Guanaco-65B Υπολογιστής TPS
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
818 κάρτες που κρατάμε προδιαγραφές για
Η μικρότερη κάρτα που χωράει
A100 PCIe 40 GB
40 GB · Q3_K_M · 27.4 tok/s
Ταχύτερη κάρτα
B200
52.1 tok/s · 180 GB
Ποιες GPU μπορούν να τρέξουν Guanaco-65B?
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.
61 οι κάρτες ταιριάζουν
Υπολογισμός| Χρειάζεται | Ποσοτικοποίηση | Καλά | |||||
|---|---|---|---|---|---|---|---|
|
52.1
tok/s
31–83 · χαμηλή εμπιστοσύνη |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 70.3 GB | Q8_0 | Άνετο |
|
52.1
tok/s
31–83 · χαμηλή εμπιστοσύνη |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 70.3 GB | Q8_0 | Άνετο |
|
41.6
tok/s
25–67 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 70.3 GB | Q8_0 | Άνετο |
|
41.6
tok/s
25–67 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 70.3 GB | Q8_0 | Άνετο |
|
33.3
tok/s
20–53 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 70.3 GB | Q8_0 | Άνετο |
|
31.9
tok/s
19–51 · χαμηλή εμπιστοσύνη |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 70.3 GB | Q8_0 | Άνετο |
|
31.9
tok/s
19–51 · χαμηλή εμπιστοσύνη |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 70.3 GB | Q8_0 | Άνετο |
|
30.5
tok/s
18–49 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 70.3 GB | Q8_0 | Άνετο |
|
28.1
tok/s
17–45 · χαμηλή εμπιστοσύνη |
GRID A100B NVIDIA | 48 GB | 1,870 GB/s | May 2020 | 40.0 GB | Q4_K_M | Στενά |
|
27.4
tok/s
16–44 · χαμηλή εμπιστοσύνη |
A100 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Jun 2020 | 32.5 GB | Q3_K_M | Στενά |
|
27.4
tok/s
16–44 · χαμηλή εμπιστοσύνη |
A100 SXM4 40 GB NVIDIA | 40 GB | 1,560 GB/s | May 2020 | 32.5 GB | Q3_K_M | Στενά |
|
27.4
tok/s
16–44 · χαμηλή εμπιστοσύνη |
A800 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Nov 2022 | 32.5 GB | Q3_K_M | Στενά |
|
27.1
tok/s
16–43 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 70.3 GB | Q8_0 | Άνετο |
|
27.1
tok/s
16–43 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 70.3 GB | Q8_0 | Άνετο |
|
27.1
tok/s
16–43 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 70.3 GB | Q8_0 | Άνετο |
|
25.7
tok/s
15–41 · χαμηλή εμπιστοσύνη |
H100 NVL 94 GB NVIDIA | 94 GB | 3,940 GB/s | Mar 2023 | 70.3 GB | Q8_0 | Άνετο |
|
21.9
tok/s
13–35 · χαμηλή εμπιστοσύνη |
H100 PCIe 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 70.3 GB | Q8_0 | Άνετο |
|
21.9
tok/s
13–35 · χαμηλή εμπιστοσύνη |
H100 SXM5 80 GB NVIDIA | 80 GB | 3,360 GB/s | Oct 2022 | 70.3 GB | Q8_0 | Στενά |
|
21.9
tok/s
13–35 · χαμηλή εμπιστοσύνη |
H100 SXM5 94 GB NVIDIA | 94 GB | 3,360 GB/s | Mar 2023 | 70.3 GB | Q8_0 | Άνετο |
|
21.9
tok/s
13–35 · χαμηλή εμπιστοσύνη |
H100 SXM5 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 70.3 GB | Q8_0 | Άνετο |
|
21.9
tok/s
13–35 · χαμηλή εμπιστοσύνη |
H800 SXM5 NVIDIA | 80 GB | 3,360 GB/s | Mar 2023 | 70.3 GB | Q8_0 | Στενά |
|
20.2
tok/s
12–32 · χαμηλή εμπιστοσύνη |
RTX PRO 5000 Blackwell NVIDIA | 48 GB | 1,340 GB/s | Mar 2025 | 40.0 GB | Q4_K_M | Στενά |
|
19.1
tok/s
11–31 · χαμηλή εμπιστοσύνη |
H100 SXM5 64 GB NVIDIA | 64 GB | 2,020 GB/s | Mar 2023 | 55.2 GB | Q6_K | Στενά |
|
16.7
tok/s
10–27 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI250 AMD | 128 GB | 3,280 GB/s | Nov 2021 | 70.3 GB | Q8_0 | Άνετο |
|
16.7
tok/s
10–27 · χαμηλή εμπιστοσύνη |
Radeon Instinct MI250X AMD | 128 GB | 3,280 GB/s | Nov 2021 | 70.3 GB | Q8_0 | Άνετο |
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
- University of Washington
- Τύπος οργανισμού
- Academia
- Χώρα
- United States of America
- Δημοσιευμένο
- 23 May 2023
- Συγγραφείς
- Tim Dettmers, Artidoro Pagnoni, Ari Holtzman, Luke Zettlemoyer
Τι κάνει
Οι προβληματικές περιοχές για τις οποίες σχεδιάστηκε το μοντέλο. Ένα μοντέλο μπορεί να διαθέτει αρκετές από κάθε μία.
- τομέας
- Language
- Εργασία
- Chat
- Βασικό μοντέλο
- LLaMA-65B
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
- 65B
- Δεδομένα εκπαίδευσης
- tokens
from Llama-65B (also 33B, 13B, 7B variants)
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
- 5.5 × 10²³ FLOP
- Πώς ιδρύθηκε
- Hardware
- Ρύθμιση υπολογιστών
- 8 × 10¹⁸ FLOP
Fine-tune of Llama-65B, which appears to have been trained on a "professional grade GPU" with 48GB VRAM (likely A6000) for 24 hours. Fine-tune compute is negligible compared to pretraining (5.5e23 for Llama-65b)
"using a single professional GPU over 24 hours we achieve 99.3% with our largest model" no model specified, but if it's an A100, 312 tflop/s * 24 * 3600 * 0.3 utilization = 8e18
Η εκπαίδευση run
Τι απαιτήθηκε φυσικά για την εκπαίδευση: ποιες κάρτες, πόσες, για πόσο καιρό, και τι αυτό απαιτούσε από το ρεύμα.
- Χρόνος τοίχου
- 24 hours
24 hours
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 (non-commercial)
- Κωδικός εκπαίδευσης
- Open source
LLaMA license, non-commercial for weights. code is MIT code: https://github.com/artidoro/qlora/blob/main/scripts/finetune_guanaco_65b.sh
Πώς ταξινομείται
Ετικέτες το πηγαίο σύνολο δεδομένων εφαρμόζει όταν παρακολουθεί σημαντικά μοντέλα, και πόσο βέβαιο είναι στην είσοδο.
- Πιθανώς πάνω από 10²³ FLOP
- Yes
- Εγγραφή εμπιστοσύνης
- Confident
- Παραπομπές
- 4,560
Πηγές
Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία φορά.
- Αναφορά
- QLoRA: Efficient Finetuning of Quantized LLMs
- Τελευταία ενημέρωση
- 25 May 2026
Οι ακραίοι
Οι δέκα ταχύτερες GPUs που τρέχουν Guanaco-65B
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..
- 01 B300 288 GB · 8,000 GB/s · Q8_0 52.1 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q8_0 52.1 tok/s
- 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 41.6 tok/s
- 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 41.6 tok/s
- 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 33.3 tok/s
- 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 31.9 tok/s
- 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 31.9 tok/s
- 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 30.5 tok/s
- 09 GRID A100B 48 GB · 1,870 GB/s · Q4_K_M 28.1 tok/s
- 10 A800 PCIe 40 GB 40 GB · 1,560 GB/s · Q3_K_M 27.4 tok/s
Οι μικρότερες GPUs που ακόμη λειτουργούν Guanaco-65B
Η φθηνότερη διαδρομή, κατά χωρητικότητα μνήμης. Μια σφιχτή εφαρμογή τρέχει το μοντέλο αλλά δεν αφήνει τίποτα επιπλέον για μια μεγαλύτερη συνομιλία..
- 01 A800 PCIe 40 GB 40 GB · Χρειάζεται 32.5 GB · Q3_K_M · Στενά 27.4 tok/s
- 02 A100 PCIe 40 GB 40 GB · Χρειάζεται 32.5 GB · Q3_K_M · Στενά 27.4 tok/s
- 03 A100 SXM4 40 GB 40 GB · Χρειάζεται 32.5 GB · Q3_K_M · Στενά 27.4 tok/s
- 04 Radeon PRO W7900D 48 GB · Χρειάζεται 40.0 GB · Q4_K_M · Στενά 10.1 tok/s
- 05 RTX PRO 5000 Blackwell 48 GB · Χρειάζεται 40.0 GB · Q4_K_M · Στενά 20.2 tok/s
- 06 RTX 5880 Ada Generation 48 GB · Χρειάζεται 40.0 GB · Q4_K_M · Στενά 13.0 tok/s
- 07 L20 48 GB · Χρειάζεται 40.0 GB · Q4_K_M · Στενά 13.0 tok/s
- 08 Radeon PRO W7800 48 GB 48 GB · Χρειάζεται 40.0 GB · Q4_K_M · Στενά 10.1 tok/s
- 09 Radeon PRO W7900 48 GB · Χρειάζεται 40.0 GB · Q4_K_M · Στενά 10.1 tok/s
- 10 Data Center GPU Max 1100 48 GB · Χρειάζεται 40.0 GB · Q4_K_M · Στενά 12.0 tok/s
Τι σημαίνουν οι αριθμοί
Απαιτήσεις υλικού στην πράξη
Ελάχιστη κάρτα
A100 PCIe 40 GB
Μνήμη που απαιτείται
32.5 GB
Ταχύτερος
52.1 tok/s
Guanaco-65B φτάνει σε αριθμό παραμέτρων του 65B. 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: 61.
Το σημείο εισόδου είναι A100 PCIe 40 GB, με χωρητικότητα μνήμης 40 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 27.4 tokens ανά δευτερόλεπτο
Η ταχύτερη έκβαση προέρχεται από B200, γεννά προσεγγιστικά 52.1 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.
Από πού προήλθε
Guanaco-65B δημοσιεύθηκε από University of Washington, στην χώρα καταγεγραμμένη ως United States of America, κατά τη διάρκεια May 2023. Η κατηγορία στην οποία υπάγεται ο εκδότης είναι academia.
Λειτουργεί στον τομέα της Language, και καταγράφεται ότι εκτελεί την εργασία του chat.
Αντί να εκπαιδευτεί από την αρχή, προέρχεται από LLaMA-65B. Οι περισσότεροι μοντέλα σε αυτή την κλίμακα προσαρμόζονται από μια υπάρχουσα βάση παρά κατασκευάζονται από το μηδέν.
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
Σε κάθε κάρτα που μπορεί να το εκτελέσει, το μέσο της γκάμας βρίσκεται σε 13.3 δεδομένα ανά δευτερόλεπτο 56 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.
Χωρίς τη διάταξη προσοχής σε αρχείο, η στήλη μνήμης είναι μια προσέγγιση. Είναι αρκετά κοντά για να επιλέξετε υλικό, και λιγότερο αξιόπιστη σε μεγάλο context.
Εκπαίδευση και προελεύσεις
Η παραγωγή του απαιτούσε αριθμητική που ανήλθε περίπου 5.5 × 10²³ FLOP. Αυτή η τιμή μετράει το κόστος παραγωγής του μοντέλου και δεν έχει σχέση με το πόσο γρήγορα απαντά.
Βήμα προς βήμα
Πώς να επιλέξετε μια GPU για Guanaco-65B
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
Διάβασε πρώτα την εικόνα μνήμης
Κάθε κάρτα εδώ έχει ελεγχθεί σε σχέση με Guanaco-65B, χρειάζεστε γύρω 32.5 GB σε συμπίεση ενός Q3_K_M. Καμία ποσότητα επεξεργαστικής ισχύος δεν μπορεί να αντισταθμίσει μια κάρτα που δεν μπορεί να την κρατήσει.
-
02
Ταιριάξτε το πλαίσιο με την πραγματική σας χρήση
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. Guanaco-65B.
-
03
Αποφασίστε πόση συμπίεση θα αποδεχθείτε
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
Σύγκριση TPS, όχι προδιαγραφές
Η ταχύτητα παραγγελίας είναι στην ουσία μια παραγγελία με βάση το εύρος ζώνης μνήμης, για Guanaco-65B. 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 52.1 τοκ/σ.
-
05
Διαβάστε την τελευταίο στήλη εφαρμογής
Η στήλη καταλληλότητας χωρίζει τις κάρτες που απλά τα καταφέρνουν από αυτές που έχουν περιθώριο, στην περίπτωση του Guanaco-65B. 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
Άνοιξε την κάρτα στην οποία έχεις καταλήξει
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 Guanaco-65B.
Απαντήσεις
Guanaco-65B — κοινές ερωτήσεις
Guanaco-65B— για τί χρησιμοποιείται;
Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του chat. Τα Μοντέλα συχνά φέρουν περισσότερα από ένα από το καθένα, και οι ετικέτες περιγράφουν τον σκοπό παρά τους περιορισμούς ικανότητας.
Guanaco-65B— 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.
Guanaco-65B— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;
Η εκπαίδευση κατανάλωσε περίπου 5.5 × 10²³ 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.
Guanaco-65B— 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 11.2 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.
Guanaco-65B— 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: 61. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.
Guanaco-65B— 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: 4. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.
Guanaco-65B— 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: 31–83 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.
Guanaco-65B— ποια GPU χρειάζομαι για να το τρέξω;
Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι A100 PCIe 40 GB, με χωρητικότητα μνήμης 40 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 32.5 GB, και παράγει περίπου 27.4 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 61.
Guanaco-65B— πώς γρήγορα είναι σε μια GPU;
Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 52.1 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: 56.
Guanaco-65B— πόσο VRAM χρειάζεται;
Χρειάζεται περίπου 32.5 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.
Guanaco-65B— 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.
Guanaco-65B— πόσες παραμέτρους έχει;
Έχει αριθμό παραμέτρων 65B. from Llama-65B (also 33B, 13B, 7B variants). 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.
Guanaco-65B— ποιος το δημιούργησε;
Δημοσιεύθηκε από University of Washington, βασισμένο σε United States of America, μία οργάνωση κατηγοριοποιημένη ως academia.
Guanaco-65B— πότε κυκλοφόρησε;
Δημοσιεύθηκε σε May 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.
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.