InternLM2.5 calculadora TPS

Abre pesos Shanghai AI Lab 20B 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

293 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Quadro K6000

12 GB · Q3_K_M · 14.0 tok/s

Tarjeta más rápida

B200

169 tok/s · 180 GB

¿Qué GPU pueden ejecutar? InternLM2.5?

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.

293 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
169 tok/s 102–271 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	22.1 GB	Q8_0	Cómodo
169 tok/s 102–271 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	22.1 GB	Q8_0	Cómodo
135 tok/s 81–216 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	22.1 GB	Q8_0	Cómodo
135 tok/s 81–216 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	22.1 GB	Q8_0	Cómodo
108 tok/s 65–173 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	22.1 GB	Q8_0	Cómodo
104 tok/s 62–166 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.1 GB	Q8_0	Cómodo
104 tok/s 62–166 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.1 GB	Q8_0	Cómodo
99.1 tok/s 59–159 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	22.1 GB	Q8_0	Cómodo
88.0 tok/s 53–141 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Cómodo
88.0 tok/s 53–141 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Cómodo
88.0 tok/s 53–141 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Cómodo
83.4 tok/s 50–134 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	22.1 GB	Q8_0	Cómodo
71.2 tok/s 43–114 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Cómodo
71.2 tok/s 43–114 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	22.1 GB	Q8_0	Cómodo
71.2 tok/s 43–114 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Cómodo
71.2 tok/s 43–114 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Cómodo
71.2 tok/s 43–114 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Cómodo
55.2 tok/s 33–88 · baja confianza	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	12.8 GB	Q4_K_M	Ajustado
54.2 tok/s 33–87 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	22.1 GB	Q8_0	Cómodo
54.2 tok/s 33–87 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	22.1 GB	Q8_0	Cómodo
52.1 tok/s 31–83 · baja confianza	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.5 GB	Q3_K_M	Ajustado
52.1 tok/s 31–83 · baja confianza	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.5 GB	Q3_K_M	Ajustado
46.9 tok/s 28–75 · baja confianza	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	12.8 GB	Q4_K_M	Ajustado
45.2 tok/s 27–72 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	22.1 GB	Q8_0	Cómodo
44.2 tok/s 27–71 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	22.1 GB	Q8_0	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: Shanghai AI Lab
Tipo de Organización: Academia
País: China
Publicado: 1 August 2024

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, Question answering

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: 20B
Datos de entrenamiento: tokens

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)
Hugging Face: internlm

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: InternLM2.5-20B Model Card
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan InternLM2.5

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 InternLM2.5

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

Lo que se necesita para ejecutar este modelo

Mínima tarjeta

Quadro K6000

Memoria necesaria

10.5 GB

Más rápido

169 tok/s

InternLM2.5 llega a un recuento de parámetros de 20B. Eso cae dentro del rango que una tarjeta de escritorio seria puede manejar una vez que los pesos están comprimidos. El número de tarjetas que rastreamos que pueden ejecutarlo: 293.

La tarjeta más pequeña que lo sostiene es Quadro K6000, con una capacidad de memoria de 12 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 14.0 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 169 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Qué es este modelo

InternLM2.5 fue publicado por Shanghai AI Lab, en el país registrado como China, durante August 2024. La categoría en la que se encuentra el editor es academia.

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

Debido a que sus pesos fueron liberados, nada sobre ejecutar el modelo depende de un proveedor que permanezca disponible — es tuyo una vez descargado. En Hugging Face está publicado bajo la organización internlm.

Qué decide la velocidad

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 20.6 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 248 de ellos.

Cada peso participa en cada token aquí, por lo que el ancho de banda es la historia completa: el ranking a continuación es efectivamente un ranking de rendimiento de memoria.

La memoria aquí se estima a partir del tamaño en lugar de calcularse a partir de la arquitectura, que no se registra para este modelo — los números son indicativos en lugar de exactos.

Paso a paso

Cómo elegir una GPU para InternLM2.5

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

Lee la cifra de MEMORIA primero

La tabla enumera cada tarjeta capaz de contener InternLM2.5, necesitando alrededor 10.5 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

Decide cuánto duran tus conversaciones.

Establece el contexto a lo que realmente usarás. La caché crece con la conversación, y es la razón habitual por la que una card que parecía bien deja de fit. InternLM2.5.
03

Decide cuánto compresión aceptarás

Cada tarjeta ejecuta la copia menos comprimida que puede contener., 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. InternLM2.5. 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 169 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 InternLM2.5. 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

Abre la tarjeta que has elegido.

Cada nombre de tarjeta enlaza a su propia página, que ejecuta el mismo cálculo en todo el catálogo del modelo. Una tarjeta generalmente se compra para más de un modelo, por lo que vale la pena echar un vistazo antes de comprar para InternLM2.5.

Respuestas

InternLM2.5 — preguntas comunes

InternLM2.5— ¿Puedo ejecutarlo en una GPU que tiene? 24 GB?

Sí. La tarjeta GeForce RTX 5090 D V2, sosteniendo 24 GB, lo ejecuta a una compresión de Q6_K, usando alrededor 17.5 GB y generando aproximadamente 41.2 tokens por segundo. El ajuste es cómodo.

InternLM2.5— ¿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.

InternLM2.5— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 20B. 20b. 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.

InternLM2.5— ¿Quién lo creó?

Fue publicado por Shanghai AI Lab, basado en China, una organización categorizada como academia.

InternLM2.5— ¿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.

InternLM2.5— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, 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.

InternLM2.5— ¿Dónde puedo descargarlo?

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

InternLM2.5— ¿Puedo ejecutarlo si no cabe en mi GPU?

Solo al descargar, lo cual suele ser una falsa economía: la parte mantenida en la memoria del sistema arrastra todo. El fallo más cercano que calculamos se queda corto por 2.9 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

InternLM2.5— ¿Correrían dos GPUS más rápido?

La capacidad se suma entre las tarjetas; el rendimiento no. El número de tarjetas que ya lo tienen por sí solas: 293. Así que una segunda tarjeta rara vez es la respuesta aquí.

InternLM2.5— ¿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: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

InternLM2.5— ¿Qué tan precisas son estas estimaciones de velocidad?

Cada cifra se deriva del ancho de banda de VRAM y del tamaño del modelo, no está basado en benchmarks, por lo que cada una se publica como un rango en lugar de un solo número. Un ejemplo: 102–271 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.

InternLM2.5— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Quadro K6000, con una capacidad de memoria de 12 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 10.5 GB, y produce aproximadamente 14.0 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 293.

InternLM2.5— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 169 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: 248.

InternLM2.5— ¿Cuánta VRAM necesita?

Necesita aproximadamente 10.5 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.

InternLM2.5— ¿Puedo ejecutarlo en una GPU que tiene? 12 GB?

Sí. La tarjeta GeForce RTX 3080 Ti, sosteniendo 12 GB, lo ejecuta a una compresión de Q3_K_M, usando alrededor 10.5 GB y generando aproximadamente 52.1 tokens por segundo. El ajuste es ajustado.

InternLM2.5— ¿Puedo ejecutarlo en una GPU que tiene? 16 GB?

Sí. La tarjeta Tesla V100 SXM2 16 GB, sosteniendo 16 GB, lo ejecuta a una compresión de Q4_K_M, usando alrededor 12.8 GB y generando aproximadamente 55.2 tokens por segundo. El ajuste es ajustado.

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