Tri-21B Υπολογιστής TPS

Ανοιχτά βάρη Trillion Labs 20.7B παράμετροι August 2025

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

241 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

Xeon Phi 7120P

16 GB · Q4_K_M · 10.8 tok/s

Ταχύτερη κάρτα

B200

163 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν Tri-21B?

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.

241 οι κάρτες ταιριάζουν

Υπολογισμός
Χρειάζεται Ποσοτικοποίηση Καλά
163 tok/s

98–262 · χαμηλή εμπιστοσύνη

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 22.9 GB Q8_0 Άνετο
163 tok/s

98–262 · χαμηλή εμπιστοσύνη

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 22.9 GB Q8_0 Άνετο
131 tok/s

78–209 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 22.9 GB Q8_0 Άνετο
131 tok/s

78–209 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 22.9 GB Q8_0 Άνετο
104 tok/s

63–167 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 22.9 GB Q8_0 Άνετο
99.9 tok/s

60–160 · χαμηλή εμπιστοσύνη

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 22.9 GB Q8_0 Άνετο
99.9 tok/s

60–160 · χαμηλή εμπιστοσύνη

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 22.9 GB Q8_0 Άνετο
95.6 tok/s

57–153 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 22.9 GB Q8_0 Άνετο
84.9 tok/s

51–136 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 22.9 GB Q8_0 Άνετο
84.9 tok/s

51–136 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 22.9 GB Q8_0 Άνετο
84.9 tok/s

51–136 · χαμηλή εμπιστοσύνη

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 22.9 GB Q8_0 Άνετο
80.5 tok/s

48–129 · χαμηλή εμπιστοσύνη

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 22.9 GB Q8_0 Άνετο
68.7 tok/s

41–110 · χαμηλή εμπιστοσύνη

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 22.9 GB Q8_0 Άνετο
68.7 tok/s

41–110 · χαμηλή εμπιστοσύνη

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 22.9 GB Q8_0 Άνετο
68.7 tok/s

41–110 · χαμηλή εμπιστοσύνη

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 22.9 GB Q8_0 Άνετο
68.7 tok/s

41–110 · χαμηλή εμπιστοσύνη

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 22.9 GB Q8_0 Άνετο
68.7 tok/s

41–110 · χαμηλή εμπιστοσύνη

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 22.9 GB Q8_0 Άνετο
53.3 tok/s

32–85 · χαμηλή εμπιστοσύνη

Tesla V100 SXM2 16 GB NVIDIA 16 GB 1,130 GB/s Nov 2019 13.2 GB Q4_K_M Στενά
52.3 tok/s

31–84 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 22.9 GB Q8_0 Άνετο
52.3 tok/s

31–84 · χαμηλή εμπιστοσύνη

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 22.9 GB Q8_0 Άνετο
45.3 tok/s

27–72 · χαμηλή εμπιστοσύνη

GeForce RTX 5080 NVIDIA 16 GB 960 GB/s Jan 2025 13.2 GB Q4_K_M Στενά
43.6 tok/s

26–70 · χαμηλή εμπιστοσύνη

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 22.9 GB Q8_0 Άνετο
42.6 tok/s

26–68 · χαμηλή εμπιστοσύνη

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 22.9 GB Q8_0 Άνετο
42.3 tok/s

25–68 · χαμηλή εμπιστοσύνη

Tesla V100 DGXS 16 GB NVIDIA 16 GB 897 GB/s Mar 2018 13.2 GB Q4_K_M Στενά
42.3 tok/s

25–68 · χαμηλή εμπιστοσύνη

Tesla V100 PCIe 16 GB NVIDIA 16 GB 897 GB/s Jun 2017 13.2 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
Trillion Labs
Τύπος οργανισμού
Industry
Χώρα
Korea (Republic of)
Δημοσιευμένο
1 August 2025

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, Question answering, Code generation, Quantitative reasoning

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
20.7B

20.73B

Δεδομένα εκπαίδευσης
2,300,000,000,000 tokens

2.3T training 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
3 × 10²³ FLOP

2.95E+23 FLOPs (reported) 6 FLOP/parameter/token * 20730000000 parameters * 2300000000000 tokens = 2.86074e+23 FLOP

Πώς ιδρύθηκε
Reported,Operation counting

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 (restricted use)
Κωδικός εκπαίδευσης
Unreleased

Trillion license (MAU are fewer than 1 million or ARR is less than $10 million USD) https://huggingface.co/trillionlabs/Tri-21B

Αγκαλιάζοντας το Πρόσωπο
trillionlabs

Πώς ταξινομείται

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

Εγγραφή εμπιστοσύνης
Confident

Πηγές

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

Τελευταία ενημέρωση
28 November 2025

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν Tri-21B

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_0 163 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 163 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 131 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 131 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 104 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 99.9 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 99.9 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 95.6 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 84.9 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 84.9 tok/s

Τι σημαίνουν οι αριθμοί

Τι χρειάζεται για να τρέξει αυτό το μοντέλο

Ελάχιστη κάρτα

Xeon Phi 7120P

Μνήμη που απαιτείται

13.2 GB

Ταχύτερος

163 tok/s

Tri-21B φτάνει σε αριθμό παραμέτρων του 20.7B. Αυτό προσγειώνεται στο εύρος που μπορεί να χειριστεί μια σοβαρή επιτραπέζια κάρτα μόλις τα βάρη συμπιεστούν. Ο αριθμός των καρτών που παρακολουθούμε που μπορούν να το εκτελέσουν: 241.

Η μικρότερη κάρτα που το κρατάει είναι Xeon Phi 7120P, με χωρητικότητα μνήμης 16 GB, τρέχοντας το σε μια συμπίεση του Q4_K_M και παράγοντας περίπου 10.8 tokens ανά δευτερόλεπτο

Ο ταχύτερος υπολογισμός που κάνουμε γι 'αυτό είναι B200, γεννά προσεγγιστικά 163 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Από πού προήλθε

Tri-21B δημοσιεύθηκε από Trillion Labs, στην χώρα καταγεγραμμένη ως Korea (Republic of), κατά τη διάρκεια August 2025. Προέρχεται από έναν οργανισμό που κατατάσσεται ως industry.

Λειτουργεί στον τομέα της Language, και καταγράφεται ότι εκτελεί την εργασία του language modeling/generation, Question answering, Code generation, Quantitative reasoning.

Τα βάρη είναι δημοσιευμένα, έτσι ώστε να μπορούν να κατεβούν και να τρέξουν στον δικό σας υπολογιστή επ' αόριστον, εκτός σύνδεσης, χωρίς λογαριασμό συνδεδεμένο. Στο Hugging Face δημοσιεύεται υπό την οργάνωση trillionlabs.

Κατανόηση των ταχυτήτων

Σε κάθε κάρτα που μπορεί να το εκτελέσει, το μέσο της γκάμας βρίσκεται σε 21.1 δεκάδες ανά δευτερόλεπτο 198 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 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.

Τι χρειάστηκε για την κατασκευή του

Η παραγωγή του απαιτούσε αριθμητική που ανήλθε περίπου 3 × 10²³ FLOP. Αυτή η τιμή μετράει το κόστος παραγωγής του μοντέλου και δεν έχει σχέση με το πόσο γρήγορα απαντά.

Η εκπαίδευση κατανάλωσε ένα σύνολο περίπου 2,300,000,000,000 κωδικοί κειμένου

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για Tri-21B

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 Tri-21B, χρειάζεστε γύρω 13.2 GB σε συμπίεση ενός Q4_K_M. Αυτή η τιμή, όχι η κύρια απόδοση μιας κάρτας, είναι αυτή που αποφασίζει αν θα τρέξει.

  2. 02

    Αποφασίστε πόσο πολύ διαρκούν οι συνομιλίες σας

    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. Tri-21B.

  3. 03

    Αποφασίστε πόση συμπίεση θα αποδεχθείτε

    Κάθε κάρτα εκτελεί την λιγότερο συμπιεσμένη έκδοση που μπορεί να κρατήσει, φτάνοντας σε μια συμπίεση του Q4_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 ταχύτητα παραγγελίας είναι στην ουσία μια παραγγελία με βάση το εύρος ζώνης μνήμης, για Tri-21B. 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 163 τοκ/σ.

  5. 05

    Κοίτα τον χώρο, όχι μόνο την εφαρμογή

    Η στήλη καταλληλότητας χωρίζει τις κάρτες που απλά τα καταφέρνουν από αυτές που έχουν περιθώριο, στην περίπτωση του Tri-21B. 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

    Άνοιξε την κάρτα στην οποία έχεις καταλήξει

    Κάθε σελίδα κάρτας επαναλαμβάνει αυτή τη διαδικασία για κάθε μοντέλο που διαθέτουμε, απαντώντας σε το τι άλλο είναι καλό για το υλικό πέρα από Tri-21B.

Απαντήσεις

Tri-21B — κοινές ερωτήσεις

01

Tri-21B— 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 Q6_K, χρησιμοποιώντας περίπου 18.1 GB και παράγοντας περίπου 39.8 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

02

Tri-21B— 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.

03

Tri-21B— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 20.7B. 20.73B. 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.

04

Tri-21B— ποιος το δημιούργησε;

Δημοσιεύθηκε από Trillion Labs, βασισμένο σε Korea (Republic of), μία οργάνωση κατηγοριοποιημένη ως industry.

05

Tri-21B— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε August 2025.

06

Tri-21B— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του language modeling/generation, Question answering, Code generation, Quantitative reasoning. 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.

07

Tri-21B— πού μπορώ να το κατεβάσω;

Τα βάρη του είναι δημοσιευμένα στο Hugging Face, υπό την οργάνωση trillionlabs. Δεν φιλοξενούμε αρχεία μοντέλων — αυτός ο ιστότοπος υπολογίζει ποιο υλικό απαιτείται για να τα εκτελέσετε.

08

Tri-21B— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;

Η εκπαίδευση κατανάλωσε περίπου 3 × 10²³ FLOP. 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.

09

Tri-21B— μπορώ να το τρέξω αν δεν χωράει στην GPU μου;

Μόνο μέσω της εκφόρτωσης, η οποία είναι συνήθως μια ψευδής οικονομία: το μέρος που κρατιέται στη μνήμη του συστήματος τραβάει όλο το πράγμα κάτω. Η πλησιέστερη αποτυχία που υπολογίζουμε υπολείπεται κατά 2.4 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

10

Tri-21B— 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: 241. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

11

Tri-21B— 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.

12

Tri-21B— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Υπολογίζονται από προδιαγραφές και όχι μετρήσεις, και κάθε μία φέρει μια γκάμα. Ένα παράδειγμα: 98–262 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.

13

Tri-21B— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι Xeon Phi 7120P, με χωρητικότητα μνήμης 16 GB. Τρέχει το μοντέλο σε συμπίεση της Q4_K_M χρησιμοποιώντας περίπου 13.2 GB, και παράγει περίπου 10.8 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 241.

14

Tri-21B— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 163 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: 198.

15

Tri-21B— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 13.2 GB σε συμπίεση Q4_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.

16

Tri-21B— 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 13.2 GB και παράγοντας περίπου 53.3 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

Πηγή

Αρχική δημοσίευση

Η καταγραφή ενημερώθηκε τελευταία φορά 28 November 2025

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.