T0-XXL Υπολογιστής TPS

Ανοιχτά βάρη Hugging Face,Brown University 11B παράμετροι October 2021

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

509 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

Xeon Phi 5110P

8 GB · IQ4_XS · 19.7 tok/s

Ταχύτερη κάρτα

B200

308 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν T0-XXL?

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.

509 οι κάρτες ταιριάζουν

Υπολογισμός
Χρειάζεται Ποσοτικοποίηση Καλά
308 tok/s

185–493 · χαμηλή εμπιστοσύνη

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 12.5 GB Q8_0 Άνετο
308 tok/s

185–493 · χαμηλή εμπιστοσύνη

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 12.5 GB Q8_0 Άνετο
246 tok/s

148–394 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 12.5 GB Q8_0 Άνετο
246 tok/s

148–394 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 12.5 GB Q8_0 Άνετο
197 tok/s

118–315 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 12.5 GB Q8_0 Άνετο
188 tok/s

113–301 · χαμηλή εμπιστοσύνη

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 12.5 GB Q8_0 Άνετο
188 tok/s

113–301 · χαμηλή εμπιστοσύνη

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 12.5 GB Q8_0 Άνετο
180 tok/s

108–288 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 12.5 GB Q8_0 Άνετο
160 tok/s

96–256 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 12.5 GB Q8_0 Άνετο
160 tok/s

96–256 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 12.5 GB Q8_0 Άνετο
160 tok/s

96–256 · χαμηλή εμπιστοσύνη

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 12.5 GB Q8_0 Άνετο
152 tok/s

91–243 · χαμηλή εμπιστοσύνη

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 12.5 GB Q8_0 Άνετο
141 tok/s

85–225 · χαμηλή εμπιστοσύνη

CMP 170HX 8 GB NVIDIA 8 GB 1,490 GB/s Sep 2021 6.7 GB IQ4_XS Στενά
129 tok/s

78–207 · χαμηλή εμπιστοσύνη

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 12.5 GB Q8_0 Άνετο
129 tok/s

78–207 · χαμηλή εμπιστοσύνη

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 12.5 GB Q8_0 Άνετο
129 tok/s

78–207 · χαμηλή εμπιστοσύνη

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 12.5 GB Q8_0 Άνετο
129 tok/s

78–207 · χαμηλή εμπιστοσύνη

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 12.5 GB Q8_0 Άνετο
129 tok/s

78–207 · χαμηλή εμπιστοσύνη

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 12.5 GB Q8_0 Άνετο
107 tok/s

64–172 · χαμηλή εμπιστοσύνη

CMP 170HX 10 GB NVIDIA 10 GB 1,560 GB/s Sep 2021 8.6 GB Q5_K_M Στενά
98.5 tok/s

59–158 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 12.5 GB Q8_0 Άνετο
98.5 tok/s

59–158 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 12.5 GB Q8_0 Άνετο
82.1 tok/s

49–131 · χαμηλή εμπιστοσύνη

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 12.5 GB Q8_0 Άνετο
80.3 tok/s

48–129 · χαμηλή εμπιστοσύνη

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 12.5 GB Q8_0 Άνετο
78.6 tok/s

47–126 · χαμηλή εμπιστοσύνη

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 12.5 GB Q8_0 Άνετο
78.6 tok/s

47–126 · χαμηλή εμπιστοσύνη

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 12.5 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
Hugging Face,Brown University
Τύπος οργανισμού
Industry,Academia
Χώρα
United States of America
Δημοσιευμένο
15 October 2021
Συγγραφείς
Victor Sanh, Albert Webson, Colin Raffel, Stephen H. Bach, Lintang Sutawika, Zaid Alyafeai, Antoine Chaffin, Arnaud Stiegler, Teven Le Scao, Arun Raja, Manan Dey, M Saiful Bari, Canwen Xu, Urmish Thakker, Shanya Sharma, Eliza Szczechla, Taewoon Kim, Gunjan Chhablani, Nihal V. Nayak, Debajyoti Datta, Jonathan Chang, Mike Tian-Jian Jiang, Han Wang, Matteo Manica, Sheng Shen, Zheng-Xin Yong, Harshit…

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
Βασικό μοντέλο
T5-11B

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
11B

"Unless specified otherwise, we use the XXL version which has 11B parameters."

Δεδομένα εκπαίδευσης
tokens

Multitask - 12 tasks, 62 datasets. See fig 2 for details. This is going to be a nightmare to figure out! TODO figure out the sizes of each of these 62 datasets! All datasets from here: https://arxiv.org/pdf/2109.02846.pdf From B.2: "across all of our training runs (including preliminary test experiments not described in this paper) we trained for 250 billion tokens"

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
9.2 × 10²⁰ FLOP

From Table 1 and section B.1, a single run uses 27 hours of a 512 core slice of a TPU-v3 pod. 512 * 0.5 * 1.23e14 * 3600 * 27 * 0.3 = 9.18e20 (cores) * (chip/core) * (FLOP/chip-sec) * (sec/hour) * (hours) * (utilization assumption)

Πώς ιδρύθηκε
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
Google TPU v3
χρησιμοποιούμενα τσιπ
256
Τσιπ-ώρες
69,120
Χρόνος τοίχου
27 hours

For main model, 27 hours (Table 1) Total time taken to train for all experiments was 270 hours "These training runs corresponded to about 270 total hours of training on a v3-512 Cloud TPU device."

Κατανάλωση ενέργειας
232.4 kW
Κόστος υπολογισμού
$11,672

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
Open source

Apache-2.0 license https://github.com/bigscience-workshop/t-zero training scripts: https://github.com/bigscience-workshop/t-zero/blob/master/training/README.md

Πώς ταξινομείται

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

Εγγραφή εμπιστοσύνης
Confident
Παραπομπές
1,988

Πηγές

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

Αναφορά
Multitask Prompted Training Enables Zero-Shot Task Generalization
Τελευταία ενημέρωση
25 May 2026

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν T0-XXL

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_0 308 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 308 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 246 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 246 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 197 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 188 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 188 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 180 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 160 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 160 tok/s

Οι μικρότερες GPUs που ακόμη λειτουργούν T0-XXL

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

  1. 01 Radeon RX 7400 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 21.2 tok/s
  2. 02 Radeon RX 9060 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 23.8 tok/s
  3. 03 GeForce RTX 5050 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 30.3 tok/s
  4. 04 GeForce RTX 5050 Mobile 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 36.3 tok/s
  5. 05 Radeon RX 9060 XT 8 GB 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 23.8 tok/s
  6. 06 GeForce RTX 5060 Mobile 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 36.3 tok/s
  7. 07 GeForce RTX 5060 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 42.4 tok/s
  8. 08 GeForce RTX 5060 Ti 8 GB 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 42.4 tok/s
  9. 09 GeForce RTX 5070 Mobile 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 36.3 tok/s
  10. 10 Radeon RX 7650 GRE 8 GB · Χρειάζεται 6.7 GB · IQ4_XS · Στενά 21.2 tok/s

Τι σημαίνουν οι αριθμοί

Τι χρειάζεσαι για να το τρέξεις

Ελάχιστη κάρτα

Xeon Phi 5110P

Μνήμη που απαιτείται

6.7 GB

Ταχύτερος

308 tok/s

T0-XXL φτάνει σε αριθμό παραμέτρων του 11B. 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: 509.

Ο ελάχιστος εξοπλισμός που λειτουργεί είναι Xeon Phi 5110P, με χωρητικότητα μνήμης 8 GB, τρέχοντας το σε μια συμπίεση του IQ4_XS και παράγοντας περίπου 19.7 tokens ανά δευτερόλεπτο

Κορυφαία κατηγορία είναι B200, γεννά προσεγγιστικά 308 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Υπόβαθρο

T0-XXL δημοσιεύθηκε από Hugging Face,Brown University, στην χώρα καταγεγραμμένη ως United States of America, κατά τη διάρκεια October 2021. Προέρχεται από έναν οργανισμό που κατατάσσεται ως industry,Academia.

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

Αντί να εκπαιδευτεί από την αρχή, προέρχεται από T5-11B. Αυτή είναι η συνηθισμένη διαδικασία παραγωγής ενός εξειδικευμένου μοντέλου.

Επειδή τα βάρη του απελευθερώθηκαν, τίποτα σχετικά με την εκτέλεσή του δεν εξαρτάται από το να παραμείνει διαθέσιμος ένας προμηθευτής - είναι δικό σας μόλις το κατεβάσετε.

Διαβάζοντας τα νούμερα απόδοσης

Η διάμεση τιμή είναι γύρω από 21.2 δεδομένα ανά δευτερόλεπτο 460 τους

Είναι ένα πυκνό μοντέλο, οπότε κάθε παράμετρος διαβάζεται για κάθε τοκέτο που παράγεται. Αυτό καθιστά την ταχύτητα να παρακολουθεί σχεδόν ακριβώς τη μνήμη μπάκανθ — μια κάρτα με διπλάσια μπάκανθ παράγει περίπου διπλάσια γρήγορα.

Η εσωτερική του αρχιτεκτονική δεν είναι καταχωρημένη, οπότε η μνήμη προσεγγίζεται από τον αριθμό παραμέτρων και σημειώνεται αναλόγως. Αναμένετε η πραγματική τιμή να διαφέρει, περισσότερο σε μεγάλο πλαίσιο.

Εκπαίδευση και προελεύσεις

Η εκπαίδευση απαιτούσε έναν υπολογιστικό προϋπολογισμό περίπου 9.2 × 10²⁰ FLOP, σε υλικό καταγεγραμμένο ως Google TPU v3. 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 T0-XXL

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 T0-XXL, χρειάζεστε γύρω 6.7 GB σε συμπίεση ενός IQ4_XS. 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 T0-XXL.

  3. 03

    Ορίστε ένα ποιοτικό κατώφλι

    Η Συμπίεση είναι αυτό που καθιστά ένα μοντέλο συμβατό με μικρότερες κάρτες, με κάποιο κόστος στην ακρίβεια., φτάνοντας σε μια συμπίεση του IQ4_XS 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 ταχύτητα παραγγελίας είναι στην ουσία μια παραγγελία με βάση το εύρος ζώνης μνήμης, για T0-XXL. 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 308 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 T0-XXL. 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 σελίδα κάρτας επαναλαμβάνει αυτή τη διαδικασία για κάθε μοντέλο που διαθέτουμε, απαντώντας σε το τι άλλο είναι καλό για το υλικό πέρα από T0-XXL.

Απαντήσεις

T0-XXL — κοινές ερωτήσεις

01

T0-XXL— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;

Η εκπαίδευση κατανάλωσε περίπου 9.2 × 10²⁰ FLOP, σε υλικό καταγεγραμμένο ως Google TPU v3. 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.

02

T0-XXL— 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 2.0 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

03

T0-XXL— 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: 509. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

04

T0-XXL— 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: 4. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

05

T0-XXL— 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: 185–493 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.

06

T0-XXL— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι Xeon Phi 5110P, με χωρητικότητα μνήμης 8 GB. Τρέχει το μοντέλο σε συμπίεση της IQ4_XS χρησιμοποιώντας περίπου 6.7 GB, και παράγει περίπου 19.7 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 509.

07

T0-XXL— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 308 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: 460.

08

T0-XXL— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 6.7 GB σε συμπίεση IQ4_XS, 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.

09

T0-XXL— μπορώ να το τρέξω σε μια GPU holding 8 GB?

Ναι. Η GPU CMP 170HX 8 GB, κρατώντας 8 ΓΒ, το τρέχει με συμπίεση από IQ4_XS, χρησιμοποιώντας περίπου 6.7 GB και παράγοντας περίπου 141 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

10

T0-XXL— 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 Q6_K, χρησιμοποιώντας περίπου 9.9 GB και παράγοντας περίπου 51.0 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

11

T0-XXL— 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 Q8_0, χρησιμοποιώντας περίπου 12.5 GB και παράγοντας περίπου 43.5 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

12

T0-XXL— 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 12.5 GB και παράγοντας περίπου 51.6 εγγραφές ανά δευτερόλεπτο. Η εφαρμογή είναι άνετη.

13

T0-XXL— 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.

14

T0-XXL— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 11B. "Unless specified otherwise, we use the XXL version which has 11B parameters.". 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.

15

T0-XXL— ποιος το δημιούργησε;

Δημοσιεύθηκε από Hugging Face,Brown University, βασισμένο σε United States of America, μία οργάνωση κατηγοριοποιημένη ως industry,Academia.

16

T0-XXL— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε October 2021. Η ικανότητα ανά παράμετρο έχει βελτιωθεί σημαντικά από τότε, οπότε ένα νέο ΜΟΝΤΕΛ του ίδιου μεγέθους είναι συχνά η καλύτερη χρήση του ίδιου υλικού.

17

T0-XXL— για τί χρησιμοποιείται;

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

18

T0-XXL— 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