InternVL1.5 Υπολογιστής TPS

Ανοιχτά βάρη Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK) 25.5B παράμετροι April 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

241 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

Xeon Phi 7120P

16 GB · Q3_K_M · 10.3 tok/s

Ταχύτερη κάρτα

B200

133 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν InternVL1.5?

Ορίστε τις εισόδους, διαβάστε την απάντηση

Μήκος συμφραζομένων μουσικά κομμάτια

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

Ελάχιστη ποιότητα

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

Αναζήτηση καρτών

Μνήμη κάρτας

Επίσης δείξτε κάρτες που δεν μπορούν να το τρέξουν

241 οι κάρτες ταιριάζουν

Υπολογισμός

					Χρειάζεται	Ποσοτικοποίηση	Καλά
133 tok/s 80–213 · χαμηλή εμπιστοσύνη	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	28.0 GB	Q8_0	Άνετο
133 tok/s 80–213 · χαμηλή εμπιστοσύνη	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	28.0 GB	Q8_0	Άνετο
106 tok/s 64–170 · χαμηλή εμπιστοσύνη	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	28.0 GB	Q8_0	Άνετο
106 tok/s 64–170 · χαμηλή εμπιστοσύνη	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	28.0 GB	Q8_0	Άνετο
84.9 tok/s 51–136 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	28.0 GB	Q8_0	Άνετο
81.2 tok/s 49–130 · χαμηλή εμπιστοσύνη	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	28.0 GB	Q8_0	Άνετο
81.2 tok/s 49–130 · χαμηλή εμπιστοσύνη	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	28.0 GB	Q8_0	Άνετο
77.7 tok/s 47–124 · χαμηλή εμπιστοσύνη	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	28.0 GB	Q8_0	Άνετο
69.0 tok/s 41–110 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	28.0 GB	Q8_0	Άνετο
69.0 tok/s 41–110 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	28.0 GB	Q8_0	Άνετο
69.0 tok/s 41–110 · χαμηλή εμπιστοσύνη	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	28.0 GB	Q8_0	Άνετο
65.4 tok/s 39–105 · χαμηλή εμπιστοσύνη	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	28.0 GB	Q8_0	Άνετο
55.8 tok/s 33–89 · χαμηλή εμπιστοσύνη	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Άνετο
55.8 tok/s 33–89 · χαμηλή εμπιστοσύνη	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	28.0 GB	Q8_0	Άνετο
55.8 tok/s 33–89 · χαμηλή εμπιστοσύνη	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Άνετο
55.8 tok/s 33–89 · χαμηλή εμπιστοσύνη	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Άνετο
55.8 tok/s 33–89 · χαμηλή εμπιστοσύνη	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Άνετο
50.6 tok/s 30–81 · χαμηλή εμπιστοσύνη	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.2 GB	Q3_K_M	Στενά
43.0 tok/s 26–69 · χαμηλή εμπιστοσύνη	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.2 GB	Q3_K_M	Στενά
42.5 tok/s 26–68 · χαμηλή εμπιστοσύνη	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	28.0 GB	Q8_0	Άνετο
42.5 tok/s 26–68 · χαμηλή εμπιστοσύνη	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	28.0 GB	Q8_0	Άνετο
40.2 tok/s 24–64 · χαμηλή εμπιστοσύνη	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.2 GB	Q3_K_M	Στενά
40.2 tok/s 24–64 · χαμηλή εμπιστοσύνη	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.2 GB	Q3_K_M	Στενά
40.2 tok/s 24–64 · χαμηλή εμπιστοσύνη	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.2 GB	Q3_K_M	Στενά
40.2 tok/s 24–64 · χαμηλή εμπιστοσύνη	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	13.2 GB	Q3_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: Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK)
Τύπος οργανισμού: Academia,Industry,Academia,Academia,Academia,Academia
Χώρα: China, Hong Kong
Δημοσιευμένο: 29 April 2024
Συγγραφείς: Zhe Chen, Weiyun Wang, Hao Tian, Shenglong Ye, Zhangwei Gao, Erfei Cui, Wenwen Tong, Kongzhi Hu, Jiapeng Luo, Zheng Ma, Ji Ma, Jiaqi Wang, Xiaoyi Dong, Hang Yan, Hewei Guo, Conghui He, Botian Shi, Zhenjiang Jin, Chao Xu, Bin Wang, Xingjian Wei, Wei Li, Wenjian Zhang, Bo Zhang, Pinlong Cai, Licheng Wen, Xiangchao Yan, Min Dou, Lewei Lu, Xizhou Zhu, Tong Lu, Dahua Lin, Yu Qiao, Jifeng Dai, Wenhai Wa…

Τι κάνει

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

τομέας: Multimodal, Vision, Language
Εργασία: Visual question answering, Image captioning, Object detection, Character recognition (OCR), Language modeling/generation, Translation
Βασικό μοντέλο: InternViT-6B,InternLM2-20B

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: 25.5B
Δεδομένα εκπαίδευσης: tokens

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)
Κωδικός εκπαίδευσης: Unreleased
Αγκαλιάζοντας το Πρόσωπο: OpenGVLab

Πώς ταξινομείται

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

Εγγραφή εμπιστοσύνης: Confident

Πηγές

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

Αναφορά: How Far Are We to GPT-4V? Closing the Gap to Commercial Multimodal Models with Open-Source Suites
Τελευταία ενημέρωση: 28 November 2025

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν InternVL1.5

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..

Οι μικρότερες GPUs που ακόμη λειτουργούν InternVL1.5

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

Τι σημαίνουν οι αριθμοί

Η υλική πλευρά

Ελάχιστη κάρτα

Xeon Phi 7120P

Μνήμη που απαιτείται

13.2 GB

Ταχύτερος

133 tok/s

InternVL1.5 φτάνει σε αριθμό παραμέτρων του 25.5B. Αυτό προσγειώνεται στο εύρος που μπορεί να χειριστεί μια σοβαρή επιτραπέζια κάρτα μόλις τα βάρη συμπιεστούν. Ο αριθμός των καρτών που παρακολουθούμε που μπορούν να το εκτελέσουν: 241.

Στο χαμηλό άκρο καταφέρνει να διαχειρίζεται Xeon Phi 7120P, με χωρητικότητα μνήμης 16 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 10.3 tokens ανά δευτερόλεπτο

Κορυφαία κατηγορία είναι B200, γεννά προσεγγιστικά 133 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Υπόβαθρο

InternVL1.5 δημοσιεύθηκε από Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK), στην χώρα καταγεγραμμένη ως China, κατά τη διάρκεια April 2024. Η κατηγορία στην οποία υπάγεται ο εκδότης είναι academia,Industry,Academia,Academia,Academia,Academia.

Λειτουργεί στον τομέα της Multimodal, Vision, Language, και καταγράφεται ότι εκτελεί την εργασία του visual question answering, Image captioning, Object detection, Character recognition (OCR), Language modeling/generation, Translation.

Αντί να εκπαιδευτεί από την αρχή, προέρχεται από InternViT-6B,InternLM2-20B. Γι' αυτό μοιράζεται τη γενική μορφή και μέγεθος του βασικού μοντέλου.

Επειδή τα βάρη του απελευθερώθηκαν, τίποτα σχετικά με την εκτέλεσή του δεν εξαρτάται από το να παραμείνει διαθέσιμος ένας προμηθευτής - είναι δικό σας μόλις το κατεβάσετε. Στο Hugging Face δημοσιεύεται υπό την οργάνωση OpenGVLab.

Διαβάζοντας τα νούμερα απόδοσης

Σε κάθε κάρτα που μπορεί να το εκτελέσει, το μέσο της γκάμας βρίσκεται σε 19.9 δεδομένα ανά δευτερόλεπτο 195 τους

Είναι ένα πυκνό μοντέλο, οπότε κάθε παράμετρος διαβάζεται για κάθε τοκέτο που παράγεται. Αυτό καθιστά την ταχύτητα να παρακολουθεί σχεδόν ακριβώς τη μνήμη μπάκανθ — μια κάρτα με διπλάσια μπάκανθ παράγει περίπου διπλάσια γρήγορα.

Η εσωτερική του αρχιτεκτονική δεν είναι καταχωρημένη, οπότε η μνήμη προσεγγίζεται από τον αριθμό παραμέτρων και σημειώνεται αναλόγως. Αναμένετε η πραγματική τιμή να διαφέρει, περισσότερο σε μεγάλο πλαίσιο.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για InternVL1.5

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.

01

Έλεγξε τι χρειάζεται πριν από οτιδήποτε άλλο

Ο πίνακας παραθέτει κάθε κάρτα που μπορεί να κρατήσει InternVL1.5, χρειάζεστε γύρω 13.2 GB σε συμπίεση ενός Q3_K_M. Αυτή η τιμή, όχι η κύρια απόδοση μιας κάρτας, είναι αυτή που αποφασίζει αν θα τρέξει.
02

Αποφασίστε πόσο πολύ διαρκούν οι συνομιλίες σας

Η συζήτηση καταναλώνει μνήμη επίσης, και μεγαλώνει καθώς προχωρά. Ρυθμίστε τον διακόπτη στο μήκος που αναμένετε, γιατί σε μεγάλο context μια κάρτα που χειρίζεται εύκολα σύντομες ερωτήσεις μπορεί να απορριφθεί από InternVL1.5.
03

Ορίστε ένα ποιοτικό κατώφλι

Η στήλη ποσοτικοποίησης διαφέρει ανά κάρτα, διότι μια μεγαλύτερη κάρτα κρατά μια πιο ακριβή αντιγραφή., 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.
04

Κατάταξη με βάση την απόδοση αντί για το φύλλο προδιαγραφών

Ταξινόμηση κατά ταχύτητα για να δείτε πώς οι ΚΑΡΤΕΣ κατατάσσονται για InternVL1.5. Δεν θα ταιριάξει σε μια παραγγελία παιχνιδιών, επειδή η γενιά περιορίζεται από το memory bandwidth. Η κάρτα που είναι στην κορυφή της λίστας είναι B200, σε 133 τοκ/σ.
05

Διαβάστε την τελευταίο στήλη εφαρμογής

Το "Tight" σημαίνει ότι φορτώνει και λειτουργεί χωρίς περιθώριο να αυξηθεί το context αργότερα, στην περίπτωση του InternVL1.5. 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.
06

Έλεγξε την κάρτα από την άλλη πλευρά

Κάθε όνομα κάρτας συνδέεται με τη δική της σελίδα, η οποία εκτελεί την ίδια υπολογιστική διαδικασία σε όλο τον κατάλογο μοντέλων. Μια κάρτα συνήθως αγοράζεται για περισσότερα από ένα μοντέλο, οπότε αξίζει να ρίξετε μια ματιά πριν από την αγορά για InternVL1.5.

Απαντήσεις

InternVL1.5 — κοινές ερωτήσεις

InternVL1.5— μπορώ να το τρέξω σε μια GPU holding 24 GB?

Ναι. Η GPU GeForce RTX 5090 D V2, κρατώντας 24 ΓΒ, το τρέχει με συμπίεση από Q5_K_M, χρησιμοποιώντας περίπου 19.1 GB και παράγοντας περίπου 39.8 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

InternVL1.5— 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.

InternVL1.5— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 25.5B. 25.5B. 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.

InternVL1.5— ποιος το δημιούργησε;

Δημοσιεύθηκε από Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK), βασισμένο σε China, μία οργάνωση κατηγοριοποιημένη ως academia,Industry,Academia,Academia,Academia,Academia.

InternVL1.5— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε April 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.

InternVL1.5— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Multimodal, Vision, Language, και καταγράφεται ως διαχείριση της εργασίας του visual question answering, Image captioning, Object detection, Character recognition (OCR), Language modeling/generation, Translation. Αυτές είναι οι περιοχές γύρω από τις οποίες σχεδιάστηκε; Περιγράφουν την πρόθεση παρά ένα αυστηρό όριο.

InternVL1.5— πού μπορώ να το κατεβάσω;

Τα βάρη του είναι δημοσιευμένα στο Hugging Face, υπό την οργάνωση OpenGVLab. Δεν φιλοξενούμε αρχεία μοντέλων — αυτός ο ιστότοπος υπολογίζει ποιο υλικό απαιτείται για να τα εκτελέσετε.

InternVL1.5— 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 5.3 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

InternVL1.5— 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: 241. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

InternVL1.5— γιατί διαφέρει η ποσοτικοποίηση μεταξύ των καρτών;

Μια μεγαλύτερη ΚΑΡΤΑ συγκρατεί μια πιο ακριβή αντίγραφο. Ο αριθμός των επιπέδων συμπίεσης που χρησιμοποιούνται στις ΚΑΡΤΕΣ που την εκτελούν: 5. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

InternVL1.5— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Αυτές είναι εκτιμήσεις με πραγματικά περιθώρια σφάλματος, και οποιαδήποτε από αυτές θα μπορούσε λογικά να βρεθεί οπουδήποτε εντός της δημοσιευμένης περιοχής της, ανάλογα με το ποιο τρέξιμο χρησιμοποιείτε. Το ταχύτερο αποτέλεσμα εδώ: 80–213 tok/s στον B200. Το ίδιο μοντέλο και κάρτα διαφέρουν κατά τριάντα έως πενήντα τοις εκατό ανάλογα με το λογισμικό συμπερασμού και την έκδοσή του.

InternVL1.5— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι Xeon Phi 7120P, με χωρητικότητα μνήμης 16 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 13.2 GB, και παράγει περίπου 10.3 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 241.

InternVL1.5— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 133 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: 195.

InternVL1.5— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 13.2 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.

InternVL1.5— μπορώ να το τρέξω σε μια GPU holding 16 GB?

Ναι. Η GPU Tesla V100 SXM2 16 GB, κρατώντας 16 ΓΒ, το τρέχει με συμπίεση από Q3_K_M, χρησιμοποιώντας περίπου 13.2 GB και παράγοντας περίπου 50.6 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

Πηγή

Αρχική δημοσίευση

Η καταγραφή ενημερώθηκε τελευταία φορά 28 November 2025

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