ERNIE-4.5-VL-28B-A3B Υπολογιστής TPS

Ανοιχτά βάρη Baidu 28B παράμετροι June 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 · Q3_K_M · 51.9 tok/s

Ταχύτερη κάρτα

B200

672 tok/s · 180 GB

Ποιες GPU μπορούν να τρέξουν ERNIE-4.5-VL-28B-A3B?

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

241 οι κάρτες ταιριάζουν

Υπολογισμός

					Χρειάζεται	Ποσοτικοποίηση	Καλά
672 tok/s 403–1,076 · χαμηλή εμπιστοσύνη	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	29.2 GB	Q8_0	Άνετο
672 tok/s 403–1,076 · χαμηλή εμπιστοσύνη	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	29.2 GB	Q8_0	Άνετο
537 tok/s 322–859 · χαμηλή εμπιστοσύνη	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	29.2 GB	Q8_0	Άνετο
537 tok/s 322–859 · χαμηλή εμπιστοσύνη	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	29.2 GB	Q8_0	Άνετο
429 tok/s 258–687 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	29.2 GB	Q8_0	Άνετο
411 tok/s 247–657 · χαμηλή εμπιστοσύνη	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	29.2 GB	Q8_0	Άνετο
411 tok/s 247–657 · χαμηλή εμπιστοσύνη	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	29.2 GB	Q8_0	Άνετο
393 tok/s 236–629 · χαμηλή εμπιστοσύνη	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	29.2 GB	Q8_0	Άνετο
349 tok/s 209–558 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	29.2 GB	Q8_0	Άνετο
349 tok/s 209–558 · χαμηλή εμπιστοσύνη	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	29.2 GB	Q8_0	Άνετο
349 tok/s 209–558 · χαμηλή εμπιστοσύνη	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	29.2 GB	Q8_0	Άνετο
331 tok/s 199–530 · χαμηλή εμπιστοσύνη	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	29.2 GB	Q8_0	Άνετο
282 tok/s 169–452 · χαμηλή εμπιστοσύνη	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Άνετο
282 tok/s 169–452 · χαμηλή εμπιστοσύνη	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	29.2 GB	Q8_0	Άνετο
282 tok/s 169–452 · χαμηλή εμπιστοσύνη	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Άνετο
282 tok/s 169–452 · χαμηλή εμπιστοσύνη	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Άνετο
282 tok/s 169–452 · χαμηλή εμπιστοσύνη	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	29.2 GB	Q8_0	Άνετο
256 tok/s 154–410 · χαμηλή εμπιστοσύνη	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	12.9 GB	Q3_K_M	Στενά
228 tok/s 137–365 · χαμηλή εμπιστοσύνη	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	22.7 GB	Q6_K	Άνετο
228 tok/s 137–365 · χαμηλή εμπιστοσύνη	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	22.7 GB	Q6_K	Άνετο
219 tok/s 131–350 · χαμηλή εμπιστοσύνη	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	22.7 GB	Q6_K	Άνετο
219 tok/s 131–350 · χαμηλή εμπιστοσύνη	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	22.7 GB	Q6_K	Άνετο
218 tok/s 131–348 · χαμηλή εμπιστοσύνη	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	12.9 GB	Q3_K_M	Στενά
215 tok/s 129–344 · χαμηλή εμπιστοσύνη	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	29.2 GB	Q8_0	Άνετο
215 tok/s 129–344 · χαμηλή εμπιστοσύνη	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	29.2 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: Baidu
Τύπος οργανισμού: Industry
Χώρα: China
Δημοσιευμένο: 29 June 2025

Τι κάνει

Οι προβληματικές περιοχές για τις οποίες σχεδιάστηκε το μοντέλο. Ένα μοντέλο μπορεί να διαθέτει αρκετές από κάθε μία.

τομέας: Multimodal, Language, Vision, Video
Εργασία: Language modeling/generation, Visual question answering, Video description, Speech recognition (ASR), Quantitative reasoning, Code generation, Translation, Question answering, Character recognition (OCR)
Βασικό μοντέλο: ERNIE-4.5-21B-A3B
Αριθμητική μορφή: FP8

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: 28B
Δεδομένα εκπαίδευσης: tokens

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: Unreleased
Αγκαλιάζοντας το Πρόσωπο: baidu

Πώς ταξινομείται

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

Πιθανώς πάνω από 10²³ FLOP: Yes
Εγγραφή εμπιστοσύνης: Confident

Πηγές

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

Αναφορά: ERNIE 4.5 Technical Report
Τελευταία ενημέρωση: 28 November 2025

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν ERNIE-4.5-VL-28B-A3B

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 ERNIE-4.5-VL-28B-A3B

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

Xeon Phi 7120P

Μνήμη που απαιτείται

12.9 GB

Ταχύτερος

672 tok/s

ERNIE-4.5-VL-28B-A3B φτάνει σε αριθμό παραμέτρων του 28B. 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.

Ο ελάχιστος εξοπλισμός που λειτουργεί είναι Xeon Phi 7120P, με χωρητικότητα μνήμης 16 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 51.9 tokens ανά δευτερόλεπτο

Η ταχύτερη έκβαση προέρχεται από B200, γεννά προσεγγιστικά 672 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 8,000 GB/s.

Υπόβαθρο

ERNIE-4.5-VL-28B-A3B δημοσιεύθηκε από Baidu, στην χώρα καταγεγραμμένη ως China, κατά τη διάρκεια June 2025. Προέρχεται από έναν οργανισμό που κατατάσσεται ως industry.

Λειτουργεί στον τομέα της Multimodal, Language, Vision, Video, και καταγράφεται ότι εκτελεί την εργασία του language modeling/generation, Visual question answering, Video description, Speech recognition (ASR), Quantitative reasoning, Code generation, Translation, Question answering, Character recognition (OCR).

Το σημείο εκκίνησής του ήταν ένα υπάρχον μοντέλο βάσης, ERNIE-4.5-21B-A3B. 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. Στο Hugging Face δημοσιεύεται υπό την οργάνωση baidu.

Διαβάζοντας τα νούμερα απόδοσης

Σε κάθε κάρτα που μπορεί να το εκτελέσει, το μέσο της γκάμας βρίσκεται σε 101.9 δεδομένα ανά δευτερόλεπτο 239 τους

Αυτό είναι ένα μοντέλο μίξης εμπειρογνωμόνων, το οποίο δρομολογεί κάθε τοκέν μόνο μέσα από ένα μέρος του. Επομένως, παράγει πολύ πιο γρήγορα από ό,τι υποδηλώνει το συνολικό μέγεθός του — ενώ εξακολουθεί να χρειάζεται κάθε παράμετρος στον GPU VRAM, έτσι είναι γρήγορο χωρίς να είναι φθηνό να κρατηθεί.

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 ERNIE-4.5-VL-28B-A3B

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 ERNIE-4.5-VL-28B-A3B, χρειάζεστε γύρω 12.9 GB σε συμπίεση ενός Q3_K_M. Η Χωρητικότητα είναι η πύλη — μια κάρτα είτε την κρατά είτε δεν την κρατά.
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 ERNIE-4.5-VL-28B-A3B.
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.
04

Κατάταξη με βάση την απόδοση αντί για το φύλλο προδιαγραφών

Η κατάταξη κατά τους αριθμούς ανά δευτερόλεπτο ακολουθεί την εύρος μνήμης αντί για τον αριθμό πυρήνων, για ERNIE-4.5-VL-28B-A3B. 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 672 τοκ/σ.
05

Διαβάστε την τελευταίο στήλη εφαρμογής

Η στήλη καταλληλότητας χωρίζει τις κάρτες που απλά τα καταφέρνουν από αυτές που έχουν περιθώριο, στην περίπτωση του ERNIE-4.5-VL-28B-A3B. 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

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 ERNIE-4.5-VL-28B-A3B.

Απαντήσεις

ERNIE-4.5-VL-28B-A3B — κοινές ερωτήσεις

ERNIE-4.5-VL-28B-A3B— 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 Q5_K_M, χρησιμοποιώντας περίπου 19.4 GB και παράγοντας περίπου 201 οι τόκεν ανά δευτερόλεπτο. Η εφαρμογή είναι σφιχτή.

ERNIE-4.5-VL-28B-A3B— 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.

ERNIE-4.5-VL-28B-A3B— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 28B. MoE total parameters: 28B active parameters: 3B. 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.

ERNIE-4.5-VL-28B-A3B— ποιος το δημιούργησε;

Δημοσιεύθηκε από Baidu, βασισμένο σε China, μία οργάνωση κατηγοριοποιημένη ως industry.

ERNIE-4.5-VL-28B-A3B— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε June 2025.

ERNIE-4.5-VL-28B-A3B— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Multimodal, Language, Vision, Video, και καταγράφεται ως διαχείριση της εργασίας του language modeling/generation, Visual question answering, Video description, Speech recognition (ASR), Quantitative reasoning, Code generation, Translation, Question answering, Character recognition (OCR). Αυτές είναι οι περιοχές γύρω από τις οποίες σχεδιάστηκε; Περιγράφουν την πρόθεση παρά ένα αυστηρό όριο.

ERNIE-4.5-VL-28B-A3B— πού μπορώ να το κατεβάσω;

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

ERNIE-4.5-VL-28B-A3B— 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 5.4 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

ERNIE-4.5-VL-28B-A3B— 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: 241. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

ERNIE-4.5-VL-28B-A3B— 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: 5. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

ERNIE-4.5-VL-28B-A3B— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Κάθε νούμερο προκύπτει από το εύρος ζώνης μνήμης και το μέγεθος του μοντέλου, χωρίς να έχουν αξιολογηθεί, γι' αυτό και κάθε ένα δημοσιεύεται ως εύρος αντί για έναν μόνο αριθμό. Ένα παράδειγμα: 403–1,076 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.

ERNIE-4.5-VL-28B-A3B— 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 Q3_K_M χρησιμοποιώντας περίπου 12.9 GB, και παράγει περίπου 51.9 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 241.

ERNIE-4.5-VL-28B-A3B— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι B200, γύρω από 672 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: 239.

ERNIE-4.5-VL-28B-A3B— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 12.9 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.

ERNIE-4.5-VL-28B-A3B— 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 Q3_K_M, χρησιμοποιώντας περίπου 12.9 GB και παράγοντας περίπου 256 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.

Όλα τα μοντέλα AI