/s
  4. 04 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q3_K_M 27.2 tok/s
  5. 05 H100 SXM5 94 GB 94 GB · 3,360 GB/s · IQ4_XS 24.8 tok/s
  6. 06 B300 288 GB · 8,000 GB/s · Q8_0 24.0 tok/s
  7. 07 B200 180 GB · 8,000 GB/s · Q8_0 24.0 tok/s
  8. 08 H100 PCIe 96 GB 96 GB · 3,360 GB/s · Q4_K_M 23.3 tok/s
  9. 09 H100 SXM5 96 GB 96 GB · 3,360 GB/s · Q4_K_M 23.3 tok/s
  10. 10 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q5_K_M 22.3 tok/s

Οι μικρότερες GPUs που ακόμη λειτουργούν SaulLM-large

Η φθηνότερη διαδρομή, κατά χωρητικότητα μνήμης. Μια σφιχτή εφαρμογή τρέχει το μοντέλο αλλά δεν αφήνει τίποτα επιπλέον για μια μεγαλύτερη συνομιλία..

  1. 01 H100 CNX 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 16.5 tok/s
  2. 02 H800 PCIe 80 GB 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 16.5 tok/s
  3. 03 H800 SXM5 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 27.2 tok/s
  4. 04 A800 PCIe 80 GB 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 15.7 tok/s
  5. 05 H100 PCIe 80 GB 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 16.5 tok/s
  6. 06 H100 SXM5 80 GB 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 27.2 tok/s
  7. 07 A800 SXM4 80 GB 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 16.5 tok/s
  8. 08 A100 PCIe 80 GB 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 15.7 tok/s
  9. 09 A100X 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 16.5 tok/s
  10. 10 A100 SXM4 80 GB 80 GB · Χρειάζεται 69.6 GB · Q3_K_M · Στενά 16.5 tok/s

Τι σημαίνουν οι αριθμοί

Τι χρειάζεσαι για να το τρέξεις

Ελάχιστη κάρτα

A100 SXM4 80 GB

Μνήμη που απαιτείται

69.6 GB

Ταχύτερος

29.1 tok/s

SaulLM-large φτάνει σε αριθμό παραμέτρων του 141B. Αυτό το τοποθετεί πάνω από το καταναλωτικό υλικό, στην κατηγορία όπου μια ΚΑΡΤΑ αγοράζεται για αυτόν τον σκοπό αντί να επαναχρησιμοποιηθεί γι' αυτό. Ο αριθμός των ΚΑΡΤΩΝ που παρακολουθούμε που μπορούν να το διατηρήσουν: 37.

Ο ελάχιστος εξοπλισμός που λειτουργεί είναι A100 SXM4 80 GB, με χωρητικότητα μνήμης 80 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 16.5 tokens ανά δευτερόλεπτο

Στην άλλη άκρη κάθεται H100 NVL 94 GB, γεννά προσεγγιστικά 29.1 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 3,940 GB/s.

Τι είναι αυτό το μοντέλο

SaulLM-large δημοσιεύθηκε από Equall.ai, στην χώρα καταγεγραμμένη ως United States of America, κατά τη διάρκεια July 2024. Ο εκδοτικός οργανισμός κατηγοριοποιείται ως industry.

Λειτουργεί στον τομέα της Language, και καταγράφεται ότι εκτελεί την εργασία του question answering.

Το σημείο εκκίνησής του ήταν ένα υπάρχον μοντέλο βάσης, Mixtral 8x22B. Αυτή είναι η συνηθισμένη διαδικασία παραγωγής ενός εξειδικευμένου μοντέλου.

Τα βάρη είναι δημοσιευμένα, έτσι ώστε να μπορούν να κατεβούν και να τρέξουν στον δικό σας υπολογιστή επ' αόριστον, εκτός σύνδεσης, χωρίς λογαριασμό συνδεδεμένο.

Τι αποφασίζει την ταχύτητα

Σε κάθε κάρτα που μπορεί να το εκτελέσει, το μέσο της γκάμας βρίσκεται σε 16.5 τόκεν ανά δευτερόλεπτο. Παραγωγή κειμένου ταχύτερα από το μεγαλύτερο μέρος των ανθρώπων το διαβάζουν. 35 τους

Κάθε βάρος συμμετέχει σε κάθε τόκεν εδώ, έτσι το εύρος ζώνης είναι ολόκληρη η ιστορία: η κατάταξη παρακάτω είναι ουσιαστικά μια κατάταξη της ροής μνήμης.

Η μνήμη εδώ εκτιμάται από το μέγεθος παρά υπολογίζεται από την αρχιτεκτονική, η οποία δεν έχει καταγραφεί για αυτό το μοντέλο — οι αριθμοί είναι ενδεικτικοί παρά ακριβείς.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για SaulLM-large

Ο πίνακας παραπάνω έχει ήδη αξιολογήσει κάθε κάρτα για την οποία έχουμε προδιαγραφές σε σχέση με αυτό το μοντέλο. Η εύρεση της απάντησής σας απαιτεί έξι βήματα.

  1. 01

    Έλεγξε τι χρειάζεται πριν από οτιδήποτε άλλο

    Ο πίνακας παραθέτει κάθε κάρτα που μπορεί να κρατήσει SaulLM-large, χρειάζεστε γύρω 69.6 GB σε συμπίεση ενός Q3_K_M. Καμία ποσότητα επεξεργαστικής ισχύος δεν μπορεί να αντισταθμίσει μια κάρτα που δεν μπορεί να την κρατήσει.

  2. 02

    Ταιριάξτε το πλαίσιο με την πραγματική σας χρήση

    Οι μεγαλύτερες συνομιλίες κοστίζουν μνήμη επιπλέον από εκείνη που χρειάζονται τα βάρη. Μετακινήστε τον διακόπτη στο πραγματικό σας μήκος εργασίας πριν εμπιστευτείτε οποιαδήποτε γραμμή για SaulLM-large.

  3. 03

    Επίλεξε πόσο μακριά θα το συμπιέσεις

    Κάθε κάρτα εκτελεί την λιγότερο συμπιεσμένη έκδοση που μπορεί να κρατήσει, φτάνοντας σε μια συμπίεση του Q3_K_M στην μικρότερη κάρτα που χωρά. Η ρύθμιση μιας ελάχιστης ποιότητας απορρίπτει τις κάρτες που το διαχειρίζονται μόνο σφίγγοντας περισσότερο από αυτό που θα θέλατε, και διατηρεί τη σύγκριση σε ένα επίπεδο.

  4. 04

    Ταξινόμηση κατά ταχύτητα

    Η κατάταξη κατά τους αριθμούς ανά δευτερόλεπτο ακολουθεί την εύρος μνήμης αντί για τον αριθμό πυρήνων, για SaulLM-large. Δεν θα ταιριάξει σε μια παραγγελία παιχνιδιών, επειδή η γενιά περιορίζεται από το memory bandwidth. Η κάρτα που είναι στην κορυφή της λίστας είναι H100 NVL 94 GB, σε 29.1 τοκ/σ.

  5. 05

    Ελέγξτε την απόφαση κατάλληλης εφαρμογής πριν από την αγορά

    Η στήλη καταλληλότητας χωρίζει τις κάρτες που απλά τα καταφέρνουν από αυτές που έχουν περιθώριο, στην περίπτωση του SaulLM-large. Άνετο σημαίνει ότι μπορείτε να επεκτείνετε το context αργότερα. Αυτή η διαφορά έχει μεγαλύτερη σημασία από μερικά tokens ανά δευτερόλεπτο, οπότε αγοράστε για άνετο αν το περιμένετε.

  6. 06

    Δες τι άλλο τρέχει αυτή η κάρτα

    Ακολουθώντας μια κάρτα μέχρι τη δική της σελίδα δείχνει κάθε άλλο μοντέλο που μπορεί να κρατήσει, το οποίο είναι το ερώτημα που προκύπτει μόλις αποφασίσετε για SaulLM-large.

Απαντήσεις

SaulLM-large — κοινές ερωτήσεις

01

SaulLM-large— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι H100 NVL 94 GB, γύρω από 29.1 tokens ανά δευτερόλεπτο; ο πιο αργός που εξακολουθεί να τρέχει διαχειρίζεται σημαντικά λιγότερα. Η ταχύτητα ανάγνωσης είναι γύρω από δέκα tokens ανά δευτερόλεπτο, και ο αριθμός των καρτών που καθαρίζουν αυτό: 35.

02

SaulLM-large— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 69.6 GB σε συμπίεση Q3_K_M, ποια είναι η μικρότερη κάρτα που το τρέχει. Λιγότερη συμπίεση χρειάζεται περισσότερα: οι αριθμοί στη στήλη μνήμης παραπάνω υπολογίζονται ξανά για κάθε κάρτα, επειδή κάθε μία κρατά την λιγότερο συμπιεσμένη έκδοση που μπορεί.

03

SaulLM-large— είναι ανοιχτού κώδικα;

Οι βάσεις του είναι δημοσιευμένες, οπότε μπορεί να κατέβει και να τρέξει σε δικό σας υλικό. Σημειώστε ότι τα open weights δεν είναι το ίδιο με το open source με την πλήρη έννοια — δεν λέει τίποτα για τα δεδομένα εκπαίδευσης, τον κώδικα εκπαίδευσης ή τους εμπορικούς όρους που συσχετίζονται.

04

SaulLM-large— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 141B. SaulLM-large is based on Mixtral-141B-Instruct, a Transformer model with a Mixture of Experts that selects only 2 out of 8 experts to process tokens for each layer [1]. https://arxiv.org/abs/2407.19584. Αυτή η φιγούρα είναι το σύνολο, και είναι αυτό που αποφασίζει πόση μνήμη χρειάζεται το μοντέλο - περίπου μισό γιγαμπάιτ ανά δισεκατομμύριο με τη συμπίεση που χρησιμοποιεί το πιο πολλοί άνθρωποι.

05

SaulLM-large— ποιος το δημιούργησε;

Δημοσιεύθηκε από Equall.ai, βασισμένο σε United States of America, μία οργάνωση κατηγοριοποιημένη ως industry.

06

SaulLM-large— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε July 2024. Η ικανότητα ανά παράμετρο έχει βελτιωθεί σημαντικά από τότε, οπότε ένα νέο ΜΟΝΤΕΛ του ίδιου μεγέθους είναι συχνά η καλύτερη χρήση του ίδιου υλικού.

07

SaulLM-large— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του question answering. Ένα ΜΟΝΤΕΛ μπορεί να φέρει πολλά από το καθένα, οπότε αυτές είναι οι περιοχές για τις οποίες κατασκευάστηκε παρά περιορισμός σε ό,τι θα προσπαθήσει.

08

SaulLM-large— πού μπορώ να το κατεβάσω;

Οι παράμετροι είναι δημοσιευμένες, αν και δεν κρατάμε σύνδεσμο αποθετηρίου γι' αυτό. Αυτή η ιστοσελίδα υπολογίζει τις απαιτήσεις υλικού αντί να φιλοξενεί αρχεία μοντέλων.

09

SaulLM-large— μπορώ να το τρέξω αν δεν χωράει στην GPU μου;

Μπορεί να χωριστεί μεταξύ της κάρτας και της μνήμης του συστήματος, αλλά παράγει επώδυνα αργά με αυτόν τον τρόπο. Η πλησιέστερη αποτυχία που υπολογίζουμε υπολείπεται κατά 21.2 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

10

SaulLM-large— θα τρέξουν δύο GPU πιο γρήγορα;

Μια δεύτερη ΚΑΡΤΑ περίπου διπλασιάζει τη διαθέσιμη ΜΝΗΜΗ αλλά όχι το ρυθμό παραγωγής. Ο αριθμός που είναι ήδη ικανός να το τρέξει μόνος του: 37. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

11

SaulLM-large— γιατί διαφέρει η ποσοτικοποίηση μεταξύ των καρτών;

Κάθε κάρτα εμφανίζεται τρέχοντας την λιγότερο συμπιεσμένη έκδοση που μπορεί να κρατήσει. Ο αριθμός των διακριτών επιπέδων συμπίεσης στις κάρτες που ταιριάζουν σε αυτήν: 6. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

12

SaulLM-large— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Υπολογίζονται από προδιαγραφές και όχι μετρήσεις, και κάθε μία φέρει μια γκάμα. Ένα παράδειγμα: 17–47 tok/s στον H100 NVL 94 GB. Το ίδιο μοντέλο και κάρτα διαφέρουν κατά τριάντα έως πενήντα τοις εκατό ανάλογα με το λογισμικό συμπερασμού και την έκδοσή του.

13

SaulLM-large— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι A100 SXM4 80 GB, με χωρητικότητα μνήμης 80 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 69.6 GB, και παράγει περίπου 16.5 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 37.

Πηγή

Αρχική δημοσίευση

Η καταγραφή ενημερώθηκε τελευταία φορά 25 May 2026

Η άλλη κατεύθυνση

Κοιτάζοντας το από την άλλη πλευρά;

Αυτή η σελίδα ξεκινά από το μοντέλο. Αν έχετε ήδη μια κάρτα και θέλετε να μάθετε τα πάντα για το τι θα τρέξει., ξεκινήστε από το υλικό αντ' αυτού.

Όλα τα μοντέλα AI