Llama Nemotron Super v1.5 Υπολογιστής TPS

Ανοιχτά βάρη NVIDIA 49B παράμετροι July 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

93 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

Radeon PRO V710

28 GB · Q3_K_M · 9.2 tok/s

Ταχύτερη κάρτα

B200

69.2 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν Llama Nemotron Super v1.5?

Ορίστε τις εισόδους, διαβάστε την απάντηση

Μήκος συμφραζομένων μουσικά κομμάτια

Μια μεγαλύτερη συζήτηση χρειάζεται περισσότερη μνήμη, γεγονός που μπορεί να απομακρύνει αυτό το μοντέλο από μικρότερες κάρτες..

Ελάχιστη ποιότητα

Κρύβει κάρτες που θα χωρούσαν μόνο το μοντέλο συμπιέζοντας το κάτω από αυτό το σημείο.

Αναζήτηση καρτών

Μνήμη κάρτας

Επίσης δείξτε κάρτες που δεν μπορούν να το τρέξουν

93 οι κάρτες ταιριάζουν

Υπολογισμός

					Χρειάζεται	Ποσοτικοποίηση	Καλά
69.2 tok/s 41–111 · χαμηλή εμπιστοσύνη	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	53.2 GB	Q8_0	Άνετο
69.2 tok/s 41–111 · χαμηλή εμπιστοσύνη	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	53.2 GB	Q8_0	Άνετο
55.2 tok/s 33–88 · χαμηλή εμπιστοσύνη	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	53.2 GB	Q8_0	Άνετο
55.2 tok/s 33–88 · χαμηλή εμπιστοσύνη	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	53.2 GB	Q8_0	Άνετο
44.2 tok/s 27–71 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	53.2 GB	Q8_0	Άνετο
42.3 tok/s 25–68 · χαμηλή εμπιστοσύνη	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	53.2 GB	Q8_0	Άνετο
42.3 tok/s 25–68 · χαμηλή εμπιστοσύνη	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	53.2 GB	Q8_0	Άνετο
40.5 tok/s 24–65 · χαμηλή εμπιστοσύνη	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	53.2 GB	Q8_0	Άνετο
39.7 tok/s 24–64 · χαμηλή εμπιστοσύνη	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	IQ4_XS	Στενά
39.7 tok/s 24–64 · χαμηλή εμπιστοσύνη	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	IQ4_XS	Στενά
38.0 tok/s 23–61 · χαμηλή εμπιστοσύνη	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	IQ4_XS	Στενά
38.0 tok/s 23–61 · χαμηλή εμπιστοσύνη	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	IQ4_XS	Στενά
35.9 tok/s 22–57 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Άνετο
35.9 tok/s 22–57 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Άνετο
35.9 tok/s 22–57 · χαμηλή εμπιστοσύνη	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Άνετο
34.1 tok/s 20–54 · χαμηλή εμπιστοσύνη	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	53.2 GB	Q8_0	Άνετο
31.1 tok/s 19–50 · χαμηλή εμπιστοσύνη	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	30.3 GB	Q4_K_M	Στενά
31.1 tok/s 19–50 · χαμηλή εμπιστοσύνη	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	30.3 GB	Q4_K_M	Στενά
31.1 tok/s 19–50 · χαμηλή εμπιστοσύνη	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	30.3 GB	Q4_K_M	Στενά
29.0 tok/s 17–46 · χαμηλή εμπιστοσύνη	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Άνετο
29.0 tok/s 17–46 · χαμηλή εμπιστοσύνη	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	53.2 GB	Q8_0	Άνετο
29.0 tok/s 17–46 · χαμηλή εμπιστοσύνη	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Άνετο
29.0 tok/s 17–46 · χαμηλή εμπιστοσύνη	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Άνετο
29.0 tok/s 17–46 · χαμηλή εμπιστοσύνη	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Άνετο
24.0 tok/s 14–38 · χαμηλή εμπιστοσύνη	Tesla PG500-216 NVIDIA	32 GB	1,130 GB/s	Nov 2019	27.5 GB	IQ4_XS	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: NVIDIA
Τύπος οργανισμού: Industry
Χώρα: United States of America
Δημοσιευμένο: 29 July 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, Mathematical reasoning, Chat, Instruction interpretation, Retrieval-augmented generation
Βασικό μοντέλο: Llama 3.3 70B

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: 49B
Δεδομένα εκπαίδευσης: 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.

Πώς ιδρύθηκε: 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
Αγκαλιάζοντας το Πρόσωπο: nvidia

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.

Αναφορά: Build More Accurate and Efficient AI Agents with the New NVIDIA Llama Nemotron Super v1.5
Τελευταία ενημέρωση: 28 November 2025

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν Llama Nemotron Super v1.5

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..

Οι μικρότερες GPUs που ακόμη λειτουργούν Llama Nemotron Super v1.5

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

Τι σημαίνουν οι αριθμοί

Τι χρειάζεσαι για να το τρέξεις

Ελάχιστη κάρτα

Radeon PRO V710

Μνήμη που απαιτείται

24.6 GB

Ταχύτερος

69.2 tok/s

Llama Nemotron Super v1.5 φτάνει σε αριθμό παραμέτρων του 49B. 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: 93.

Ο ελάχιστος εξοπλισμός που λειτουργεί είναι Radeon PRO V710, με χωρητικότητα μνήμης 28 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 9.2 tokens ανά δευτερόλεπτο

Στην άλλη άκρη κάθεται B200, γεννά προσεγγιστικά 69.2 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Υπόβαθρο

Llama Nemotron Super v1.5 δημοσιεύθηκε από NVIDIA, στην χώρα καταγεγραμμένη ως United States of America, κατά τη διάρκεια July 2025. Η κατηγορία στην οποία υπάγεται ο εκδότης είναι industry.

Λειτουργεί στον τομέα της Language, και καταγράφεται ότι εκτελεί την εργασία του language modeling/generation, Question answering, Code generation, Mathematical reasoning, Chat, Instruction interpretation, Retrieval-augmented generation.

Βασίζεται σε Llama 3.3 70B. 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. Στο Hugging Face δημοσιεύεται υπό την οργάνωση nvidia.

Διαβάζοντας τα νούμερα απόδοσης

Η διάμεση τιμή είναι γύρω από 17.5 τόκεν ανά δευτερόλεπτο. Παραγωγή κειμένου ταχύτερα από το μεγαλύτερο μέρος των ανθρώπων το διαβάζουν. 71 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.

Χωρίς τη διάταξη προσοχής σε αρχείο, η στήλη μνήμης είναι μια προσέγγιση. Είναι αρκετά κοντά για να επιλέξετε υλικό, και λιγότερο αξιόπιστη σε μεγάλο context.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για Llama Nemotron Super v1.5

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.

01

Αρχίστε από τη στήλη μνήμης

Ο πίνακας παραθέτει κάθε κάρτα που μπορεί να κρατήσει Llama Nemotron Super v1.5, χρειάζεστε γύρω 24.6 GB σε συμπίεση ενός Q3_K_M. Αυτή η τιμή, όχι η κύρια απόδοση μιας κάρτας, είναι αυτή που αποφασίζει αν θα τρέξει.
02

Αποφασίστε πόσο πολύ διαρκούν οι συνομιλίες σας

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 Nemotron Super v1.5.
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 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.
04

Σύγκριση TPS, όχι προδιαγραφές

Η ταχύτητα παραγγελίας είναι στην ουσία μια παραγγελία με βάση το εύρος ζώνης μνήμης, για Llama Nemotron Super v1.5. 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 69.2 τοκ/σ.
05

Ελέγξτε την απόφαση κατάλληλης εφαρμογής πριν από την αγορά

Το "Tight" σημαίνει ότι φορτώνει και λειτουργεί χωρίς περιθώριο να αυξηθεί το context αργότερα, στην περίπτωση του Llama Nemotron Super v1.5. 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.
06

Άνοιξε την κάρτα στην οποία έχεις καταλήξει

Ακολουθώντας μια κάρτα μέχρι τη δική της σελίδα δείχνει κάθε άλλο μοντέλο που μπορεί να κρατήσει, το οποίο είναι το ερώτημα που προκύπτει μόλις αποφασίσετε για Llama Nemotron Super v1.5.

Απαντήσεις

Llama Nemotron Super v1.5 — κοινές ερωτήσεις

Llama Nemotron Super v1.5— 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 8.7 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

Llama Nemotron Super v1.5— 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: 93. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

Llama Nemotron Super v1.5— 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: 5. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

Llama Nemotron Super v1.5— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Υπολογίζονται από προδιαγραφές και όχι μετρήσεις, και κάθε μία φέρει μια γκάμα. Ένα παράδειγμα: 41–111 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.

Llama Nemotron Super v1.5— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι Radeon PRO V710, με χωρητικότητα μνήμης 28 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 24.6 GB, και παράγει περίπου 9.2 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 93.

Llama Nemotron Super v1.5— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 69.2 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: 71.

Llama Nemotron Super v1.5— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 24.6 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.

Llama Nemotron Super v1.5— 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.

Llama Nemotron Super v1.5— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 49B. 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.

Llama Nemotron Super v1.5— ποιος το δημιούργησε;

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

Llama Nemotron Super v1.5— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε July 2025.

Llama Nemotron Super v1.5— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Language, και καταγράφεται ως διαχείριση της εργασίας του language modeling/generation, Question answering, Code generation, Mathematical reasoning, Chat, Instruction interpretation, Retrieval-augmented generation. Τα Μοντέλα συχνά φέρουν περισσότερα από ένα από το καθένα, και οι ετικέτες περιγράφουν τον σκοπό παρά τους περιορισμούς ικανότητας.

Llama Nemotron Super v1.5— πού μπορώ να το κατεβάσω;

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

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.

Όλα τα μοντέλα AI