P1-235B-A22B calculadora TPS

Abre pesos Shanghai AI Lab 235B parámetros November 2025

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

17 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Radeon Instinct MI250

128 GB · Q3_K_M · 69.1 tok/s

Tarjeta más rápida

B200

143 tok/s · 180 GB

¿Qué GPU pueden ejecutar? P1-235B-A22B?

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.

17 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
143 tok/s 86–229 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	157.1 GB	Q5_K_M	Ajustado
138 tok/s 83–221 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	102.4 GB	Q3_K_M	Ajustado
120 tok/s 72–192 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	IQ4_XS	Ajustado
120 tok/s 72–192 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	IQ4_XS	Ajustado
112 tok/s 67–180 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	102.4 GB	Q3_K_M	Ajustado
80.1 tok/s 48–128 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	239.1 GB	Q8_0	Ajustado
74.3 tok/s 45–119 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	157.1 GB	Q5_K_M	Ajustado
74.3 tok/s 45–119 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	157.1 GB	Q5_K_M	Ajustado
69.1 tok/s 41–111 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	102.4 GB	Q3_K_M	Ajustado
69.1 tok/s 41–111 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	102.4 GB	Q3_K_M	Ajustado
68.1 tok/s 41–109 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	184.4 GB	Q6_K	Cómodo
64.0 tok/s 38–102 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	239.1 GB	Q8_0	Ajustado
64.0 tok/s 38–102 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	239.1 GB	Q8_0	Ajustado
57.6 tok/s 35–92 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	102.4 GB	Q3_K_M	Ajustado
56.4 tok/s 34–90 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	102.4 GB	Q3_K_M	Ajustado
7.4 tok/s 4–12 · baja confianza	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	102.4 GB	Q3_K_M	Ajustado
7.4 tok/s 4–12 · baja confianza	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	102.4 GB	Q3_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: Shanghai AI Lab
Tipo de Organización: Academia
País: China
Publicado: 17 November 2025
Autores: Jiacheng Chen, Qianjia Cheng, Fangchen Yu, Haiyuan Wan, Yuchen Zhang, Shenghe Zheng, Junchi Yao, Qingyang Zhang, Haonan He, Yun Luo, Yufeng Zhao, Futing Wang, Li Sheng, Chengxing Xie, Yuxin Zuo, Yizhuo Li, Wenxauan Zeng, Yulun Wu, Rui Huang, Dongzhan Zhou, Kai Chen, Yu Qiao, Lei Bai, Yu Cheng, Ning Ding, Bowen Zhou, Peng Ye, Ganqu Cui

Lo que hace

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

Dominio: Language
Tarea: Question answering
Modelo base: Qwen3-235B-A22B

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: 235B
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 (unrestricted)

Cómo está clasificado

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

Por qué se rastrea: Discretionary
Confianza de registro: Likely

Fuentes

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

Referencia: P1: Mastering Physics Olympiads with Reinforcement Learning
Última actualización: 8 April 2026

Los extremos

Las diez GPUs más rápidas que ejecutan P1-235B-A22B

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 P1-235B-A22B

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

Radeon Instinct MI250

Memoria necesaria

102.4 GB

Más rápido

143 tok/s

P1-235B-A22B llega a un recuento de parámetros de 235B. 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: 17.

La tarjeta más pequeña que lo sostiene es Radeon Instinct MI250, con una capacidad de memoria de 128 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 69.1 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 143 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

P1-235B-A22B fue publicado por Shanghai AI Lab, en el país registrado como China, durante November 2025. Sale de una organización categorizada como academia.

Funciona en el dominio de Language, y se registra como realizando la tarea de question answering.

En lugar de ser entrenado desde cero, se deriva de Qwen3-235B-A22B. Por eso comparte la forma y el tamaño general del modelo base.

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.

Qué tan rápido corre, y por qué

La mitad de las tarjetas que lo sostienen gestionan más de 69.1 tokens por segundo. Excediendo velocidad de lectura directamente: 15 de ellos.

El enrutamiento de mezcla de expertos es la razón por la cual las velocidades aquí parecen altas para la cantidad de parámetros. Solo se lee una fracción por token, pero todo tiene que ser cargado.

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.

Entrenamiento y procedencia

La razón por la que aparece en este catálogo en absoluto: discretionary.

Paso a paso

Cómo elegir una GPU para P1-235B-A22B

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

La tabla enumera cada tarjeta capaz de contener P1-235B-A22B, necesitando alrededor 102.4 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Ajusta el contexto a tu uso actual

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. P1-235B-A22B.
03

Elige cuán lejos lo comprimirás.

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

Ordenar por velocidad

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. P1-235B-A22B. 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 143 tok/s
05

Mira el margen, no solo la compatibilidad.

Tight significa que se carga y funciona sin espacio para aumentar el contexto más tarde, en el caso de P1-235B-A22B. 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 P1-235B-A22B.

Respuestas

P1-235B-A22B — preguntas comunes

P1-235B-A22B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI250, con una capacidad de memoria de 128 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 102.4 GB, y produce aproximadamente 69.1 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 17.

P1-235B-A22B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 143 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: 15.

P1-235B-A22B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 102.4 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.

P1-235B-A22B— ¿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.

P1-235B-A22B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 235B. MoE: P1-235B-A22B has 235B total, 22B active parameters. Lightweight variant P1-30B-A3B has 30B total, 3B active. (https://arxiv.org/abs/2511.13612). 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.

P1-235B-A22B— ¿Quién lo creó?

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

P1-235B-A22B— ¿cuándo fue lanzado?

Se publicó en November 2025.

P1-235B-A22B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de question answering. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

P1-235B-A22B— ¿Dónde puedo descargarlo?

Los pesos están publicados, aunque no tenemos un enlace de repositorio para ello. Este sitio calcula los requisitos de hardware en lugar de alojar archivos de modelo.

P1-235B-A22B— ¿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 43.3 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

P1-235B-A22B— ¿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: 17. Así que una segunda tarjeta rara vez es la respuesta aquí.

P1-235B-A22B— ¿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: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

P1-235B-A22B— ¿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: 86–229 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.

Origen

Publicación original

Última actualización registrada 8 April 2026

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