Gemma 7B calculadora TPS

Abre pesos Google DeepMind 8.5B parámetros February 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

306 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

P102-101

10 GB · Q4_K_M · 31.2 tok/s

Tarjeta más rápida

B200

397 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Gemma 7B?

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.

306 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
397 tok/s 337–476	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	12.8 GB	Q8_0	Cómodo
397 tok/s 337–476	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	12.8 GB	Q8_0	Cómodo
317 tok/s 190–507 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	12.8 GB	Q8_0	Cómodo
317 tok/s 190–507 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	12.8 GB	Q8_0	Cómodo
253 tok/s 152–405 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	12.8 GB	Q8_0	Cómodo
243 tok/s 206–291	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	12.8 GB	Q8_0	Cómodo
243 tok/s 206–291	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	12.8 GB	Q8_0	Cómodo
232 tok/s 139–371 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	12.8 GB	Q8_0	Cómodo
206 tok/s 124–330 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	12.8 GB	Q8_0	Cómodo
206 tok/s 124–330 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	12.8 GB	Q8_0	Cómodo
206 tok/s 124–330 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	12.8 GB	Q8_0	Cómodo
195 tok/s 166–235	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	12.8 GB	Q8_0	Cómodo
179 tok/s 152–214	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.8 GB	Q4_K_M	Ajustado
167 tok/s 142–200	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Cómodo
167 tok/s 142–200	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	12.8 GB	Q8_0	Cómodo
167 tok/s 142–200	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Cómodo
167 tok/s 142–200	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Cómodo
167 tok/s 142–200	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Cómodo
127 tok/s 76–203 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	12.8 GB	Q8_0	Cómodo
127 tok/s 76–203 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	12.8 GB	Q8_0	Cómodo
106 tok/s 63–169 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	12.8 GB	Q8_0	Cómodo
104 tok/s 62–166 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	12.8 GB	Q8_0	Cómodo
101 tok/s 86–121	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	12.8 GB	Q8_0	Cómodo
101 tok/s 86–121	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	12.8 GB	Q8_0	Cómodo
101 tok/s 86–121	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	12.8 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: 21 February 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: 8.5B
Datos de entrenamiento: 6,000,000,000,000 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: 3.1 × 10²³ FLOP
Cómo se estableció: Operation counting,Hardware

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 v5e
Chips utilizados: 4,096
Consumo de energía: 1.8 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

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: Open Models Based on Gemini Research and Technology
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Gemma 7B

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 7B

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 necesitas para ejecutar esto

Mínima tarjeta

P102-101

Memoria necesaria

8.8 GB

Más rápido

397 tok/s

Gemma 7B llega a un recuento de parámetros de 8.5B. 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: 306.

El hardware mínimo que funciona es P102-101, con una capacidad de memoria de 10 GB, ejecutándolo a una compresión de Q4_K_M y produciendo alrededor 31.2 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 397 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Qué es este modelo

Gemma 7B fue publicado por Google DeepMind, en el país registrado como United States of America, durante February 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.

Qué decide la velocidad

La mitad de las tarjetas que lo sostienen gestionan más de 30.4 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 282 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 disposición de atención está en nuestra base de datos, por lo que las cifras de VRAM se calculan exactamente en lugar de aproximarse.

Entrenamiento y procedencia

Entrenarlo tomó un presupuesto de computación de aproximadamente 3.1 × 10²³ FLOP, en hardware registrado como Google TPU v5e. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

El entrenamiento consumió un corpus de alrededor de 6,000,000,000,000 tokens de texto

Paso a paso

Cómo elegir una GPU para Gemma 7B

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

Empieza desde lo que realmente necesita, que es el requerimiento de Gemma 7B, necesitando alrededor 8.8 GB a una compresión de Q4_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Ajusta el contexto a tu uso actual

La conversación ocupa memoria también, y crece a medida que avanza. Ajusta el controlador a la longitud que esperas, porque en un contexto largo una CARD que maneja preguntas cortas fácilmente puede no encajar. Gemma 7B.
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 Q4_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.

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Gemma 7B. 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 397 tok/s
05

Verifica el veredicto de ajuste antes de comprar

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Gemma 7B. 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

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 7B.

Respuestas

Gemma 7B — preguntas comunes

Gemma 7B— ¿cuándo fue lanzado?

Se publicó en February 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 7B— ¿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. 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.

Gemma 7B— ¿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.

Gemma 7B— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 3.1 × 10²³ FLOP, en hardware registrado como Google TPU v5e. 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 7B— ¿Puedo ejecutarlo si no cabe en mi GPU?

Solo al descargar, lo cual suele ser una falsa economía: la parte mantenida en la memoria del sistema arrastra todo. El fallo más cercano que calculamos se queda corto por 1.6 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Gemma 7B— ¿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: 306. Así que una segunda tarjeta rara vez es la respuesta aquí.

Gemma 7B— ¿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: 3. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Gemma 7B— ¿Qué tan precisas son estas estimaciones de velocidad?

Estas son estimaciones con barras de error reales, y cualquiera de ellas podría razonablemente situarse en cualquier parte de su rango publicado dependiendo del runtime que utilices. El resultado más rápido aquí: 337–476 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 7B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es P102-101, con una capacidad de memoria de 10 GB. Funciona el modelo a una compresión de Q4_K_M usando alrededor 8.8 GB, y produce aproximadamente 31.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 306.

Gemma 7B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 397 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: 282.

Gemma 7B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 8.8 GB a una compresión de Q4_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.

Gemma 7B— ¿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 Q5_K_M, usando alrededor 9.8 GB y generando aproximadamente 80.8 tokens por segundo. El ajuste es ajustado.

Gemma 7B— ¿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 12.8 GB y generando aproximadamente 56.1 tokens por segundo. El ajuste es ajustado.

Gemma 7B— ¿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 12.8 GB y generando aproximadamente 66.5 tokens por segundo. El ajuste es cómodo.

Gemma 7B— ¿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 7B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 8.5B. Table 2, sum of embedding and non-embedding 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.

Gemma 7B— ¿Quién lo creó?

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

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