LLaVA-NeXT-32B-Qwen calculadora TPS

Abre pesos LMMs-Lab 32B parámetros July 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

132 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

RTX A4500

20 GB · Q3_K_M · 22.9 tok/s

Tarjeta más rápida

B200

106 tok/s · 180 GB

¿Qué GPU pueden ejecutar? LLaVA-NeXT-32B-Qwen?

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.

132 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
106 tok/s 64–169 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.0 GB	Q8_0	Cómodo
106 tok/s 64–169 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.0 GB	Q8_0	Cómodo
84.6 tok/s 51–135 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Cómodo
84.6 tok/s 51–135 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Cómodo
67.6 tok/s 41–108 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.0 GB	Q8_0	Cómodo
64.7 tok/s 39–104 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Cómodo
64.7 tok/s 39–104 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Cómodo
61.9 tok/s 37–99 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.0 GB	Q8_0	Cómodo
55.0 tok/s 33–88 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Cómodo
55.0 tok/s 33–88 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Cómodo
55.0 tok/s 33–88 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Cómodo
52.2 tok/s 31–83 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.0 GB	Q8_0	Cómodo
44.5 tok/s 27–71 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Cómodo
44.5 tok/s 27–71 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.0 GB	Q8_0	Cómodo
44.5 tok/s 27–71 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Cómodo
44.5 tok/s 27–71 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Cómodo
44.5 tok/s 27–71 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Cómodo
40.9 tok/s 25–66 · baja confianza	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.1 GB	Q4_K_M	Ajustado
37.3 tok/s 22–60 · baja confianza	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.1 GB	Q4_K_M	Ajustado
36.0 tok/s 22–58 · baja confianza	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	Ajustado
36.0 tok/s 22–58 · baja confianza	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	Ajustado
34.4 tok/s 21–55 · baja confianza	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	Ajustado
34.4 tok/s 21–55 · baja confianza	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	Ajustado
33.9 tok/s 20–54 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.0 GB	Q8_0	Cómodo
33.9 tok/s 20–54 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.0 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: LMMs-Lab
Tipo de Organización: Research collective
Publicado: 16 July 2024

Lo que hace

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

Dominio: Multimodal, Language
Tarea: Chat, Language modeling/generation, Visual question answering, Image captioning
Modelo base: Qwen1.5-32B

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: 32B
Datos de entrenamiento: tokens

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
Computación de ajuste fino: 7.5 × 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 A100 SXM4 80 GB
Chips utilizados: 64
Tiempo de reloj: 35 hours
Consumo de energía: 50.5 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: lmms-lab

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: Github: lmms-lab/llava-next-qwen-32b
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan LLaVA-NeXT-32B-Qwen

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 LLaVA-NeXT-32B-Qwen

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

El lado de hardware

Mínima tarjeta

RTX A4500

Memoria necesaria

16.3 GB

Más rápido

106 tok/s

LLaVA-NeXT-32B-Qwen llega a un recuento de parámetros de 32B. 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: 132.

En el extremo bajo, se maneja por RTX A4500, con una capacidad de memoria de 20 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 22.9 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 106 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

LLaVA-NeXT-32B-Qwen fue publicado por LMMs-Lab, durante July 2024. La organización editora está clasificada como research collective.

Funciona en el dominio de Multimodal, Language, y se registra como realizando la tarea de chat, Language modeling/generation, Visual question answering, Image captioning.

Su punto de partida fue un modelo base existente, Qwen1.5-32B. La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.

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 lmms-lab.

Leyendo las cifras de rendimiento

El resultado mediano es alrededor de 20.7 tokens por segundo. Excediendo velocidad de lectura directamente: 103 de ellos.

Es un modelo denso, por lo que cada parámetro se lee para cada token producido. Eso hace que la velocidad rastree el ancho de banda de la memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.

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.

Paso a paso

Cómo elegir una GPU para LLaVA-NeXT-32B-Qwen

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.

La tabla enumera cada tarjeta capaz de contener LLaVA-NeXT-32B-Qwen, necesitando alrededor 16.3 GB a una compresión de Q3_K_M. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
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. LLaVA-NeXT-32B-Qwen.
03

Decide cuánto compresión aceptarás

La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., 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

Ordenar por velocidad

El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para LLaVA-NeXT-32B-Qwen. 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 106 tok/s
05

Lee la columna de ajuste al final

Tight significa que se carga y funciona sin espacio para aumentar el contexto más tarde, en el caso de LLaVA-NeXT-32B-Qwen. 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 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 LLaVA-NeXT-32B-Qwen.

Respuestas

LLaVA-NeXT-32B-Qwen — preguntas comunes

LLaVA-NeXT-32B-Qwen— ¿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.

LLaVA-NeXT-32B-Qwen— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 32B. 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.

LLaVA-NeXT-32B-Qwen— ¿Quién lo creó?

Fue publicado por LMMs-Lab, una organización categorizada como research collective.

LLaVA-NeXT-32B-Qwen— ¿cuándo fue lanzado?

Se publicó en July 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.

LLaVA-NeXT-32B-Qwen— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Language, y se registra como manejando la tarea de chat, Language modeling/generation, Visual question answering, Image captioning. 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.

LLaVA-NeXT-32B-Qwen— ¿Dónde puedo descargarlo?

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

LLaVA-NeXT-32B-Qwen— ¿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 5.7 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

LLaVA-NeXT-32B-Qwen— ¿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: 132. Así que una segunda tarjeta rara vez es la respuesta aquí.

LLaVA-NeXT-32B-Qwen— ¿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.

LLaVA-NeXT-32B-Qwen— ¿Qué tan precisas son estas estimaciones de velocidad?

Estas son estimaciones con barras de error reales, y cualquiera de ellas podría razonablemente situarse en cualquier parte de su rango publicado dependiendo del runtime que utilices. El resultado más rápido aquí: 64–169 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.

LLaVA-NeXT-32B-Qwen— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es RTX A4500, con una capacidad de memoria de 20 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 16.3 GB, y produce aproximadamente 22.9 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 132.

LLaVA-NeXT-32B-Qwen— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 106 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: 103.

LLaVA-NeXT-32B-Qwen— ¿Cuánta VRAM necesita?

Necesita aproximadamente 16.3 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.

LLaVA-NeXT-32B-Qwen— ¿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 Q4_K_M, usando alrededor 20.1 GB y generando aproximadamente 40.9 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