Nemotron-4 340B calculadora TPS
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
818 tarjetas que tenemos especificaciones para
Tarjeta más pequeña que cabe
Radeon Instinct MI300X
192 GB · Q3_K_M · 14.0 tok/s
Tarjeta más rápida
B300
17.8 tok/s · 288 GB
¿Qué GPU pueden ejecutar? Nemotron-4 340B?
Establecer las entradas, leer la respuesta
Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..
Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..
6 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
17.8
tok/s
11–28 · baja confianza |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 246.0 GB | Q5_K_M | Ajustado |
|
14.2
tok/s
9–23 · baja confianza |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 246.0 GB | Q5_K_M | Ajustado |
|
14.2
tok/s
9–23 · baja confianza |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 246.0 GB | Q5_K_M | Ajustado |
|
14.0
tok/s
8–22 · baja confianza |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 166.8 GB | Q3_K_M | Ajustado |
|
14.0
tok/s
8–22 · baja confianza |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 166.8 GB | Q3_K_M | Ajustado |
|
13.5
tok/s
8–22 · baja confianza |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 206.4 GB | Q4_K_M | Ajustado |
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
- NVIDIA
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 14 June 2024
- Autores
- Bo Adler, Niket Agarwal, Ashwath Aithal, Dong H. Anh, Pallab Bhattacharya, Annika Brundyn, Jared Casper, Bryan Catanzaro, Sharon Clay, Jonathan Cohen, Sirshak Das, Ayush Dattagupta, Olivier Delalleau, Leon Derczynski, Yi Dong, Daniel Egert, Ellie Evans, Aleksander Ficek, Denys Fridman, Shaona Ghosh, Boris Ginsburg, Igor Gitman, Tomasz Grzegorzek, Robert Hero, Jining Huang, Vibhu Jawa, Joseph Jenni…
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
- Formato numérico
- BF16
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
- 340B
- Datos de entrenamiento
- 9,000,000,000,000 tokens
- Tamaño de lote
- 9,437,184
340B
9T training tokens. They first train on an 8T token dataset and then an additional 1T tokens, it's slightly unclear if that's more data or a partial second epoch 6.75T words using 1 token = 0.75 words
2304 * 4096
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
- 1.8 × 10²⁵ FLOP
- Cómo se estableció
- Operation counting,Hardware
9 trillion tokens for training 6 * 340B * 9T = 1.8E25 alternatively, can do a hardware estimate with a few extra steps: According to the technical report, Nemotron-4 340B was trained using up to 6144 H100 GPUs. Helpfully, they also report the model FLOP utilization (MFU), which was 41-42% (Table 2). This is the ratio of the actual output of their GPUs, in FLOP used for training, relative to their theoretical max of 989 teraFLOP/s per GPU. Unfortunately, the report omits the last ingredient, w…
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
- 6,144
- Tiempo de reloj
- 2,200 hours (91.7 days)
- Utilización de hardware
- MFU 41.1%
- Consumo de energía
- 8.5 MW
- Costo de cómputo
- $21,271,018
see training compute notes, this is an inferred estimate
Table 2 indicates MFU at different stages of training. ((42.4% * 200B) + (42.3% * 200B) + (41.0% * 7600B)) / (200B + 200B + 7600B) = 0.410675, averaged over training.
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
- nvidia
Permissive commercial license: https://developer.download.nvidia.com/licenses/nvidia-open-model-license-agreement-june-2024.pdf
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo Frontier
- Yes
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- Training cost
- Confianza de registro
- Confident
~2e25 FLOP, so high training cost, likely >5M
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- NVIDIA Releases Open Synthetic Data Generation Pipeline for Training Large Language Models
- Última actualización
- 18 December 2025
Los extremos
Las diez GPUs más rápidas que ejecutan Nemotron-4 340B
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..
- 01 B300 288 GB · 8,000 GB/s · Q5_K_M 17.8 tok/s
- 02 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q5_K_M 14.2 tok/s
- 03 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q5_K_M 14.2 tok/s
- 04 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q3_K_M 14.0 tok/s
- 05 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q3_K_M 14.0 tok/s
- 06 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q4_K_M 13.5 tok/s
Las GPUs más pequeñas que aún funcionan Nemotron-4 340B
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..
- 01 Radeon Instinct MI300X 192 GB · Necesita 166.8 GB · Q3_K_M · Ajustado 14.0 tok/s
- 02 Radeon Instinct MI308X 192 GB · Necesita 166.8 GB · Q3_K_M · Ajustado 14.0 tok/s
- 03 Radeon Instinct MI325X 256 GB · Necesita 206.4 GB · Q4_K_M · Ajustado 13.5 tok/s
- 04 B300 288 GB · Necesita 246.0 GB · Q5_K_M · Ajustado 17.8 tok/s
- 05 Radeon Instinct MI350X 288 GB · Necesita 246.0 GB · Q5_K_M · Ajustado 14.2 tok/s
- 06 Radeon Instinct MI355X 288 GB · Necesita 246.0 GB · Q5_K_M · Ajustado 14.2 tok/s
Qué significan los números
Lo que se necesita para ejecutar este modelo
Mínima tarjeta
Radeon Instinct MI300X
Memoria necesaria
166.8 GB
Más rápido
17.8 tok/s
Nemotron-4 340B llega a un recuento de parámetros de 340B. Eso está más allá de lo que cualquier tarjeta gráfica única puede soportar. Ejecutarlo significa dividirlo entre varias tarjetas o alquilar hardware construido para el trabajo, y cada tarjeta capaz de soportarlo sola es una parte de datacenter. El número que puede: 6.
La tarjeta más pequeña que lo sostiene es Radeon Instinct MI300X, con una capacidad de memoria de 192 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 14.0 tokens por segundo
Lo más rápido que calculamos para ello es B300, generando aproximadamente 17.8 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.
Qué es este modelo
Nemotron-4 340B fue publicado por NVIDIA, en el país registrado como United States of America, durante June 2024. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Chat, 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 nvidia.
Qué decide la velocidad
La mitad de las tarjetas que lo sostienen gestionan más de 14.1 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 6 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.
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.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 1.8 × 10²⁵ FLOP, en hardware registrado como NVIDIA H100 SXM5 80GB. 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 9,000,000,000,000 tokens de texto
Su criterio de inclusión: training cost.
Paso a paso
Cómo elegir una GPU para Nemotron-4 340B
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
Comienza desde la columna de memoria
Cada tarjeta aquí ha sido verificada contra Nemotron-4 340B, necesitando alrededor 166.8 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
-
02
Establece la longitud de contexto en la que trabajarás.
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. Nemotron-4 340B.
-
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
Clasifica por rendimiento en lugar de la hoja de especificaciones.
La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Nemotron-4 340B. 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 B300, en 17.8 tok/s
-
05
Mira el margen, no solo la compatibilidad.
Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Nemotron-4 340B. 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. Nemotron-4 340B.
Respuestas
Nemotron-4 340B — preguntas comunes
Nemotron-4 340B— ¿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 44.4 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
Nemotron-4 340B— ¿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: 6. Así que una segunda tarjeta rara vez es la respuesta aquí.
Nemotron-4 340B— ¿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: 3. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.
Nemotron-4 340B— ¿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: 11–28 tok/s en B300. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.
Nemotron-4 340B— ¿Qué GPU necesito para ejecutarlo?
La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI300X, con una capacidad de memoria de 192 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 166.8 GB, y produce aproximadamente 14.0 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 6.
Nemotron-4 340B— ¿qué tan rápido es en una GPU?
Depende de la tarjeta. Lo más rápido que calculamos es B300, a aproximadamente 17.8 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: 6.
Nemotron-4 340B— ¿Cuánta VRAM necesita?
Necesita aproximadamente 166.8 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.
Nemotron-4 340B— ¿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.
Nemotron-4 340B— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 340B. 340B. 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.
Nemotron-4 340B— ¿Quién lo creó?
Fue publicado por NVIDIA, basado en United States of America, una organización categorizada como industry.
Nemotron-4 340B— ¿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.
Nemotron-4 340B— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Chat, Question answering. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Nemotron-4 340B— ¿Dónde puedo descargarlo?
Sus pesos están publicados en Hugging Face, bajo la organización nvidia. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.
Nemotron-4 340B— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.8 × 10²⁵ FLOP, en hardware registrado como NVIDIA H100 SXM5 80GB. 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.
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.