BlenderBot 3 Υπολογιστής TPS

Ανοιχτά βάρη McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms) 175B παράμετροι August 2022

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

24 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

H100 PCIe 96 GB

96 GB · Q3_K_M · 21.9 tok/s

Ταχύτερη κάρτα

Radeon Instinct MI300

28.6 tok/s · 128 GB

Ποιες GPU μπορούν να τρέξουν BlenderBot 3?

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.

24 οι κάρτες ταιριάζουν

Υπολογισμός
Χρειάζεται Ποσοτικοποίηση Καλά
28.6 tok/s

17–46 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 106.6 GB Q4_K_M Στενά
28.1 tok/s

17–45 · χαμηλή εμπιστοσύνη

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 147.3 GB Q6_K Στενά
27.3 tok/s

16–44 · χαμηλή εμπιστοσύνη

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 106.6 GB Q4_K_M Στενά
27.3 tok/s

16–44 · χαμηλή εμπιστοσύνη

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 106.6 GB Q4_K_M Στενά
23.2 tok/s

14–37 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 106.6 GB Q4_K_M Στενά
21.9 tok/s

13–35 · χαμηλή εμπιστοσύνη

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.2 GB Q3_K_M Στενά
21.9 tok/s

13–35 · χαμηλή εμπιστοσύνη

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.2 GB Q3_K_M Στενά
19.4 tok/s

12–31 · χαμηλή εμπιστοσύνη

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 188.1 GB Q8_0 Άνετο
15.5 tok/s

9–25 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 188.1 GB Q8_0 Άνετο
15.5 tok/s

9–25 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 188.1 GB Q8_0 Άνετο
14.6 tok/s

9–23 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 147.3 GB Q6_K Στενά
14.6 tok/s

9–23 · χαμηλή εμπιστοσύνη

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 147.3 GB Q6_K Στενά
14.3 tok/s

9–23 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 106.6 GB Q4_K_M Στενά
14.3 tok/s

9–23 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 106.6 GB Q4_K_M Στενά
11.9 tok/s

7–19 · χαμηλή εμπιστοσύνη

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 106.6 GB Q4_K_M Στενά
11.7 tok/s

7–19 · χαμηλή εμπιστοσύνη

RTX PRO 6000 Blackwell NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Στενά
11.7 tok/s

7–19 · χαμηλή εμπιστοσύνη

RTX PRO 6000 Blackwell Max-Q NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Στενά
11.7 tok/s

7–19 · χαμηλή εμπιστοσύνη

RTX PRO 6000 Blackwell Server NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Στενά
11.7 tok/s

7–19 · χαμηλή εμπιστοσύνη

RTX PRO 6000D Blackwell Max-Q NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Στενά
11.7 tok/s

7–19 · χαμηλή εμπιστοσύνη

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 106.6 GB Q4_K_M Στενά
11.3 tok/s

7–18 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 188.1 GB Q8_0 Άνετο
10.4 tok/s

6–17 · χαμηλή εμπιστοσύνη

Data Center GPU Max 1350 Intel 96 GB 2,460 GB/s Jan 2023 86.2 GB Q3_K_M Στενά
1.5 tok/s

1–2 · χαμηλή εμπιστοσύνη

GB10 NVIDIA 128 GB 273 GB/s Oct 2025 106.6 GB Q4_K_M Στενά
1.5 tok/s

1–2 · χαμηλή εμπιστοσύνη

Jetson T5000 NVIDIA 128 GB 273 GB/s Aug 2025 106.6 GB Q4_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
McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms)
Τύπος οργανισμού
Academia,Industry,Academia
Χώρα
Canada, United States of America
Δημοσιευμένο
10 August 2022
Συγγραφείς
Kurt Shuster, Jing Xu, Mojtaba Komeili, Da Ju, Eric Michael Smith, Stephen Roller, Megan Ung, Moya Chen, Kushal Arora, Joshua Lane, Morteza Behrooz, William Ngan, Spencer Poff, Naman Goyal, Arthur Szlam, Y-Lan Boureau, Melanie Kambadur, Jason Weston

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
OPT-175B

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
175B
Δεδομένα εκπαίδευσης
1,300,000,000 tokens
Μέγεθος παρτίδας
262,144

Note that this is batch size for fine-tuning. Blenderbot is based on OPT-175B which had batch size 2M. "The 175B model was trained with a batch size of 2^18" 2^18 = 262144

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
4.3 × 10²³ FLOP

(taken from OPT-175 base)

Πώς ιδρύθηκε
Operation counting
Ρύθμιση υπολογιστών
1.5 × 10²¹ FLOP

"The 30B and 175B parameter BlenderBot 3 models were each trained for one epoch of the training data on 64 (30B) or 128 (175B) x 40gb A100 GPUs; we found that the model (especially the 175B version) overfit significantly when seeing the training data more than once. The 175B model was trained with a batch size of 2^18 and the 30B model was trained with a batch size of 2^19, resulting in roughly 5600 updates and 2800 updates respectively." 175b params * 5600 * 2^18 * 6 = 1.5e21

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 SXM4 40 GB
χρησιμοποιούμενα τσιπ
128
Κατανάλωση ενέργειας
102.6 kW

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

weights have a non-commercial license, must go through request form: https://docs.google.com/forms/d/e/1FAIpQLSfRzw8xVzxaxgRyuodTZtkcYADAjzYjN5gcxx6DMa4XaGwwhQ/viewform meanwhile training code is here. repo is MIT-licensed https://github.com/facebookresearch/ParlAI/blob/main/parlai/scripts/train_model.py

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

"Human evaluations show its superiority to existing open-domain dialogue agents, including its predecessors" They don't claim absolute SOTA

Εγγραφή εμπιστοσύνης
Likely
Παραπομπές
290

Πηγές

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

Αναφορά
BlenderBot 3: a deployed conversational agent that continually learns to responsibly engage
Τελευταία ενημέρωση
25 May 2026

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν BlenderBot 3

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 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q4_K_M 28.6 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q6_K 28.1 tok/s
  3. 03 H200 NVL 141 GB · 4,890 GB/s · Q4_K_M 27.3 tok/s
  4. 04 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q4_K_M 27.3 tok/s
  5. 05 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q4_K_M 23.2 tok/s
  6. 06 H100 PCIe 96 GB 96 GB · 3,360 GB/s · Q3_K_M 21.9 tok/s
  7. 07 H100 SXM5 96 GB 96 GB · 3,360 GB/s · Q3_K_M 21.9 tok/s
  8. 08 B300 288 GB · 8,000 GB/s · Q8_0 19.4 tok/s
  9. 09 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 15.5 tok/s
  10. 10 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 15.5 tok/s

Οι μικρότερες GPUs που ακόμη λειτουργούν BlenderBot 3

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

  1. 01 RTX PRO 6000 Blackwell 96 GB · Χρειάζεται 86.2 GB · Q3_K_M · Στενά 11.7 tok/s
  2. 02 RTX PRO 6000 Blackwell Max-Q 96 GB · Χρειάζεται 86.2 GB · Q3_K_M · Στενά 11.7 tok/s
  3. 03 RTX PRO 6000 Blackwell Server 96 GB · Χρειάζεται 86.2 GB · Q3_K_M · Στενά 11.7 tok/s
  4. 04 RTX PRO 6000D Blackwell Max-Q 96 GB · Χρειάζεται 86.2 GB · Q3_K_M · Στενά 11.7 tok/s
  5. 05 H100 PCIe 96 GB 96 GB · Χρειάζεται 86.2 GB · Q3_K_M · Στενά 21.9 tok/s
  6. 06 H100 SXM5 96 GB 96 GB · Χρειάζεται 86.2 GB · Q3_K_M · Στενά 21.9 tok/s
  7. 07 Data Center GPU Max 1350 96 GB · Χρειάζεται 86.2 GB · Q3_K_M · Στενά 10.4 tok/s
  8. 08 GB10 128 GB · Χρειάζεται 106.6 GB · Q4_K_M · Στενά 1.5 tok/s
  9. 09 Jetson T5000 128 GB · Χρειάζεται 106.6 GB · Q4_K_M · Στενά 1.5 tok/s
  10. 10 Radeon Instinct MI300A 128 GB · Χρειάζεται 106.6 GB · Q4_K_M · Στενά 23.2 tok/s

Τι σημαίνουν οι αριθμοί

Τι χρειάζεσαι για να το τρέξεις

Ελάχιστη κάρτα

H100 PCIe 96 GB

Μνήμη που απαιτείται

86.2 GB

Ταχύτερος

28.6 tok/s

BlenderBot 3 φτάνει σε αριθμό παραμέτρων του 175B. 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: 24.

Ο ελάχιστος εξοπλισμός που λειτουργεί είναι H100 PCIe 96 GB, με χωρητικότητα μνήμης 96 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 21.9 tokens ανά δευτερόλεπτο

Η ταχύτερη έκβαση προέρχεται από Radeon Instinct MI300, γεννά προσεγγιστικά 28.6 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 6,550 GB/s.

Υπόβαθρο

BlenderBot 3 δημοσιεύθηκε από McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), στην χώρα καταγεγραμμένη ως Canada, κατά τη διάρκεια August 2022. Η κατηγορία στην οποία υπάγεται ο εκδότης είναι academia,Industry,Academia.

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

Βασίζεται σε OPT-175B. Οι περισσότεροι μοντέλα σε αυτή την κλίμακα προσαρμόζονται από μια υπάρχουσα βάση παρά κατασκευάζονται από το μηδέν.

Τα ανοιχτά βάρη είναι αυτά που τοποθετούν αυτή τη σελίδα στον υπολογιστή αντί να είναι μόνο στον κατάλογο: είναι ένα μοντέλο που μπορείς να κρατήσεις πραγματικά.

Διαβάζοντας τα νούμερα απόδοσης

Η διάμεση τιμή είναι γύρω από 14.5 τόκεν ανά δευτερόλεπτο. Παραγωγή κειμένου ταχύτερα από το μεγαλύτερο μέρος των ανθρώπων το διαβάζουν. 22 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.

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.

Τι χρειάστηκε για την κατασκευή του

Η παραγωγή του απαιτούσε αριθμητική που ανήλθε περίπου 4.3 × 10²³ FLOP, σε υλικό καταγεγραμμένο ως NVIDIA A100 SXM4 40 GB. Αυτή η τιμή μετράει το κόστος παραγωγής του μοντέλου και δεν έχει σχέση με το πόσο γρήγορα απαντά.

Το σύνολο εκπαίδευσης εκτελέστηκε σε περίπου 1,300,000,000 κωδικοί κειμένου

Το κριτήριο συμπερασμού του: sOTA improvement.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για BlenderBot 3

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

    Αρχίστε από τη στήλη μνήμης

    Ο πίνακας παραθέτει κάθε κάρτα που μπορεί να κρατήσει BlenderBot 3, χρειάζεστε γύρω 86.2 GB σε συμπίεση ενός Q3_K_M. Καμία ποσότητα επεξεργαστικής ισχύος δεν μπορεί να αντισταθμίσει μια κάρτα που δεν μπορεί να την κρατήσει.

  2. 02

    Ταιριάξτε το πλαίσιο με την πραγματική σας χρήση

    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 BlenderBot 3.

  3. 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.

  4. 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 BlenderBot 3. Δεν θα ταιριάξει σε μια παραγγελία παιχνιδιών, επειδή η γενιά περιορίζεται από το memory bandwidth. Η κάρτα που είναι στην κορυφή της λίστας είναι Radeon Instinct MI300, σε 28.6 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 BlenderBot 3. 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 BlenderBot 3.

Απαντήσεις

BlenderBot 3 — κοινές ερωτήσεις

01

BlenderBot 3— 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: 17–46 tok/s στον Radeon Instinct MI300. Το ίδιο μοντέλο και κάρτα διαφέρουν κατά τριάντα έως πενήντα τοις εκατό ανάλογα με το λογισμικό συμπερασμού και την έκδοσή του.

02

BlenderBot 3— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι H100 PCIe 96 GB, με χωρητικότητα μνήμης 96 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 86.2 GB, και παράγει περίπου 21.9 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 24.

03

BlenderBot 3— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι Radeon Instinct MI300, γύρω από 28.6 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: 22.

04

BlenderBot 3— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 86.2 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.

05

BlenderBot 3— 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.

06

BlenderBot 3— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 175B. 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.

07

BlenderBot 3— ποιος το δημιούργησε;

Δημοσιεύθηκε από McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), βασισμένο σε Canada, μία οργάνωση κατηγοριοποιημένη ως academia,Industry,Academia.

08

BlenderBot 3— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε August 2022. Η ικανότητα ανά παράμετρο έχει βελτιωθεί σημαντικά από τότε, οπότε ένα νέο ΜΟΝΤΕΛ του ίδιου μεγέθους είναι συχνά η καλύτερη χρήση του ίδιου υλικού.

09

BlenderBot 3— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του chat. 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.

10

BlenderBot 3— 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.

11

BlenderBot 3— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;

Η εκπαίδευση κατανάλωσε περίπου 4.3 × 10²³ FLOP, σε υλικό καταγεγραμμένο ως NVIDIA A100 SXM4 40 GB. 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.

12

BlenderBot 3— 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 22.0 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

13

BlenderBot 3— 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: 24. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

14

BlenderBot 3— 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.

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