Hermes 3 70B calculadora TPS

Abre pesos Nous Research 70B parámetros August 2024

Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..

Calculado para este modelo

61 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

A100 PCIe 40 GB

40 GB · Q3_K_M · 25.5 tok/s

Tarjeta más rápida

B200

48.4 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Hermes 3 70B?

Establecer las entradas, leer la respuesta

Longitud del contexto tokens

Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..

Calidad mínima

Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..

Buscar tarjetas

Memoria de la tarjeta

También muestra tarjetas que no pueden ejecutarlo.

61 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
48.4 tok/s 29–77 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	75.6 GB	Q8_0	Cómodo
48.4 tok/s 29–77 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	75.6 GB	Q8_0	Cómodo
38.7 tok/s 23–62 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	75.6 GB	Q8_0	Cómodo
38.7 tok/s 23–62 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	75.6 GB	Q8_0	Cómodo
30.9 tok/s 19–49 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	75.6 GB	Q8_0	Cómodo
29.6 tok/s 18–47 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	75.6 GB	Q8_0	Cómodo
29.6 tok/s 18–47 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	75.6 GB	Q8_0	Cómodo
29.5 tok/s 18–47 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	59.3 GB	Q6_K	Cómodo
29.5 tok/s 18–47 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	59.3 GB	Q6_K	Cómodo
28.3 tok/s 17–45 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	75.6 GB	Q8_0	Cómodo
26.1 tok/s 16–42 · baja confianza	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	43.0 GB	Q4_K_M	Ajustado
25.5 tok/s 15–41 · baja confianza	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.9 GB	Q3_K_M	Ajustado
25.5 tok/s 15–41 · baja confianza	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.9 GB	Q3_K_M	Ajustado
25.5 tok/s 15–41 · baja confianza	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.9 GB	Q3_K_M	Ajustado
25.1 tok/s 15–40 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	75.6 GB	Q8_0	Cómodo
25.1 tok/s 15–40 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	75.6 GB	Q8_0	Cómodo
25.1 tok/s 15–40 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	75.6 GB	Q8_0	Cómodo
23.8 tok/s 14–38 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.6 GB	Q8_0	Ajustado
21.8 tok/s 13–35 · baja confianza	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	51.2 GB	Q5_K_M	Ajustado
20.3 tok/s 12–33 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.6 GB	Q8_0	Ajustado
20.3 tok/s 12–33 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.6 GB	Q8_0	Ajustado
20.3 tok/s 12–33 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.6 GB	Q8_0	Ajustado
18.7 tok/s 11–30 · baja confianza	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	43.0 GB	Q4_K_M	Ajustado
17.9 tok/s 11–29 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	59.3 GB	Q6_K	Cómodo
17.9 tok/s 11–29 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	59.3 GB	Q6_K	Cómodo

Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización: Nous Research
Tipo de Organización: Industry
País: United States of America
Publicado: 14 August 2024
Autores: teknium, Jeffrey Quesnelle, Chen Guang

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Language
Tarea: Language modeling/generation, Chat, Question answering
Modelo base: Llama 3.1-70B

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros: 70B
Datos de entrenamiento: 270,000,000 tokens
Épocas: 3

Cómputo de entrenamiento

La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.

Cómo se estableció: Hardware,Operation counting
Computación de ajuste fino: 5.8 × 10²⁰ FLOP

La ejecución de entrenamiento

Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.

Hardware de entrenamiento: NVIDIA H100 SXM5 80GB
Chips utilizados: 48
Horas de chip: 648
Consumo de energía: 66.2 kW

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (restricted use)
Código de entrenamiento: Unreleased
Hugging Face: NousResearch

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Confianza de registro: Confident

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia: Hermes 3 Technical Report
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Hermes 3 70B

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..

Las GPUs más pequeñas que aún funcionan Hermes 3 70B

La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..

Qué significan los números

Requisitos de hardware en la práctica

Mínima tarjeta

A100 PCIe 40 GB

Memoria necesaria

34.9 GB

Más rápido

48.4 tok/s

Hermes 3 70B llega a un recuento de parámetros de 70B. Eso lo coloca por encima del hardware de consumo, en el rango donde se compra una tarjeta para este propósito en lugar de ser reutilizada para ello. El número de tarjetas que seguimos que pueden contenerlo: 61.

El punto de entrada es A100 PCIe 40 GB, con una capacidad de memoria de 40 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 25.5 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 48.4 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Hermes 3 70B fue publicado por Nous Research, en el país registrado como United States of America, durante August 2024. Sale de una organización categorizada como industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Chat, Question answering.

Se basa en Llama 3.1-70B. Esa es la forma habitual en que se produce un modelo especializado.

El hecho de que los pesos sean abiertos es lo que coloca esta página en la calculadora en lugar de solo en el catálogo: es un modelo que puedes sostener. En Hugging Face está publicado bajo la organización NousResearch.

Qué tan rápido corre, y por qué

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 17.1 tokens por segundo. Excediendo velocidad de lectura directamente: 50 de ellos.

Siendo denso, lee todo de sí mismo por token, razón por la cual el orden según velocidad a continuación sigue tan de cerca el orden por ancho de banda de memoria.

Su arquitectura interna no está en nuestra base de datos, por lo que la memoria se aproxima a partir del conteo de parámetros y se marca en consecuencia. Se espera que la cifra real difiera, más aún en contextos largos.

Qué se necesitó para construirlo

Fue entrenado en un corpus de aproximadamente 270,000,000 tokens de texto

Paso a paso

Cómo elegir una GPU para Hermes 3 70B

La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..

01

Verifica lo que necesita antes de cualquier otra cosa.

Cada tarjeta aquí ha sido verificada contra Hermes 3 70B, necesitando alrededor 34.9 GB a una compresión de Q3_K_M. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
02

Establece la longitud de contexto en la que trabajarás.

La conversación ocupa memoria también, y crece a medida que avanza. Ajusta el controlador a la longitud que esperas, porque en un contexto largo una CARD que maneja preguntas cortas fácilmente puede no encajar. Hermes 3 70B.
03

Establecer un umbral de calidad

La compresión es lo que hace que un modelo quepa en tarjetas más pequeñas, a costa de cierta precisión., alcanzando una compresión de Q3_K_M en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
04

Compara tokens por segundo, no especificaciones

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Hermes 3 70B. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 48.4 tok/s
05

Verifica el veredicto de ajuste antes de comprar

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Hermes 3 70B. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
06

Mira qué más ejecuta esa tarjeta

Cada página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de Hermes 3 70B.

Respuestas

Hermes 3 70B — preguntas comunes

Hermes 3 70B— ¿Por qué difiere la cuantificación entre tarjetas?

Cada tarjeta se muestra ejecutando la copia menos comprimida que puede contener. El número de niveles de compresión distintos entre las tarjetas que lo soportan: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Hermes 3 70B— ¿Qué tan precisas son estas estimaciones de velocidad?

Se calculan a partir de especificaciones en lugar de ser medidas, y cada una tiene un rango. Un ejemplo: 29–77 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

Hermes 3 70B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es A100 PCIe 40 GB, con una capacidad de memoria de 40 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 34.9 GB, y produce aproximadamente 25.5 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 61.

Hermes 3 70B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 48.4 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 50.

Hermes 3 70B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 34.9 GB a una compresión de Q3_K_M, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

Hermes 3 70B— ¿Es de código abierto?

Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

Hermes 3 70B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 70B. 70B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

Hermes 3 70B— ¿Quién lo creó?

Fue publicado por Nous Research, basado en United States of America, una organización categorizada como industry.

Hermes 3 70B— ¿cuándo fue lanzado?

Se publicó en August 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

Hermes 3 70B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Chat, Question answering. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.

Hermes 3 70B— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización NousResearch. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

Hermes 3 70B— ¿Puedo ejecutarlo si no cabe en mi GPU?

Se puede dividir entre la tarjeta y la memoria del sistema, pero se genera muy lentamente de esa manera. El fallo más cercano que calculamos se queda corto por 14.2 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Hermes 3 70B— ¿Correrían dos GPUS más rápido?

Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 61. Así que una segunda tarjeta rara vez es la respuesta aquí.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.

Todos los modelos de IA