GLM-130B Υπολογιστής TPS

Ανοιχτά βάρη Tsinghua University 130B 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

38 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

RTX PRO 5000 72 GB Blackwell

72 GB · Q3_K_M · 11.8 tok/s

Ταχύτερη κάρτα

H100 NVL 94 GB

29.6 tok/s · 94 GB

Ποιες GPU μπορούν να τρέξουν GLM-130B?

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.

38 οι κάρτες ταιριάζουν

Υπολογισμός
Χρειάζεται Ποσοτικοποίηση Καλά
29.6 tok/s

18–47 · χαμηλή εμπιστοσύνη

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 79.3 GB Q4_K_M Στενά
26.9 tok/s

16–43 · χαμηλή εμπιστοσύνη

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 71.8 GB IQ4_XS Στενά
26.9 tok/s

16–43 · χαμηλή εμπιστοσύνη

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 71.8 GB IQ4_XS Στενά
26.1 tok/s

16–42 · χαμηλή εμπιστοσύνη

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 139.9 GB Q8_0 Στενά
26.1 tok/s

16–42 · χαμηλή εμπιστοσύνη

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 139.9 GB Q8_0 Άνετο
25.3 tok/s

15–40 · χαμηλή εμπιστοσύνη

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 79.3 GB Q4_K_M Στενά
25.3 tok/s

15–40 · χαμηλή εμπιστοσύνη

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 79.3 GB Q4_K_M Στενά
25.3 tok/s

15–40 · χαμηλή εμπιστοσύνη

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 79.3 GB Q4_K_M Στενά
24.2 tok/s

15–39 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 109.6 GB Q6_K Στενά
23.2 tok/s

14–37 · χαμηλή εμπιστοσύνη

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 109.6 GB Q6_K Στενά
23.2 tok/s

14–37 · χαμηλή εμπιστοσύνη

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 109.6 GB Q6_K Στενά
20.8 tok/s

12–33 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 139.9 GB Q8_0 Άνετο
20.8 tok/s

12–33 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 139.9 GB Q8_0 Άνετο
19.7 tok/s

12–31 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 109.6 GB Q6_K Στενά
16.3 tok/s

10–26 · χαμηλή εμπιστοσύνη

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 71.8 GB IQ4_XS Στενά
16.3 tok/s

10–26 · χαμηλή εμπιστοσύνη

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 71.8 GB IQ4_XS Στενά
16.3 tok/s

10–26 · χαμηλή εμπιστοσύνη

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 71.8 GB IQ4_XS Στενά
16.3 tok/s

10–26 · χαμηλή εμπιστοσύνη

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 71.8 GB IQ4_XS Στενά
16.3 tok/s

10–26 · χαμηλή εμπιστοσύνη

H100 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Oct 2022 71.8 GB IQ4_XS Στενά
16.3 tok/s

10–26 · χαμηλή εμπιστοσύνη

H800 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Mar 2023 71.8 GB IQ4_XS Στενά
15.5 tok/s

9–25 · χαμηλή εμπιστοσύνη

A100 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Jun 2021 71.8 GB IQ4_XS Στενά
15.5 tok/s

9–25 · χαμηλή εμπιστοσύνη

A800 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Nov 2022 71.8 GB IQ4_XS Στενά
15.3 tok/s

9–24 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 139.9 GB Q8_0 Άνετο
13.5 tok/s

8–22 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 139.9 GB Q8_0 Άνετο
13.5 tok/s

8–22 · χαμηλή εμπιστοσύνη

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 139.9 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
Tsinghua University
Τύπος οργανισμού
Academia
Χώρα
China
Δημοσιευμένο
4 August 2022
Συγγραφείς
Aohan Zeng, Xiao Liu, Zhengxiao Du, Zihan Wang, Hanyu Lai, Ming Ding, Zhuoyi Yang, Yifan Xu, Wendi Zheng, Xiao Xia, Weng Lam Tam, Zixuan Ma, Yufei Xue, Jidong Zhai, Wenguang Chen, Peng Zhang, Yuxiao Dong, Jie Tang

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/generation, Translation
Αριθμητική μορφή
FP16

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
130B

Dense model

Δεδομένα εκπαίδευσης
152,000,000,000 tokens

400B "We completed the 400B-token training and evaluation of GLM-130B in July, and subsequently released the model and pre-training details in August 2022. " from https://arxiv.org/pdf/2406.12793 "As of July 3rd, 2022, GLM-130B has been trained on over 400 billion text tokens (200B each for Chinese and English)"

Εποχές
1
Μέγεθος παρτίδας
8,650,752

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
3.5 × 10²³ FLOP

"96 NVIDIA A100 (40G * 8) servers for 2 months" 312 TFLOPS/GPU * 96 servers * 8 GPU/server * 2 months * 32.5% utilization = 4.037e23 utilization rate - citation from the paper: "we report hardware FLOPs utilization (HFU) of 43.3% and model FLOPs utilization (MFU) of 32.5% due to re-materialization." Aligns pretty well with 6ND: 6 * 400B * 130B = 3.12E23 Geometric mean: sqrt(4.037e23 * 3.12e23) = 3.549e23

Πώς ιδρύθηκε
Operation counting,Hardware

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
768
Τσιπ-ώρες
1,105,920
Χρόνος τοίχου
1,440 hours (60 days)

"During the 60-day access to the cluster, we manage to train GLM-130B for 400 billion tokens" 60 days * 24 = 1,440 hours

Χρήση υλικού
MFU 32.5% · HFU 43.3%

"Following the calculation in (Chowdhery et al., 2022), we report hardware FLOPs utilization (HFU) of 43.3% and model FLOPs utilization (MFU) of 32.5% due to re-materialization."

Κατανάλωση ενέργειας
615.7 kW
Κόστος υπολογισμού
$820,297

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

non commercial license. looks like inference but not training code: https://github.com/THUDM/GLM-130B/blob/main/MODEL_LICENSE

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
SOTA improvement

"GLM-130B achieves an accuracy of 80.2% on zero-shot LAMBADA (En), while 76.2% for GPT-3 175B and 77.9% for the SOTA offered by PaLM 540B." "We compare GLM-130B to the largest existing Chinese monolingual language model—the 260B ERNIE Titan 3.0 (Wang et al., 2021). <..> GLM-130B consistently outperforms ERNIE Titan 3.0 across 12 tasks (Cf. Figure 8)."

Εγγραφή εμπιστοσύνης
Confident
Παραπομπές
1,264
Δεδομένα αναφοράς
GLM-130B

Πηγές

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

Αναφορά
GLM-130B: An Open Bilingual Pre-trained Model
Τελευταία ενημέρωση
25 May 2026

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν GLM-130B

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 H100 NVL 94 GB 94 GB · 3,940 GB/s · Q4_K_M 29.6 tok/s
  2. 02 H800 SXM5 80 GB · 3,360 GB/s · IQ4_XS 26.9 tok/s
  3. 03 H100 SXM5 80 GB 80 GB · 3,360 GB/s · IQ4_XS 26.9 tok/s
  4. 04 B300 288 GB · 8,000 GB/s · Q8_0 26.1 tok/s
  5. 05 B200 180 GB · 8,000 GB/s · Q8_0 26.1 tok/s
  6. 06 H100 PCIe 96 GB 96 GB · 3,360 GB/s · Q4_K_M 25.3 tok/s
  7. 07 H100 SXM5 94 GB 94 GB · 3,360 GB/s · Q4_K_M 25.3 tok/s
  8. 08 H100 SXM5 96 GB 96 GB · 3,360 GB/s · Q4_K_M 25.3 tok/s
  9. 09 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q6_K 24.2 tok/s
  10. 10 H200 NVL 141 GB · 4,890 GB/s · Q6_K 23.2 tok/s

Οι μικρότερες GPUs που ακόμη λειτουργούν GLM-130B

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 5000 72 GB Blackwell 72 GB · Χρειάζεται 64.2 GB · Q3_K_M · Στενά 11.8 tok/s
  2. 02 H100 CNX 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 16.3 tok/s
  3. 03 H800 PCIe 80 GB 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 16.3 tok/s
  4. 04 H800 SXM5 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 26.9 tok/s
  5. 05 A800 PCIe 80 GB 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 15.5 tok/s
  6. 06 H100 PCIe 80 GB 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 16.3 tok/s
  7. 07 H100 SXM5 80 GB 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 26.9 tok/s
  8. 08 A800 SXM4 80 GB 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 16.3 tok/s
  9. 09 A100 PCIe 80 GB 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 15.5 tok/s
  10. 10 A100X 80 GB · Χρειάζεται 71.8 GB · IQ4_XS · Στενά 16.3 tok/s

Τι σημαίνουν οι αριθμοί

Η υλική πλευρά

Ελάχιστη κάρτα

RTX PRO 5000 72 GB Blackwell

Μνήμη που απαιτείται

64.2 GB

Ταχύτερος

29.6 tok/s

GLM-130B φτάνει σε αριθμό παραμέτρων του 130B. 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: 38.

Στο χαμηλό άκρο καταφέρνει να διαχειρίζεται RTX PRO 5000 72 GB Blackwell, με χωρητικότητα μνήμης 72 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 11.8 tokens ανά δευτερόλεπτο

Η ταχύτερη έκβαση προέρχεται από H100 NVL 94 GB, γεννά προσεγγιστικά 29.6 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 3,940 GB/s.

Σχετικά με αυτό το μοντέλο

GLM-130B δημοσιεύθηκε από Tsinghua University, στην χώρα καταγεγραμμένη ως China, κατά τη διάρκεια August 2022. Η κατηγορία στην οποία υπάγεται ο εκδότης είναι academia.

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

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.

Πόσο γρήγορα τρέχει, και γιατί

Η μισή από τις κάρτες που το κρατούν διαχειρίζονται περισσότερα από 16.3 δεκάδες ανά δευτερόλεπτο 35 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.

Τι χρειάστηκε για την κατασκευή του

Η εκπαιδευτική εκτέλεση καταναλώνει περίπου 3.5 × 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.

Η εκπαίδευση κατανάλωσε ένα σύνολο περίπου 152,000,000,000 κωδικοί κειμένου

Αυτή παρακολουθείται στο υποκείμενο σύνολο δεδομένων για έναν συγκεκριμένο λόγο: sOTA improvement.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για GLM-130B

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

    Κάθε κάρτα εδώ έχει ελεγχθεί σε σχέση με GLM-130B, χρειάζεστε γύρω 64.2 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.

    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. GLM-130B.

  3. 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.

  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 GLM-130B. Δεν θα ταιριάξει σε μια παραγγελία παιχνιδιών, επειδή η γενιά περιορίζεται από το memory bandwidth. Η κάρτα που είναι στην κορυφή της λίστας είναι H100 NVL 94 GB, σε 29.6 τοκ/σ.

  5. 05

    Διαβάστε την τελευταίο στήλη εφαρμογής

    Μια σφιχτή εφαρμογή τρέχει, αλλά δεν αφήνει τίποτα ελεύθερο για μια μεγαλύτερη συζήτηση, στην περίπτωση του GLM-130B. 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

    Δες τι άλλο τρέχει αυτή η κάρτα

    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 GLM-130B.

Απαντήσεις

GLM-130B — κοινές ερωτήσεις

01

GLM-130B— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 130B. Dense model. 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.

02

GLM-130B— ποιος το δημιούργησε;

Δημοσιεύθηκε από Tsinghua University, βασισμένο σε China, μία οργάνωση κατηγοριοποιημένη ως academia.

03

GLM-130B— 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.

04

GLM-130B— για τί χρησιμοποιείται;

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

05

GLM-130B— 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.

06

GLM-130B— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;

Η εκπαίδευση κατανάλωσε περίπου 3.5 × 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.

07

GLM-130B— 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 21.7 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

08

GLM-130B— θα τρέξουν δύο GPU πιο γρήγορα;

Δύο κάρτες αγοράζουν μνήμη rather than ταχύτητα, η οποία έχει σημασία μόνο αν μία κάρτα δεν μπορεί να το κρατήσει. Ο αριθμός που μπορεί: 38. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

09

GLM-130B— 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.

10

GLM-130B— 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: 18–47 tok/s στον H100 NVL 94 GB. Το ίδιο μοντέλο και κάρτα διαφέρουν κατά τριάντα έως πενήντα τοις εκατό ανάλογα με το λογισμικό συμπερασμού και την έκδοσή του.

11

GLM-130B— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι RTX PRO 5000 72 GB Blackwell, με χωρητικότητα μνήμης 72 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 64.2 GB, και παράγει περίπου 11.8 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 38.

12

GLM-130B— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι H100 NVL 94 GB, γύρω από 29.6 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: 35.

13

GLM-130B— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 64.2 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.

14

GLM-130B— 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.

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