Zephyr 141B-A39B calculadora TPS

Abre pesos Hugging Face,Korea Advanced Institute of Science and Technology (KAIST),Argilla 141B parámetros April 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

37 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

A100 SXM4 80 GB

80 GB · Q3_K_M · 59.8 tok/s

Tarjeta más rápida

H100 NVL 94 GB

105 tok/s · 94 GB

¿Qué GPU pueden ejecutar? Zephyr 141B-A39B?

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.

37 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
105 tok/s 63–168 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	76.8 GB	IQ4_XS	Ajustado
99.1 tok/s 59–159 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	101.5 GB	Q5_K_M	Ajustado
98.5 tok/s 59–158 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	68.6 GB	Q3_K_M	Ajustado
98.5 tok/s 59–158 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	68.6 GB	Q3_K_M	Ajustado
89.6 tok/s 54–143 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	76.8 GB	IQ4_XS	Ajustado
86.9 tok/s 52–139 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	150.7 GB	Q8_0	Ajustado
86.9 tok/s 52–139 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	150.7 GB	Q8_0	Cómodo
84.2 tok/s 51–135 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	85.0 GB	Q4_K_M	Ajustado
84.2 tok/s 51–135 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	85.0 GB	Q4_K_M	Ajustado
80.6 tok/s 48–129 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	101.5 GB	Q5_K_M	Ajustado
77.2 tok/s 46–123 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	117.9 GB	Q6_K	Ajustado
77.2 tok/s 46–123 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	117.9 GB	Q6_K	Ajustado
69.4 tok/s 42–111 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	150.7 GB	Q8_0	Cómodo
69.4 tok/s 42–111 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	150.7 GB	Q8_0	Cómodo
59.8 tok/s 36–96 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	68.6 GB	Q3_K_M	Ajustado
59.8 tok/s 36–96 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	68.6 GB	Q3_K_M	Ajustado
59.8 tok/s 36–96 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	68.6 GB	Q3_K_M	Ajustado
59.8 tok/s 36–96 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.6 GB	Q3_K_M	Ajustado
59.8 tok/s 36–96 · baja confianza	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	68.6 GB	Q3_K_M	Ajustado
59.8 tok/s 36–96 · baja confianza	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.6 GB	Q3_K_M	Ajustado
56.9 tok/s 34–91 · baja confianza	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	68.6 GB	Q3_K_M	Ajustado
56.9 tok/s 34–91 · baja confianza	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	68.6 GB	Q3_K_M	Ajustado
50.8 tok/s 30–81 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	150.7 GB	Q8_0	Cómodo
49.6 tok/s 30–79 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	101.5 GB	Q5_K_M	Ajustado
49.6 tok/s 30–79 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	101.5 GB	Q5_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: Hugging Face,Korea Advanced Institute of Science and Technology (KAIST),Argilla
Tipo de Organización: Industry,Academia,Industry
País: United States of America, Korea (Republic of), Spain
Publicado: 10 April 2024
Autores: Alvaro Bartolome, Jiwoo Hong, Noah Lee, Kashif Rasul, Lewis Tunstall

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, Question answering
Modelo base: Mixtral 8x22B

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: 141B
Datos de entrenamiento: tokens
Épocas: 3

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: 4.4 × 10¹⁹ 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 H100 SXM5 80GB
Chips utilizados: 32
Tiempo de reloj: 1 hours
Consumo de energía: 44.3 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 (unrestricted)
Código de entrenamiento: Open source

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: Model Card for Zephyr 141B-A39B
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Zephyr 141B-A39B

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 Zephyr 141B-A39B

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

A100 SXM4 80 GB

Memoria necesaria

68.6 GB

Más rápido

105 tok/s

Zephyr 141B-A39B llega a un recuento de parámetros de 141B. Eso lo coloca por encima del hardware de consumo, en el rango donde se compra una tarjeta para este propósito en lugar de ser reutilizada para ello. El número de tarjetas que seguimos que pueden contenerlo: 37.

La tarjeta más pequeña que lo sostiene es A100 SXM4 80 GB, con una capacidad de memoria de 80 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 59.8 tokens por segundo

El resultado más rápido proviene de H100 NVL 94 GB, generando aproximadamente 105 tokens por segundo en la fuerza de un ancho de banda de memoria de 3,940 GB/s.

Qué es este modelo

Zephyr 141B-A39B fue publicado por Hugging Face,Korea Advanced Institute of Science and Technology (KAIST),Argilla, en el país registrado como United States of America, durante April 2024. La organización editora está clasificada como industry,Academia,Industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering.

Su punto de partida fue un modelo base existente, Mixtral 8x22B. La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.

Los PESOS están publicados, por lo que se puede descargar y ejecutar en su propio HARDWARE indefinidamente, SIN CONEXIÓN, sin cuenta adjunta.

Qué decide la velocidad

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 59.8 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 35 de ellos.

Este es un modelo de mezcla de expertos, que enruta cada token a través de solo parte de sí mismo. Por lo tanto, genera mucho más rápido de lo que su tamaño total sugiere — mientras aún necesita que cada parámetro resida en memoria, por lo que es rápido sin ser barato de mantener.

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.

Paso a paso

Cómo elegir una GPU para Zephyr 141B-A39B

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

Lee la cifra de MEMORIA primero

Empieza desde lo que realmente necesita, que es el requerimiento de Zephyr 141B-A39B, necesitando alrededor 68.6 GB a una compresión de Q3_K_M. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
02

Establece la longitud de contexto en la que trabajarás.

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 Zephyr 141B-A39B.
03

Establecer un umbral de calidad

Cada tarjeta ejecuta la copia menos comprimida que puede contener., 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

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Zephyr 141B-A39B. 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 H100 NVL 94 GB, en 105 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 Zephyr 141B-A39B. 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

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. Zephyr 141B-A39B.

Respuestas

Zephyr 141B-A39B — preguntas comunes

Zephyr 141B-A39B— ¿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: 37. Así que una segunda tarjeta rara vez es la respuesta aquí.

Zephyr 141B-A39B— ¿Por qué difiere la cuantificación entre tarjetas?

Una tarjeta más grande sostiene una copia más precisa. El número de niveles de compresión utilizados en las tarjetas que la ejecutan: 6. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Zephyr 141B-A39B— ¿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: 63–168 tok/s en H100 NVL 94 GB. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

Zephyr 141B-A39B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es A100 SXM4 80 GB, con una capacidad de memoria de 80 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 68.6 GB, y produce aproximadamente 59.8 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 37.

Zephyr 141B-A39B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es H100 NVL 94 GB, a aproximadamente 105 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: 35.

Zephyr 141B-A39B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 68.6 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.

Zephyr 141B-A39B— ¿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.

Zephyr 141B-A39B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 141B. "A Mixture of Experts (MoE) model with 141B total parameters and 39B active 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.

Zephyr 141B-A39B— ¿Quién lo creó?

Fue publicado por Hugging Face,Korea Advanced Institute of Science and Technology (KAIST),Argilla, basado en United States of America, una organización categorizada como industry,Academia,Industry.

Zephyr 141B-A39B— ¿cuándo fue lanzado?

Se publicó en April 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.

Zephyr 141B-A39B— ¿Para qué se utiliza?

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

Zephyr 141B-A39B— ¿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.

Zephyr 141B-A39B— ¿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 20.2 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

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