Stable Cascade calculadora TPS

Abre pesos Stability AI 5.1B 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

818 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Tesla C1080

4 GB · IQ4_XS · 17.7 tok/s

Tarjeta más rápida

B200

662 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Stable Cascade?

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.

818 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
662 tok/s 397–1,059 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	6.2 GB	Q8_0	Cómodo
662 tok/s 397–1,059 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	6.2 GB	Q8_0	Cómodo
528 tok/s 317–846 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	6.2 GB	Q8_0	Cómodo
528 tok/s 317–846 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	6.2 GB	Q8_0	Cómodo
423 tok/s 254–676 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	6.2 GB	Q8_0	Cómodo
405 tok/s 243–647 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.2 GB	Q8_0	Cómodo
405 tok/s 243–647 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.2 GB	Q8_0	Cómodo
387 tok/s 232–619 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	6.2 GB	Q8_0	Cómodo
344 tok/s 206–550 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	6.2 GB	Q8_0	Cómodo
344 tok/s 206–550 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	6.2 GB	Q8_0	Cómodo
344 tok/s 206–550 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	6.2 GB	Q8_0	Cómodo
326 tok/s 196–521 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	6.2 GB	Q8_0	Cómodo
278 tok/s 167–445 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Cómodo
278 tok/s 167–445 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	6.2 GB	Q8_0	Cómodo
278 tok/s 167–445 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Cómodo
278 tok/s 167–445 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Cómodo
278 tok/s 167–445 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Cómodo
212 tok/s 127–339 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	6.2 GB	Q8_0	Cómodo
212 tok/s 127–339 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	6.2 GB	Q8_0	Cómodo
176 tok/s 106–282 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	6.2 GB	Q8_0	Cómodo
173 tok/s 104–276 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	6.2 GB	Q8_0	Cómodo
169 tok/s 101–270 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	6.2 GB	Q8_0	Cómodo
169 tok/s 101–270 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	6.2 GB	Q8_0	Cómodo
169 tok/s 101–270 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	6.2 GB	Q8_0	Cómodo
169 tok/s 101–270 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	6.2 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: Stability AI
Tipo de Organización: Industry
País: United Kingdom of Great Britain and Northern Ireland
Publicado: 12 February 2024

Lo que hace

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

Dominio: Image generation
Tarea: Text-to-image, Image generation

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: 5.1B
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 (non-commercial)
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: Introducing Stable Cascade
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Stable Cascade

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 Stable Cascade

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

Tesla C1080

Memoria necesaria

3.5 GB

Más rápido

662 tok/s

Stable Cascade llega a un recuento de parámetros de 5.1B. 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: 818.

La tarjeta más pequeña que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 17.7 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 662 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Qué es este modelo

Stable Cascade fue publicado por Stability AI, en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante February 2024. La categoría en la que se encuentra el editor es industry.

Funciona en el dominio de Image generation, y se registra como realizando la tarea de text-to-image, Image generation.

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 decide la velocidad

La mitad de las tarjetas que lo sostienen gestionan más de 26.4 tokens por segundo. Excediendo velocidad de lectura directamente: 770 de ellos.

Es un modelo denso, por lo que cada parámetro se lee para cada token producido. Eso hace que la velocidad rastree el ancho de banda de la memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.

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.

Paso a paso

Cómo elegir una GPU para Stable Cascade

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 Stable Cascade, necesitando alrededor 3.5 GB a una compresión de IQ4_XS. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Decide cuánto duran tus conversaciones.

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. Stable Cascade.
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 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

Clasifica por rendimiento en lugar de la hoja de especificaciones.

El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Stable Cascade. 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 662 tok/s
05

Verifica el veredicto de ajuste antes de comprar

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Stable Cascade. 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 página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de Stable Cascade.

Respuestas

Stable Cascade — preguntas comunes

Stable Cascade— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 3.5 GB, y produce aproximadamente 17.7 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 818.

Stable Cascade— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 662 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: 770.

Stable Cascade— ¿Cuánta VRAM necesita?

Necesita aproximadamente 3.5 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.

Stable Cascade— ¿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 Q8_0, usando alrededor 6.2 GB y generando aproximadamente 123 tokens por segundo. El ajuste es ajustado.

Stable Cascade— ¿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 Q8_0, usando alrededor 6.2 GB y generando aproximadamente 75.5 tokens por segundo. El ajuste es cómodo.

Stable Cascade— ¿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 6.2 GB y generando aproximadamente 93.5 tokens por segundo. El ajuste es cómodo.

Stable Cascade— ¿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 6.2 GB y generando aproximadamente 111 tokens por segundo. El ajuste es cómodo.

Stable Cascade— ¿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.

Stable Cascade— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 5.1B. "we are providing two checkpoints for Stage C, two for Stage B and one for Stage A. Stage C comes with a 1 billion and 3.6 billion parameter version, but we highly recommend using the 3.6 billion version, as most work was put into its finetuning. The two versions for Stage B amount to 700 million and 1.5 billion parameters. Both achieve great results, however the 1.5 billion excels at reconstructing small and fine details. Therefore, you will achieve the best results if you use the larger variant of each. Lastly, Stage A contains 20 million parameters and is fixed due to its small size." 3.6B + 1.5B + 20M = 5.12B. 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.

Stable Cascade— ¿Quién lo creó?

Fue publicado por Stability AI, basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como industry.

Stable Cascade— ¿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.

Stable Cascade— ¿Para qué se utiliza?

Funciona en el dominio de Image generation, y se registra como manejando la tarea de text-to-image, Image generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

Stable Cascade— ¿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.

Stable Cascade— ¿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. Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Stable Cascade— ¿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: 818. Así que una segunda tarjeta rara vez es la respuesta aquí.

Stable Cascade— ¿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: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Stable Cascade— ¿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: 397–1,059 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 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