CausalLM 34B β Calculadora TPS

Abrir pesos CausalLM 34.4B Parámetros February 2024

Cada tarjeta a continuación se evalúa con respecto a este modelo en la longitud del contexto y la calidad mínima que usted elija. 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

132 tarjetas que pueden ejecutarlo

818 tarjetas para las cuales tenemos especificaciones

La tarjeta más pequeña que cabe

RTX A4500

20 GB · Q3_K_M · 21.3 tok/s

Tarjeta más rápida

B200

98.5 tok/s · 180 GB

¿Qué GPUs pueden ejecutar CausalLM 34B β?

Configure las entradas, lea la respuesta

longitud de contexto tokens

Una conversación más larga requiere más memoria, lo que puede hacer que este modelo quede fuera de las tarjetas más pequeñas.

Calidad mínima

Oculta las tarjetas que solo cabrían en el modelo comprimiéndolo por debajo de este punto.

Buscar tarjetas

Memoria de tarjeta

También muestre las tarjetas que no pueden ejecutarlo

132 tarjetas coinciden

Cálculo

					Necesidades	Cuantización	Ajuste
98.5 tok/s 59–158 · confianza baja	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	37.5 GB	Q8_0	Cómodo
98.5 tok/s 59–158 · confianza baja	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	37.5 GB	Q8_0	Cómodo
78.7 tok/s 47–126 · confianza baja	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	37.5 GB	Q8_0	Cómodo
78.7 tok/s 47–126 · confianza baja	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	37.5 GB	Q8_0	Cómodo
62.9 tok/s 38–101 · confianza baja	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	37.5 GB	Q8_0	Cómodo
60.2 tok/s 36–96 · confianza baja	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	37.5 GB	Q8_0	Cómodo
60.2 tok/s 36–96 · confianza baja	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	37.5 GB	Q8_0	Cómodo
57.6 tok/s 35–92 · confianza baja	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	37.5 GB	Q8_0	Cómodo
51.1 tok/s 31–82 · confianza baja	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	37.5 GB	Q8_0	Cómodo
51.1 tok/s 31–82 · confianza baja	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	37.5 GB	Q8_0	Cómodo
51.1 tok/s 31–82 · confianza baja	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	37.5 GB	Q8_0	Cómodo
48.5 tok/s 29–78 · confianza baja	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	37.5 GB	Q8_0	Cómodo
41.4 tok/s 25–66 · confianza baja	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	37.5 GB	Q8_0	Cómodo
41.4 tok/s 25–66 · confianza baja	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	37.5 GB	Q8_0	Cómodo
41.4 tok/s 25–66 · confianza baja	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	37.5 GB	Q8_0	Cómodo
41.4 tok/s 25–66 · confianza baja	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	37.5 GB	Q8_0	Cómodo
41.4 tok/s 25–66 · confianza baja	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	37.5 GB	Q8_0	Cómodo
41.1 tok/s 25–66 · confianza baja	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	25.5 GB	Q5_K_M	Estricto
41.1 tok/s 25–66 · confianza baja	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	25.5 GB	Q5_K_M	Estricto
39.4 tok/s 24–63 · confianza baja	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.5 GB	Q5_K_M	Estricto
39.4 tok/s 24–63 · confianza baja	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.5 GB	Q5_K_M	Estricto
38.1 tok/s 23–61 · confianza baja	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	21.5 GB	Q4_K_M	Estricto
34.7 tok/s 21–55 · confianza baja	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	21.5 GB	Q4_K_M	Estricto
31.5 tok/s 19–50 · confianza baja	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	37.5 GB	Q8_0	Cómodo
31.5 tok/s 19–50 · confianza baja	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	37.5 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 según 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 lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.

Origen

¿Quién construyó este modelo, dónde y cuándo fue publicado?

Organización: CausalLM
País: China
Publicado: 6 February 2024

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

Tamaño

Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

Parámetros: 34.4B
Datos de entrenamiento: tokens

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (unrestricted)
Código de entrenamiento: Unreleased
Hugging Face: CausalLM

Cómo se clasifica

Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.

Registrar confianza: Confident

Fuentes

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

Referencia: CausalLM 34B β
Última actualización: 28 November 2025

Los extremos

Los diez GPU más rápidos que ejecutan CausalLM 34B β

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades empatan. 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 CausalLM 34B β

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

Requisitos de hardware en la práctica

Tarjeta mínima

RTX A4500

Memoria necesaria

17.5 GB

Más rápido

98.5 tok/s

Con 34.4B parámetros, CausalLM 34B β se sitúa en el rango que una tarjeta de escritorio seria puede manejar una vez que los pesos están comprimidos. 132 de las tarjetas que rastreamos pueden ejecutarlo.

El punto de entrada es la RTX A4500: 20 GB de memoria, compresión Q3_K_M, aproximadamente 21.3 tokens por segundo.

La gama alta es el B200, a aproximadamente 98.5 tokens por segundo gracias a 8,000 GB/s de ancho de banda.

De dónde vino

CausalLM 34B β fue publicado por CausalLM, en China, en febrero de 2024.

Funciona en Idioma, y se registra como haciendo modelado/generación de lenguaje, respuesta a preguntas.

Los pesos están publicados, por lo que se pueden descargar y ejecutar en tu propio hardware indefinidamente, sin conexión, sin ninguna cuenta asociada. Está publicado bajo la organización CausalLM en Hugging Face.

Entendiendo las velocidades

La mitad de las tarjetas que lo soportan gestionan más de 20.9 tokens por segundo, y 103 superan la velocidad de lectura de manera contundente.

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 memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.

Su arquitectura interna no está registrada, por lo que la memoria se aproxima a partir del conteo de parámetros y se marca en consecuencia. Espere que la cifra real difiera, más aún en contextos largos.

Paso a paso

Cómo elegir una GPU para CausalLM 34B β

La tabla anterior ya ha evaluado cada tarjeta para la cual tenemos especificaciones contra este modelo. Para llegar a su respuesta, se requieren seis pasos.

01

Verifica lo que necesita antes que nada.

Mira lo que CausalLM 34B β realmente necesita: alrededor de 17.5 GB en Q3_K_M. Ninguna cantidad de potencia de procesamiento compensa una tarjeta que no puede soportarlo.
02

Establece la longitud del contexto con la que vas a trabajar

La conversación ocupa memoria también, y crece a medida que avanza. Ajusta el control deslizante a la longitud que esperas: en contextos largos, CausalLM 34B β puede salirse de una tarjeta que maneja preguntas cortas fácilmente.
03

Decide cuánto compresión aceptarás

La columna de cuantización varía según la tarjeta, porque una tarjeta más grande sostiene una copia más precisa de CausalLM 34B β — Q3_K_M en la tarjeta más pequeña que encaja. Establece un piso para mantener la comparación en un mismo nivel.
04

Clasificar por rendimiento en lugar de especificaciones

Ordenar por velocidad para ver cómo se clasifican las tarjetas para CausalLM 34B β. No coincidirá con un orden de juego: la generación está limitada por el ancho de banda de memoria, por lo que el B200 lo supera a 98.5 tok/s.
05

Lee la columna de ajuste al final

La columna de ajuste separa las tarjetas que apenas gestionan CausalLM 34B β de aquellas con espacio de sobra. Compra para la segunda si el contexto podría crecer.
06

Abre la tarjeta en la que te has decidido.

Cada nombre de tarjeta enlaza a su propia página, que ejecuta el mismo cálculo en todo el catálogo del modelo. Vale la pena echar un vistazo antes de comprar para CausalLM 34B β solo: una tarjeta generalmente se compra para más de un modelo.

Respuestas

CausalLM 34B β — Preguntas frecuentes

¿Cuando fue lanzado CausalLM 34B β?

CausalLM 34B β fue publicado en febrero de 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más nuevo del mismo tamaño es a menudo el mejor uso del mismo hardware.

¿Para qué se utiliza CausalLM 34B β?

CausalLM 34B β funciona en Español y está registrado como maneja modelado/generación de lenguaje, respuesta a preguntas. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

¿Dónde puedo descargar CausalLM 34B β?

Sus pesos están publicados bajo la organización CausalLM en Hugging Face. No alojamos archivos de modelos — este sitio calcula qué hardware se necesita para ejecutarlos.

¿Puedo ejecutar CausalLM 34B β si no cabe en mi GPU?

Puede dividirse entre la memoria de la tarjeta y la memoria del sistema, pero CausalLM 34B β genera de manera dolorosamente lenta de esa manera — la pérdida más cercana que calculamos se queda corta por 7.1 GB. Nada en esta página asume la descarga.

¿Correrían dos GPUs CausalLM 34B β más rápido?

Dos tarjetas compran memoria en lugar de velocidad. Eso importa para CausalLM 34B β solo si una tarjeta no puede contenerlo — 132 puede, así que una segunda agrega poco.

¿Por qué difiere la cuantización entre tarjetas para CausalLM 34B β?

Debido a que la capacidad varía, también varía cuán duro tiene que ser comprimido CausalLM 34B β — 5 niveles distintos aparecen en la tabla anterior. Establece una calidad mínima para comparar en uno.

¿Qué tan precisas son estas estimaciones de velocidad CausalLM 34B β?

Cada figura se deriva del ancho de banda de memoria y del tamaño del modelo, no está evaluada. Por eso, cada una se publica como un rango, como 59–158 tok/s en el B200 en lugar de un solo número.

¿Qué GPU necesito para ejecutar CausalLM 34B β?

La tarjeta más pequeña en nuestro catálogo que sostiene CausalLM 34B β es la RTX A4500, con 20 GB de memoria. Ejecuta el modelo en Q3_K_M usando aproximadamente 17.5 GB y produce aproximadamente 21.3 tokens por segundo. En total, 132 tarjetas pueden ejecutarlo.

¿Qué tan rápido es CausalLM 34B β en un GPU?

Depende de la tarjeta. Lo más rápido que calculamos es una B200 a aproximadamente 98.5 tokens por segundo; lo más lento que aún funciona manage considerablemente menos. La velocidad de lectura está alrededor de diez tokens por segundo, y 103 de las tarjetas que pueden ejecutar CausalLM 34B β dejan claro eso.

¿Cuánta VRAM necesita CausalLM 34B β?

Acerca de 17.5 GB en compresión Q3_K_M, que es lo que utiliza la tarjeta más pequeña que la ejecuta. Menos compresión necesita más: las cifras en la columna de memoria arriba se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

¿Puedo ejecutar CausalLM 34B β en una GPU de 24 GB?

Sí. Una GeForce RTX 5090 D V2 con 24 GB la ejecuta a Q4_K_M, utilizando alrededor de 21.5 GB y generando aproximadamente 38.1 tokens por segundo — un ajuste apretado.

¿Es CausalLM 34B β de código abierto?

Sus pesos están publicados, por lo que CausalLM 34B β puede ser descargado y ejecutado en su propio hardware. Tenga en cuenta que pesos abiertos no es lo mismo que código abierto en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

¿Cuántos parámetros tiene CausalLM 34B β?

CausalLM 34B β tiene 34.4B parámetros. 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 la gente utiliza.

¿Quién creó CausalLM 34B β?

CausalLM 34B β fue publicado por CausalLM, con sede en China.

Fuente

Publicación original

Registro de la última actualización 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.

Todos los modelos de IA