Qwen-72B Υπολογιστής TPS

Ανοιχτά βάρη Alibaba 72B παράμετροι November 2023

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

43 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

Radeon Instinct MI200

64 GB · IQ4_XS · 18.5 tok/s

Ταχύτερη κάρτα

B200

47.1 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν Qwen-72B?

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.

43 οι κάρτες ταιριάζουν

Υπολογισμός
Χρειάζεται Ποσοτικοποίηση Καλά
47.1 tok/s

40–56

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 93.3 GB Q8_0 Άνετο
47.1 tok/s

40–56

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 93.3 GB Q8_0 Άνετο
37.6 tok/s

23–60 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 93.3 GB Q8_0 Άνετο
37.6 tok/s

23–60 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 93.3 GB Q8_0 Άνετο
35.3 tok/s

30–42

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 68.1 GB Q5_K_M Στενά
35.3 tok/s

30–42

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 68.1 GB Q5_K_M Στενά
33.7 tok/s

29–40

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 76.5 GB Q6_K Στενά
30.1 tok/s

18–48 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 93.3 GB Q8_0 Άνετο
29.2 tok/s

25–35

H100 SXM5 64 GB NVIDIA 64 GB 2,020 GB/s Mar 2023 55.6 GB IQ4_XS Στενά
28.8 tok/s

24–35

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 93.3 GB Q8_0 Άνετο
28.8 tok/s

24–35

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 93.3 GB Q8_0 Άνετο
28.7 tok/s

24–34

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 76.5 GB Q6_K Στενά
28.7 tok/s

24–34

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 76.5 GB Q6_K Στενά
28.7 tok/s

24–34

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 76.5 GB Q6_K Στενά
27.5 tok/s

17–44 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 93.3 GB Q8_0 Άνετο
24.4 tok/s

15–39 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 93.3 GB Q8_0 Άνετο
24.4 tok/s

15–39 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 93.3 GB Q8_0 Άνετο
24.4 tok/s

15–39 · χαμηλή εμπιστοσύνη

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 93.3 GB Q8_0 Άνετο
21.4 tok/s

18–26

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 68.1 GB Q5_K_M Στενά
21.4 tok/s

18–26

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 68.1 GB Q5_K_M Στενά
21.4 tok/s

18–26

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 68.1 GB Q5_K_M Στενά
21.4 tok/s

18–26

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 68.1 GB Q5_K_M Στενά
21.4 tok/s

18–26

H100 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Oct 2022 68.1 GB Q5_K_M Στενά
21.4 tok/s

18–26

H800 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Mar 2023 68.1 GB Q5_K_M Στενά
20.4 tok/s

17–24

A100 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Jun 2021 68.1 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
Alibaba
Τύπος οργανισμού
Industry
Χώρα
China
Δημοσιευμένο
30 November 2023
Συγγραφείς
Jinze Bai, Shuai Bai, Yunfei Chu, Zeyu Cui, Kai Dang, Xiaodong Deng, Yang Fan, Wenbin Ge, Yu Han, Fei Huang, Binyuan Hui, Luo Ji, Mei Li, Junyang Lin, Runji Lin, Dayiheng Liu, Gao Liu, Chengqiang Lu, Keming Lu, Jianxin Ma, Rui Men, Xingzhang Ren, Xuancheng Ren, Chuanqi Tan, Sinan Tan, Jianhong Tu, Peng Wang, Shijie Wang, Wei Wang, Shengguang Wu, Benfeng Xu, Jin Xu, An Yang, Hao Yang, Jian Yang, Sh…

Τι κάνει

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

τομέας
Language
Εργασία
Chat, Code generation, Language modeling/generation, Question answering
Αριθμητική μορφή
BF16

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
72B

72B

Δεδομένα εκπαίδευσης
3,000,000,000,000 tokens

Assuming not trained for multiple epochs.

Μέγεθος παρτίδας
4,000,000

Table 1 https://arxiv.org/abs/2309.16609 (this is uncertain because this table only lists sizes up to 14B. 72B was released after the paper)

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.

Εκπαίδευση υπολογιστών
1.3 × 10²⁴ FLOP

72 billion params, 3 trillion tokens 72b * 3T * 6 = 1.3e24

Πώς ιδρύθηκε
Operation counting

Η εκπαίδευση run

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

Κέντρο δεδομένων
The paper does not mention any hardware, GPUs or any information regarding the hardware used.

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 (restricted use)
Κωδικός εκπαίδευσης
Unreleased

up to 100m active users: https://github.com/QwenLM/Qwen/blob/main/Tongyi%20Qianwen%20LICENSE%20AGREEMENT

Πώς ταξινομείται

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

Πιθανώς πάνω από 10²³ FLOP
Yes
Γιατί παρακολουθείται
SOTA improvement

SOTA on several Chinese benchmarks, with highest average rating overall for Chinese benchmarks: https://opencompass.org.cn/leaderboard-llm "significantly surpasses existing open-source models on multiple Chinese and English downstream evaluation tasks (including commonsense, reasoning, code, mathematics, etc.)" I haven't found confirmations of it being absolute SOTA on any particular benchmarks, only among similarly sized models

Εγγραφή εμπιστοσύνης
Confident

Πηγές

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

Τελευταία ενημέρωση
28 November 2025

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν Qwen-72B

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 B300 288 GB · 8,000 GB/s · Q8_0 47.1 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 47.1 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 37.6 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 37.6 tok/s
  5. 05 H800 SXM5 80 GB · 3,360 GB/s · Q5_K_M 35.3 tok/s
  6. 06 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q5_K_M 35.3 tok/s
  7. 07 H100 NVL 94 GB 94 GB · 3,940 GB/s · Q6_K 33.7 tok/s
  8. 08 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.1 tok/s
  9. 09 H100 SXM5 64 GB 64 GB · 2,020 GB/s · IQ4_XS 29.2 tok/s
  10. 10 H200 NVL 141 GB · 4,890 GB/s · Q8_0 28.8 tok/s

Οι μικρότερες GPUs που ακόμη λειτουργούν Qwen-72B

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

  1. 01 Jetson T4000 64 GB · Χρειάζεται 55.6 GB · IQ4_XS · Στενά 4.0 tok/s
  2. 02 H100 SXM5 64 GB 64 GB · Χρειάζεται 55.6 GB · IQ4_XS · Στενά 29.2 tok/s
  3. 03 Jetson AGX Orin 64 GB 64 GB · Χρειάζεται 55.6 GB · IQ4_XS · Στενά 3.0 tok/s
  4. 04 Radeon Instinct MI200 64 GB · Χρειάζεται 55.6 GB · IQ4_XS · Στενά 18.5 tok/s
  5. 05 Radeon Instinct MI210 64 GB · Χρειάζεται 55.6 GB · IQ4_XS · Στενά 18.5 tok/s
  6. 06 RTX PRO 5000 72 GB Blackwell 72 GB · Χρειάζεται 59.8 GB · Q4_K_M · Στενά 18.2 tok/s
  7. 07 H100 CNX 80 GB · Χρειάζεται 68.1 GB · Q5_K_M · Στενά 21.4 tok/s
  8. 08 H800 PCIe 80 GB 80 GB · Χρειάζεται 68.1 GB · Q5_K_M · Στενά 21.4 tok/s
  9. 09 H800 SXM5 80 GB · Χρειάζεται 68.1 GB · Q5_K_M · Στενά 35.3 tok/s
  10. 10 A800 PCIe 80 GB 80 GB · Χρειάζεται 68.1 GB · Q5_K_M · Στενά 20.4 tok/s

Τι σημαίνουν οι αριθμοί

Η υλική πλευρά

Ελάχιστη κάρτα

Radeon Instinct MI200

Μνήμη που απαιτείται

55.6 GB

Ταχύτερος

47.1 tok/s

Qwen-72B φτάνει σε αριθμό παραμέτρων του 72B. 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: 43.

Στο χαμηλό άκρο καταφέρνει να διαχειρίζεται Radeon Instinct MI200, με χωρητικότητα μνήμης 64 GB, τρέχοντας το σε μια συμπίεση του IQ4_XS και παράγοντας περίπου 18.5 tokens ανά δευτερόλεπτο

Στην άλλη άκρη κάθεται B200, γεννά προσεγγιστικά 47.1 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Από πού προήλθε

Qwen-72B δημοσιεύθηκε από Alibaba, στην χώρα καταγεγραμμένη ως China, κατά τη διάρκεια November 2023. Η κατηγορία στην οποία υπάγεται ο εκδότης είναι industry.

Λειτουργεί στον τομέα της Language, και καταγράφεται ότι εκτελεί την εργασία του chat, Code generation, Language modeling/generation, Question answering.

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

Κατανόηση των ταχυτήτων

Η μισή από τις κάρτες που το κρατούν διαχειρίζονται περισσότερα από 21.4 δεκάδες ανά δευτερόλεπτο 39 τους

Επειδή είναι πυκνό, διαβάζει όλα τα στοιχεία του ανά τοκέν, γι' αυτό και η ταξινόμηση κατά ταχύτητα παρακάτω ακολουθεί τόσο στενά την ταξινόμηση κατά μνήμης πλάτους.

Επειδή η αρχιτεκτονική είναι καταγεγραμμένη, η στήλη μνήμης προκύπτει μάλλον παρά εκτιμάται.

Τι χρειάστηκε για την κατασκευή του

Η παραγωγή του απαιτούσε αριθμητική που ανήλθε περίπου 1.3 × 10²⁴ FLOP. Αυτή η τιμή μετράει το κόστος παραγωγής του μοντέλου και δεν έχει σχέση με το πόσο γρήγορα απαντά.

Εκπαιδεύτηκε σε ένα σώμα περίπου 3,000,000,000,000 κωδικοί κειμένου

Το κριτήριο συμπερασμού του: sOTA improvement.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για Qwen-72B

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

    Αρχίστε από αυτό που πραγματικά χρειάζεται, το οποίο είναι η απαίτηση του Qwen-72B, χρειάζεστε γύρω 55.6 GB σε συμπίεση ενός IQ4_XS. Καμία ποσότητα επεξεργαστικής ισχύος δεν μπορεί να αντισταθμίσει μια κάρτα που δεν μπορεί να την κρατήσει.

  2. 02

    Αποφασίστε πόσο πολύ διαρκούν οι συνομιλίες σας

    Ρυθμίστε το πλαίσιο σε αυτό που θα χρησιμοποιήσετε πραγματικά. Η μνήμη αυξάνεται με την συνομιλία, και είναι ο συνηθισμένος λόγος που μια κάρτα που φαινόταν εντάξει σταματά να ταιριάζει. Qwen-72B.

  3. 03

    Επίλεξε πόσο μακριά θα το συμπιέσεις

    Κάθε κάρτα εκτελεί την λιγότερο συμπιεσμένη έκδοση που μπορεί να κρατήσει, φτάνοντας σε μια συμπίεση του IQ4_XS 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

    Σύγκριση TPS, όχι προδιαγραφές

    Ταξινόμηση κατά ταχύτητα για να δείτε πώς οι ΚΑΡΤΕΣ κατατάσσονται για Qwen-72B. 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 47.1 τοκ/σ.

  5. 05

    Διαβάστε την τελευταίο στήλη εφαρμογής

    Η στήλη καταλληλότητας χωρίζει τις κάρτες που απλά τα καταφέρνουν από αυτές που έχουν περιθώριο, στην περίπτωση του Qwen-72B. 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

    Έλεγξε την κάρτα από την άλλη πλευρά

    Κάθε σελίδα κάρτας επαναλαμβάνει αυτή τη διαδικασία για κάθε μοντέλο που διαθέτουμε, απαντώντας σε το τι άλλο είναι καλό για το υλικό πέρα από Qwen-72B.

Απαντήσεις

Qwen-72B — κοινές ερωτήσεις

01

Qwen-72B— ποιος το δημιούργησε;

Δημοσιεύθηκε από Alibaba, βασισμένο σε China, μία οργάνωση κατηγοριοποιημένη ως industry.

02

Qwen-72B— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε November 2023. Η ικανότητα ανά παράμετρο έχει βελτιωθεί σημαντικά από τότε, οπότε ένα νέο ΜΟΝΤΕΛ του ίδιου μεγέθους είναι συχνά η καλύτερη χρήση του ίδιου υλικού.

03

Qwen-72B— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του chat, Code generation, Language modeling/generation, Question answering. Τα Μοντέλα συχνά φέρουν περισσότερα από ένα από το καθένα, και οι ετικέτες περιγράφουν τον σκοπό παρά τους περιορισμούς ικανότητας.

04

Qwen-72B— 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.

05

Qwen-72B— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;

Η εκπαίδευση κατανάλωσε περίπου 1.3 × 10²⁴ FLOP. Αυτό μετράει το κόστος παραγωγής του μοντέλου και δεν λέει τίποτα για το πόσο γρήγορα απαντά μόλις εκπαιδευτεί — η ταχύτητα συμπερασμάτων προέρχεται από τον δίαυλο μνήμης, όχι από τον προϋπολογισμό εκπαίδευσης.

06

Qwen-72B— μπορώ να το τρέξω αν δεν χωράει στην GPU μου;

Μερικώς. Οι στρώσεις που δεν χωρούν βρίσκονται στη μνήμη του συστήματος και λειτουργούν με κλάσμα της ταχύτητας, οπότε ένα μοντέλο που είναι κυρίως εκφορτωμένο σπάνια αξίζει να χρησιμοποιηθεί. Η πλησιέστερη αποτυχία που υπολογίζουμε υπολείπεται κατά 16.6 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

07

Qwen-72B— 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: 43. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

08

Qwen-72B— 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: 5. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

09

Qwen-72B— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Κάθε νούμερο προκύπτει από το εύρος ζώνης μνήμης και το μέγεθος του μοντέλου, χωρίς να έχουν αξιολογηθεί, γι' αυτό και κάθε ένα δημοσιεύεται ως εύρος αντί για έναν μόνο αριθμό. Ένα παράδειγμα: 40–56 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.

10

Qwen-72B— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι Radeon Instinct MI200, με χωρητικότητα μνήμης 64 GB. Τρέχει το μοντέλο σε συμπίεση της IQ4_XS χρησιμοποιώντας περίπου 55.6 GB, και παράγει περίπου 18.5 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 43.

11

Qwen-72B— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 47.1 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: 39.

12

Qwen-72B— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 55.6 GB σε συμπίεση IQ4_XS, 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.

13

Qwen-72B— 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.

14

Qwen-72B— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 72B. 72B. 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.

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