Gemma 2 9B calculadora TPS

Abre pesos Google DeepMind 9B parámetros June 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

509 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Xeon Phi 5110P

8 GB · IQ4_XS · 24.0 tok/s

Tarjeta más rápida

B200

376 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Gemma 2 9B?

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.

509 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
376 tok/s 320–452	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	11.7 GB	Q8_0	Cómodo
376 tok/s 320–452	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	11.7 GB	Q8_0	Cómodo
301 tok/s 180–481 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	11.7 GB	Q8_0	Cómodo
301 tok/s 180–481 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	11.7 GB	Q8_0	Cómodo
240 tok/s 144–385 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	11.7 GB	Q8_0	Cómodo
230 tok/s 196–276	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.7 GB	Q8_0	Cómodo
230 tok/s 196–276	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.7 GB	Q8_0	Cómodo
220 tok/s 132–352 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	11.7 GB	Q8_0	Cómodo
195 tok/s 117–313 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Cómodo
195 tok/s 117–313 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Cómodo
195 tok/s 117–313 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Cómodo
185 tok/s 158–222	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	11.7 GB	Q8_0	Cómodo
172 tok/s 146–207	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.0 GB	IQ4_XS	Ajustado
158 tok/s 134–190	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Cómodo
158 tok/s 134–190	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	11.7 GB	Q8_0	Cómodo
158 tok/s 134–190	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Cómodo
158 tok/s 134–190	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Cómodo
158 tok/s 134–190	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Cómodo
131 tok/s 111–157	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q5_K_M	Ajustado
120 tok/s 72–193 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	11.7 GB	Q8_0	Cómodo
120 tok/s 72–193 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	11.7 GB	Q8_0	Cómodo
100 tok/s 60–161 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	11.7 GB	Q8_0	Cómodo
98.2 tok/s 59–157 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	11.7 GB	Q8_0	Cómodo
96.0 tok/s 82–115	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	11.7 GB	Q8_0	Cómodo
96.0 tok/s 82–115	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	11.7 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: Google DeepMind
Tipo de Organización: Industry
País: United States of America
Publicado: 24 June 2024
Autores: Gemma Team, Google DeepMind

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, Code generation, Question answering, Quantitative reasoning

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: 9B
Datos de entrenamiento: 8,000,000,000,000 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.

Cómputo de entrenamiento: 4.3 × 10²³ FLOP
Cómo se estableció: Operation counting

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: Google TPU v4
Chips utilizados: 4,096
Consumo de energía: 2.7 MW

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: google

Cómo está clasificado

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

Probablemente por encima de 10²³ FLOP: Yes
Confianza de registro: Confident

Fuentes

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

Referencia: Gemma 2 offers best-in-class performance, runs at incredible speed across different hardware and easily integrates with other AI tools.
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Gemma 2 9B

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 Gemma 2 9B

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

Xeon Phi 5110P

Memoria necesaria

7.0 GB

Más rápido

376 tok/s

Gemma 2 9B llega a un recuento de parámetros de 9B. 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: 509.

La tarjeta más pequeña que lo sostiene es Xeon Phi 5110P, con una capacidad de memoria de 8 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 24.0 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 376 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

Gemma 2 9B fue publicado por Google DeepMind, en el país registrado como United States of America, durante June 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, Code generation, Question answering, Quantitative reasoning.

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 google.

Leyendo las cifras de rendimiento

La mitad de las tarjetas que lo sostienen gestionan más de 26.0 tokens por segundo. Excediendo velocidad de lectura directamente: 473 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.

Debido a que la arquitectura está registrada, la columna de memoria se deriva en lugar de estimarse.

Qué se necesitó para construirlo

Producirlo requirió una aritmética que totaliza alrededor de 4.3 × 10²³ FLOP, en hardware registrado como Google TPU v4. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

Fue entrenado en un corpus de aproximadamente 8,000,000,000,000 tokens de texto

Paso a paso

Cómo elegir una GPU para Gemma 2 9B

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 Gemma 2 9B, necesitando alrededor 7.0 GB a una compresión de IQ4_XS. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
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 Gemma 2 9B.
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 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

Compara tokens por segundo, no especificaciones

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Gemma 2 9B. 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 376 tok/s
05

Mira el margen, no solo la compatibilidad.

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Gemma 2 9B. 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

Revisa la tarjeta del otro lado

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 Gemma 2 9B.

Respuestas

Gemma 2 9B — preguntas comunes

Gemma 2 9B— ¿Por qué difiere la cuantificación entre tarjetas?

Debido a que la capacidad varía, también varía cuán difícil tiene que ser exprimido. El número de niveles distintos en la tabla de arriba: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Gemma 2 9B— ¿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: 320–452 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.

Gemma 2 9B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Xeon Phi 5110P, con una capacidad de memoria de 8 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 7.0 GB, y produce aproximadamente 24.0 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 509.

Gemma 2 9B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 376 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: 473.

Gemma 2 9B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 7.0 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.

Gemma 2 9B— ¿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 IQ4_XS, usando alrededor 7.0 GB y generando aproximadamente 172 tokens por segundo. El ajuste es ajustado.

Gemma 2 9B— ¿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 Q6_K, usando alrededor 9.6 GB y generando aproximadamente 62.4 tokens por segundo. El ajuste es ajustado.

Gemma 2 9B— ¿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 11.7 GB y generando aproximadamente 53.2 tokens por segundo. El ajuste es cómodo.

Gemma 2 9B— ¿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 11.7 GB y generando aproximadamente 63.1 tokens por segundo. El ajuste es cómodo.

Gemma 2 9B— ¿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.

Gemma 2 9B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 9B. 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.

Gemma 2 9B— ¿Quién lo creó?

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

Gemma 2 9B— ¿cuándo fue lanzado?

Se publicó en June 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.

Gemma 2 9B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

Gemma 2 9B— ¿Dónde puedo descargarlo?

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

Gemma 2 9B— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 4.3 × 10²³ FLOP, en hardware registrado como Google TPU v4. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.

Gemma 2 9B— ¿Puedo ejecutarlo si no cabe en mi GPU?

En parte. Las capas que no se ajustan se encuentran en la memoria del sistema y funcionan a una fracción de la velocidad, por lo que un modelo mayoritariamente descargado rara vez merece la pena utilizar. El fallo más cercano que calculamos se queda corto por 2.2 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Gemma 2 9B— ¿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: 509. 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