Qwen2-Audio calculadora TPS

Abre pesos Alibaba 8.2B 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

582 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Quadro 6000

6 GB · IQ4_XS · 15.5 tok/s

Tarjeta más rápida

B200

413 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Qwen2-Audio?

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.

582 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
413 tok/s 248–661 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.5 GB	Q8_0	Cómodo
413 tok/s 248–661 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.5 GB	Q8_0	Cómodo
330 tok/s 198–528 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.5 GB	Q8_0	Cómodo
330 tok/s 198–528 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.5 GB	Q8_0	Cómodo
264 tok/s 158–422 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.5 GB	Q8_0	Cómodo
253 tok/s 152–404 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.5 GB	Q8_0	Cómodo
253 tok/s 152–404 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.5 GB	Q8_0	Cómodo
242 tok/s 145–387 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.5 GB	Q8_0	Cómodo
215 tok/s 129–343 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.5 GB	Q8_0	Cómodo
215 tok/s 129–343 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.5 GB	Q8_0	Cómodo
215 tok/s 129–343 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.5 GB	Q8_0	Cómodo
204 tok/s 122–326 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.5 GB	Q8_0	Cómodo
174 tok/s 104–278 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.5 GB	Q8_0	Cómodo
174 tok/s 104–278 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.5 GB	Q8_0	Cómodo
174 tok/s 104–278 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.5 GB	Q8_0	Cómodo
174 tok/s 104–278 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.5 GB	Q8_0	Cómodo
174 tok/s 104–278 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.5 GB	Q8_0	Cómodo
137 tok/s 82–220 · baja confianza	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.6 GB	Q5_K_M	Ajustado
132 tok/s 79–211 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.5 GB	Q8_0	Cómodo
132 tok/s 79–211 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.5 GB	Q8_0	Cómodo
117 tok/s 70–187 · baja confianza	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.6 GB	Q6_K	Ajustado
110 tok/s 66–176 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.5 GB	Q8_0	Cómodo
108 tok/s 65–172 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.5 GB	Q8_0	Cómodo
105 tok/s 63–169 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.5 GB	Q8_0	Cómodo
105 tok/s 63–169 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.5 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: Alibaba
Tipo de Organización: Industry
País: China
Publicado: 15 July 2024
Autores: Yunfei Chu, Jin Xu, Qian Yang, Haojie Wei, Xipin Wei, Zhifang Guo, Yichong Leng, Yuanjun Lv, Jinzheng He, Junyang Lin, Chang Zhou, Jingren Zhou

Lo que hace

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

Dominio: Multimodal, Language, Audio
Tarea: Speech recognition (ASR), Speech synthesis, Translation, Speech-to-speech
Modelo base: Qwen-7B

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: 8.2B
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: Operation counting
Computación de ajuste fino: 2.1 × 10²¹ FLOP

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 (unrestricted)
Código de entrenamiento: Unreleased
Hugging Face: Qwen

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: Likely

Fuentes

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

Referencia: Qwen2-Audio Technical Report
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Qwen2-Audio

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 Qwen2-Audio

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

Quadro 6000

Memoria necesaria

5.2 GB

Más rápido

413 tok/s

Qwen2-Audio llega a un recuento de parámetros de 8.2B. Eso es lo suficientemente pequeño como para que el hardware rara vez sea el obstáculo, incluso en tarjetas de varios años. El número de tarjetas que rastreamos que pueden ejecutarlo: 582.

En el extremo bajo, se maneja por Quadro 6000, con una capacidad de memoria de 6 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 15.5 tokens por segundo

Gama alta es B200, generando aproximadamente 413 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Qué es este modelo

Qwen2-Audio fue publicado por Alibaba, en el país registrado como China, durante July 2024. Sale de una organización categorizada como industry.

Funciona en el dominio de Multimodal, Language, Audio, y se registra como realizando la tarea de speech recognition (ASR), Speech synthesis, Translation, Speech-to-speech.

Se basa en Qwen-7B. Por eso comparte la forma y el tamaño general del modelo base.

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 Qwen.

Qué decide la velocidad

La mitad de las tarjetas que lo sostienen gestionan más de 23.2 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 551 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.

Paso a paso

Cómo elegir una GPU para Qwen2-Audio

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.

Empieza desde lo que realmente necesita, que es el requerimiento de Qwen2-Audio, necesitando alrededor 5.2 GB a una compresión de IQ4_XS. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Decide cuánto duran tus conversaciones.

Las conversaciones más largas consumen memoria además de lo que los pesos necesitan. Mueve el control deslizante a tu longitud de trabajo real antes de confiar en cualquier fila para Qwen2-Audio.
03

Decide cuánto compresión aceptarás

Cada tarjeta ejecuta la copia menos comprimida que puede contener., alcanzando una compresión de IQ4_XS 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

Clasifica por rendimiento en lugar de la hoja de especificaciones.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Qwen2-Audio. 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 413 tok/s
05

Lee la columna de ajuste al final

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Qwen2-Audio. 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.

Seguir un GPU a su propia página muestra cada otro modelo que puede contener, que es la pregunta que sigue una vez que te has decidido por. Qwen2-Audio.

Respuestas

Qwen2-Audio — preguntas comunes

Qwen2-Audio— ¿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: 248–661 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.

Qwen2-Audio— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Quadro 6000, con una capacidad de memoria de 6 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 5.2 GB, y produce aproximadamente 15.5 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 582.

Qwen2-Audio— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 413 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: 551.

Qwen2-Audio— ¿Cuánta VRAM necesita?

Necesita aproximadamente 5.2 GB a una compresión de IQ4_XS, 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.

Qwen2-Audio— ¿Puedo ejecutarlo en una GPU que tiene? 8 GB?

Sí. La tarjeta CMP 170HX 8 GB, sosteniendo 8 GB, lo ejecuta a una compresión de Q5_K_M, usando alrededor 6.6 GB y generando aproximadamente 137 tokens por segundo. El ajuste es ajustado.

Qwen2-Audio— ¿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 Q8_0, usando alrededor 9.5 GB y generando aproximadamente 47.1 tokens por segundo. El ajuste es ajustado.

Qwen2-Audio— ¿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 Q8_0, usando alrededor 9.5 GB y generando aproximadamente 58.4 tokens por segundo. El ajuste es cómodo.

Qwen2-Audio— ¿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 Q8_0, usando alrededor 9.5 GB y generando aproximadamente 69.2 tokens por segundo. El ajuste es cómodo.

Qwen2-Audio— ¿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.

Qwen2-Audio— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 8.2B. "The total parameters of Qwen2-Audio is 8.2B parameters.". 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.

Qwen2-Audio— ¿Quién lo creó?

Fue publicado por Alibaba, basado en China, una organización categorizada como industry.

Qwen2-Audio— ¿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.

Qwen2-Audio— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Language, Audio, y se registra como manejando la tarea de speech recognition (ASR), Speech synthesis, Translation, Speech-to-speech. 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.

Qwen2-Audio— ¿Dónde puedo descargarlo?

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

Qwen2-Audio— ¿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 1.2 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Qwen2-Audio— ¿Correrían dos GPUS más rápido?

Dos tarjetas compran memoria en lugar de velocidad, lo cual solo importa si una tarjeta no puede contenerlo. El número que puede: 582. Así que una segunda tarjeta rara vez es la respuesta aquí.

Qwen2-Audio— ¿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.

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