LLaMA-65B Υπολογιστής TPS

Ανοιχτά βάρη Meta AI 65.2B παράμετροι February 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

61 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

A100 PCIe 40 GB

40 GB · Q3_K_M · 27.3 tok/s

Ταχύτερη κάρτα

B200

52.0 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν LLaMA-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
52.0 tok/s

44–62

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 71.4 GB Q8_0 Άνετο
52.0 tok/s

44–62

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 71.4 GB Q8_0 Άνετο
41.5 tok/s

25–66 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 71.4 GB Q8_0 Άνετο
41.5 tok/s

25–66 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 71.4 GB Q8_0 Άνετο
33.2 tok/s

20–53 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 71.4 GB Q8_0 Άνετο
31.8 tok/s

27–38

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 71.4 GB Q8_0 Άνετο
31.8 tok/s

27–38

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 71.4 GB Q8_0 Άνετο
30.4 tok/s

18–49 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 71.4 GB Q8_0 Άνετο
28.0 tok/s

24–34

GRID A100B NVIDIA 48 GB 1,870 GB/s May 2020 41.1 GB Q4_K_M Στενά
27.3 tok/s

23–33

A100 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Jun 2020 33.5 GB Q3_K_M Στενά
27.3 tok/s

23–33

A100 SXM4 40 GB NVIDIA 40 GB 1,560 GB/s May 2020 33.5 GB Q3_K_M Στενά
27.3 tok/s

23–33

A800 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Nov 2022 33.5 GB Q3_K_M Στενά
27.0 tok/s

16–43 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 71.4 GB Q8_0 Άνετο
27.0 tok/s

16–43 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 71.4 GB Q8_0 Άνετο
27.0 tok/s

16–43 · χαμηλή εμπιστοσύνη

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 71.4 GB Q8_0 Άνετο
25.6 tok/s

22–31

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 71.4 GB Q8_0 Στενά
21.8 tok/s

19–26

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 71.4 GB Q8_0 Άνετο
21.8 tok/s

19–26

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 71.4 GB Q8_0 Στενά
21.8 tok/s

19–26

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 71.4 GB Q8_0 Στενά
21.8 tok/s

19–26

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 71.4 GB Q8_0 Άνετο
21.8 tok/s

19–26

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 71.4 GB Q8_0 Στενά
20.1 tok/s

17–24

RTX PRO 5000 Blackwell NVIDIA 48 GB 1,340 GB/s Mar 2025 41.1 GB Q4_K_M Στενά
19.1 tok/s

16–23

H100 SXM5 64 GB NVIDIA 64 GB 2,020 GB/s Mar 2023 56.3 GB Q6_K Στενά
16.6 tok/s

10–27 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 71.4 GB Q8_0 Άνετο
16.6 tok/s

10–27 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 71.4 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
Meta AI
Τύπος οργανισμού
Industry
Χώρα
United States of America
Δημοσιευμένο
24 February 2023
Συγγραφείς
Hugo Touvron, Thibaut Lavril, Gautier Izacard, Xavier Martinet, Marie-Anne Lachaux, Timothée Lacroix, Baptiste Rozière, Naman Goyal, Eric Hambro, Faisal Azhar, Aurelien Rodriguez, Armand Joulin, Edouard Grave, Guillaume Lample

Τι κάνει

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

τομέας
Language
Εργασία
Language modeling, Code generation
Προσέγγιση
Supervised

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
65.2B

Model card, table 1: https://github.com/facebookresearch/llama/blob/53011c3d7946dadb8274a4c5c7586ab54edf792d/MODEL_CARD.md

Δεδομένα εκπαίδευσης
1,400,000,000,000 tokens

Table 1 indicates that 1.4T tokens involved sampling sub-datasets at more or less than one epoch. Correcting for this: (1.1 epoch * 3.3TB) + (1.06 epoch * 0.783TB) + ... = 1.4T tokens 5.24 epoch-TBs = 1.4T tokens 5.24 epoch-TB * 1000 GB/TB * 200M token/GB = 1.4T tokens 1.05T epoch*token = 1.4T tokens 1 epoch = 1.34T tokens

Εποχές
1.09
Μέγεθος παρτίδας
4,000,000

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

1.4e12 tokens * 6.52e10 parameters * 6 FLOP/token/parameter = 5.5e23 FLOP

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.

Υλικό εκπαίδευσης
NVIDIA A100
χρησιμοποιούμενα τσιπ
2,048
Τσιπ-ώρες
1,024,000
Χρόνος τοίχου
500 hours (20.8 days)

"When training a 65B-parameter model, our code processes around 380 tokens/sec/GPU on 2048 A100 GPU with 80GB of RAM. This means that training over our dataset containing 1.4T tokens takes approximately 21 days."

Χρήση υλικού
MFU 47.5%

Compared to 2048 A100 GPUs each with 311.84 TFLOPS maximum performance for 21 days, this implies 47% utilization. MFU = 0.4746 https://www.wolframalpha.com/input?i=5.5*10%5E23+FLOP+%2F+%282048+*+311.84+teraFLOPS+*+21+days%29

Κατανάλωση ενέργειας
1.6 MW
Κόστος υπολογισμού
$578,026

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
Unreleased

"we are releasing our model under a noncommercial license focused on research use cases" https://ai.meta.com/blog/large-language-model-llama-meta-ai/

Πώς ταξινομείται

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

Μοντέλο Θεμελίωσης
Yes
Πιθανώς πάνω από 10²³ FLOP
Yes
Γιατί παρακολουθείται
Historical significance,Highly cited

Widely-used foundation model that has been adapted for others such as Alpaca.

Εγγραφή εμπιστοσύνης
Confident
Παραπομπές
19,926
Δεδομένα αναφοράς
LLaMA-65B

Πηγές

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

Αναφορά
LLaMA: Open and Efficient Foundation Language Models
Τελευταία ενημέρωση
25 May 2026

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν LLaMA-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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 52.0 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 52.0 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 41.5 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 41.5 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 33.2 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 31.8 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 31.8 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 30.4 tok/s
  9. 09 GRID A100B 48 GB · 1,870 GB/s · Q4_K_M 28.0 tok/s
  10. 10 A800 PCIe 40 GB 40 GB · 1,560 GB/s · Q3_K_M 27.3 tok/s

Οι μικρότερες GPUs που ακόμη λειτουργούν LLaMA-65B

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

  1. 01 A800 PCIe 40 GB 40 GB · Χρειάζεται 33.5 GB · Q3_K_M · Στενά 27.3 tok/s
  2. 02 A100 PCIe 40 GB 40 GB · Χρειάζεται 33.5 GB · Q3_K_M · Στενά 27.3 tok/s
  3. 03 A100 SXM4 40 GB 40 GB · Χρειάζεται 33.5 GB · Q3_K_M · Στενά 27.3 tok/s
  4. 04 Radeon PRO W7900D 48 GB · Χρειάζεται 41.1 GB · Q4_K_M · Στενά 10.1 tok/s
  5. 05 RTX PRO 5000 Blackwell 48 GB · Χρειάζεται 41.1 GB · Q4_K_M · Στενά 20.1 tok/s
  6. 06 RTX 5880 Ada Generation 48 GB · Χρειάζεται 41.1 GB · Q4_K_M · Στενά 13.0 tok/s
  7. 07 L20 48 GB · Χρειάζεται 41.1 GB · Q4_K_M · Στενά 13.0 tok/s
  8. 08 Radeon PRO W7800 48 GB 48 GB · Χρειάζεται 41.1 GB · Q4_K_M · Στενά 10.1 tok/s
  9. 09 Radeon PRO W7900 48 GB · Χρειάζεται 41.1 GB · Q4_K_M · Στενά 10.1 tok/s
  10. 10 Data Center GPU Max 1100 48 GB · Χρειάζεται 41.1 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

33.5 GB

Ταχύτερος

52.0 tok/s

LLaMA-65B φτάνει σε αριθμό παραμέτρων του 65.2B. 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 27.3 tokens ανά δευτερόλεπτο

Η ταχύτερη έκβαση προέρχεται από B200, γεννά προσεγγιστικά 52.0 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Τι είναι αυτό το μοντέλο

LLaMA-65B δημοσιεύθηκε από Meta AI, στην χώρα καταγεγραμμένη ως United States of America, κατά τη διάρκεια February 2023. Προέρχεται από έναν οργανισμό που κατατάσσεται ως industry.

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

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 διάμεση τιμή είναι γύρω από 13.3 τόκεν ανά δευτερόλεπτο. Παραγωγή κειμένου ταχύτερα από το μεγαλύτερο μέρος των ανθρώπων το διαβάζουν. 56 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 εκπαίδευση απαιτούσε έναν υπολογιστικό προϋπολογισμό περίπου 5.5 × 10²³ FLOP, σε υλικό καταγεγραμμένο ως NVIDIA A100. Αυτή η τιμή μετράει το κόστος παραγωγής του μοντέλου και δεν έχει σχέση με το πόσο γρήγορα απαντά.

Η εκπαίδευση κατανάλωσε ένα σύνολο περίπου 1,400,000,000,000 κωδικοί κειμένου

Το κριτήριο συμπερασμού του: historical significance,Highly cited.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για LLaMA-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.

  1. 01

    Διάβασε πρώτα την εικόνα μνήμης

    Κάθε κάρτα εδώ έχει ελεγχθεί σε σχέση με LLaMA-65B, χρειάζεστε γύρω 33.5 GB σε συμπίεση ενός Q3_K_M. Η Χωρητικότητα είναι η πύλη — μια κάρτα είτε την κρατά είτε δεν την κρατά.

  2. 02

    Ρύθμισε το context length που θα εργαστείς.

    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 LLaMA-65B.

  3. 03

    Επίλεξε πόσο μακριά θα το συμπιέσεις

    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.

  4. 04

    Ταξινόμηση κατά ταχύτητα

    Η κατάταξη κατά τους αριθμούς ανά δευτερόλεπτο ακολουθεί την εύρος μνήμης αντί για τον αριθμό πυρήνων, για LLaMA-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 52.0 τοκ/σ.

  5. 05

    Κοίτα τον χώρο, όχι μόνο την εφαρμογή

    Μια σφιχτή εφαρμογή τρέχει, αλλά δεν αφήνει τίποτα ελεύθερο για μια μεγαλύτερη συζήτηση, στην περίπτωση του LLaMA-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.

  6. 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 LLaMA-65B.

Απαντήσεις

LLaMA-65B — κοινές ερωτήσεις

01

LLaMA-65B— θα τρέξουν δύο GPU πιο γρήγορα;

Η ικανότητα προστίθεται σε κάρτες; η απόδοση δεν προστίθεται. Ο αριθμός των καρτών που το κρατούν ήδη μόνες τους: 61. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

02

LLaMA-65B— γιατί διαφέρει η ποσοτικοποίηση μεταξύ των καρτών;

Επειδή η χωρητικότητα διαφέρει, έτσι διαφέρει και πόσο σφιχτά πρέπει να συμπιεστεί. Ο αριθμός των διακριτών επιπέδων στον παραπάνω πίνακα: 4. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

03

LLaMA-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: 44–62 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.

04

LLaMA-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 33.5 GB, και παράγει περίπου 27.3 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 61.

05

LLaMA-65B— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 52.0 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.

06

LLaMA-65B— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 33.5 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.

07

LLaMA-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.

08

LLaMA-65B— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 65.2B. Model card, table 1: https://github.com/facebookresearch/llama/blob/53011c3d7946dadb8274a4c5c7586ab54edf792d/MODEL_CARD.md. 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.

09

LLaMA-65B— ποιος το δημιούργησε;

Δημοσιεύθηκε από Meta AI, βασισμένο σε United States of America, μία οργάνωση κατηγοριοποιημένη ως industry.

10

LLaMA-65B— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε February 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.

11

LLaMA-65B— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του language modeling, Code generation. 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.

12

LLaMA-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.

13

LLaMA-65B— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;

Η εκπαίδευση κατανάλωσε περίπου 5.5 × 10²³ FLOP, σε υλικό καταγεγραμμένο ως NVIDIA A100. 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.

14

LLaMA-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 12.3 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

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