Flan UL2 Υπολογιστής TPS

Ανοιχτά βάρη Google Brain 19.5B παράμετροι March 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

293 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

Quadro K6000

12 GB · Q3_K_M · 14.4 tok/s

Ταχύτερη κάρτα

B200

174 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν Flan UL2?

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

293 οι κάρτες ταιριάζουν

Υπολογισμός

					Χρειάζεται	Ποσοτικοποίηση	Καλά
174 tok/s 104–278 · χαμηλή εμπιστοσύνη	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	21.6 GB	Q8_0	Άνετο
174 tok/s 104–278 · χαμηλή εμπιστοσύνη	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	21.6 GB	Q8_0	Άνετο
139 tok/s 83–222 · χαμηλή εμπιστοσύνη	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	21.6 GB	Q8_0	Άνετο
139 tok/s 83–222 · χαμηλή εμπιστοσύνη	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	21.6 GB	Q8_0	Άνετο
111 tok/s 67–178 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	21.6 GB	Q8_0	Άνετο
106 tok/s 64–170 · χαμηλή εμπιστοσύνη	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.6 GB	Q8_0	Άνετο
106 tok/s 64–170 · χαμηλή εμπιστοσύνη	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.6 GB	Q8_0	Άνετο
102 tok/s 61–163 · χαμηλή εμπιστοσύνη	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	21.6 GB	Q8_0	Άνετο
90.2 tok/s 54–144 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	21.6 GB	Q8_0	Άνετο
90.2 tok/s 54–144 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	21.6 GB	Q8_0	Άνετο
90.2 tok/s 54–144 · χαμηλή εμπιστοσύνη	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	21.6 GB	Q8_0	Άνετο
85.6 tok/s 51–137 · χαμηλή εμπιστοσύνη	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	21.6 GB	Q8_0	Άνετο
73.0 tok/s 44–117 · χαμηλή εμπιστοσύνη	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.6 GB	Q8_0	Άνετο
73.0 tok/s 44–117 · χαμηλή εμπιστοσύνη	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	21.6 GB	Q8_0	Άνετο
73.0 tok/s 44–117 · χαμηλή εμπιστοσύνη	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	21.6 GB	Q8_0	Άνετο
73.0 tok/s 44–117 · χαμηλή εμπιστοσύνη	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.6 GB	Q8_0	Άνετο
73.0 tok/s 44–117 · χαμηλή εμπιστοσύνη	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	21.6 GB	Q8_0	Άνετο
56.7 tok/s 34–91 · χαμηλή εμπιστοσύνη	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	12.5 GB	Q4_K_M	Στενά
55.6 tok/s 33–89 · χαμηλή εμπιστοσύνη	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	21.6 GB	Q8_0	Άνετο
55.6 tok/s 33–89 · χαμηλή εμπιστοσύνη	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	21.6 GB	Q8_0	Άνετο
53.5 tok/s 32–86 · χαμηλή εμπιστοσύνη	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.2 GB	Q3_K_M	Στενά
53.5 tok/s 32–86 · χαμηλή εμπιστοσύνη	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.2 GB	Q3_K_M	Στενά
48.1 tok/s 29–77 · χαμηλή εμπιστοσύνη	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	12.5 GB	Q4_K_M	Στενά
46.3 tok/s 28–74 · χαμηλή εμπιστοσύνη	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	21.6 GB	Q8_0	Άνετο
45.3 tok/s 27–73 · χαμηλή εμπιστοσύνη	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	21.6 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: Google Brain
Τύπος οργανισμού: Industry
Χώρα: United States of America
Δημοσιευμένο: 3 March 2023
Συγγραφείς: Yi Tay, Mostafa Dehghani, Vinh Q. Tran, Xavier Garcia, Jason Wei, Xuezhi Wang, Hyung Won Chung, Siamak Shakeri, Dara Bahri, Tal Schuster, Huaixiu Steven Zheng, Denny Zhou, Neil Houlsby, Donald Metzler

Τι κάνει

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

τομέας: Language
Εργασία: Language generation
Βασικό μοντέλο: UL2

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: 19.5B
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

Πώς ταξινομείται

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

Εγγραφή εμπιστοσύνης: Confident
Παραπομπές: 387

Πηγές

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

Αναφορά: A New Open Source Flan 20B with UL2
Τελευταία ενημέρωση: 25 May 2026

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν Flan UL2

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 Flan UL2

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

Quadro K6000

Μνήμη που απαιτείται

10.2 GB

Ταχύτερος

174 tok/s

Flan UL2 φτάνει σε αριθμό παραμέτρων του 19.5B. Αυτό είναι αρκετά μικρό ώστε το υλικό σπάνια να είναι το εμπόδιο, συμπεριλαμβανομένων καρτών αρκετών ετών. Ο αριθμός των καρτών που παρακολουθούμε που μπορούν να το τρέξουν: 293.

Στο χαμηλό άκρο καταφέρνει να διαχειρίζεται Quadro K6000, με χωρητικότητα μνήμης 12 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 14.4 tokens ανά δευτερόλεπτο

Στην άλλη άκρη κάθεται B200, γεννά προσεγγιστικά 174 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Τι είναι αυτό το μοντέλο

Flan UL2 δημοσιεύθηκε από Google Brain, στην χώρα καταγεγραμμένη ως United States of America, κατά τη διάρκεια March 2023. Ο εκδοτικός οργανισμός κατηγοριοποιείται ως industry.

Λειτουργεί στον τομέα της Language, και καταγράφεται ότι εκτελεί την εργασία του language generation.

Βασίζεται σε UL2. 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

Η μισή από τις κάρτες που το κρατούν διαχειρίζονται περισσότερα από 19.8 δεκάδες ανά δευτερόλεπτο 249 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.

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 Flan UL2

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

Αρχίστε από τη στήλη μνήμης

Κάθε κάρτα εδώ έχει ελεγχθεί σε σχέση με Flan UL2, χρειάζεστε γύρω 10.2 GB σε συμπίεση ενός Q3_K_M. Καμία ποσότητα επεξεργαστικής ισχύος δεν μπορεί να αντισταθμίσει μια κάρτα που δεν μπορεί να την κρατήσει.
02

Ρύθμισε το context length που θα εργαστείς.

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 Flan UL2.
03

Αποφασίστε πόση συμπίεση θα αποδεχθείτε

Η Συμπίεση είναι αυτό που καθιστά ένα μοντέλο συμβατό με μικρότερες κάρτες, με κάποιο κόστος στην ακρίβεια., 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

Η ταχύτητα παραγγελίας είναι στην ουσία μια παραγγελία με βάση το εύρος ζώνης μνήμης, για Flan UL2. 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 174 τοκ/σ.
05

Ελέγξτε την απόφαση κατάλληλης εφαρμογής πριν από την αγορά

Το "Tight" σημαίνει ότι φορτώνει και λειτουργεί χωρίς περιθώριο να αυξηθεί το context αργότερα, στην περίπτωση του Flan UL2. 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

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 Flan UL2.

Απαντήσεις

Flan UL2 — κοινές ερωτήσεις

Flan UL2— 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 2.6 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

Flan UL2— 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: 293. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

Flan UL2— 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.

Flan UL2— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Υπολογίζονται από προδιαγραφές και όχι μετρήσεις, και κάθε μία φέρει μια γκάμα. Ένα παράδειγμα: 104–278 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.

Flan UL2— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι Quadro K6000, με χωρητικότητα μνήμης 12 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 10.2 GB, και παράγει περίπου 14.4 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 293.

Flan UL2— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 174 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: 249.

Flan UL2— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 10.2 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.

Flan UL2— μπορώ να το τρέξω σε μια GPU holding 12 GB?

Ναι. Η GPU GeForce RTX 3080 Ti, κρατώντας 12 ΓΒ, το τρέχει με συμπίεση από Q3_K_M, χρησιμοποιώντας περίπου 10.2 GB και παράγοντας περίπου 53.5 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

Flan UL2— 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 Q4_K_M, χρησιμοποιώντας περίπου 12.5 GB και παράγοντας περίπου 56.7 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

Flan UL2— 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 Q8_0, χρησιμοποιώντας περίπου 21.6 GB και παράγοντας περίπου 29.1 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

Flan UL2— 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.

Flan UL2— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 19.5B. 19.5B per https://www.yitay.net/blog/flan-ul2-20b. 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.

Flan UL2— ποιος το δημιούργησε;

Δημοσιεύθηκε από Google Brain, βασισμένο σε United States of America, μία οργάνωση κατηγοριοποιημένη ως industry.

Flan UL2— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε March 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.

Flan UL2— για τί χρησιμοποιείται;

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

Flan UL2— 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.

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