Qwen1.5-72B calculadora TPS

Abre pesos Alibaba 72B 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

43 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Radeon Instinct MI200

64 GB · IQ4_XS · 18.5 tok/s

Tarjeta más rápida

B200

47.1 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Qwen1.5-72B?

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.

43 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
47.1 tok/s 40–56	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	93.3 GB	Q8_0	Cómodo
47.1 tok/s 40–56	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	93.3 GB	Q8_0	Cómodo
37.6 tok/s 23–60 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	93.3 GB	Q8_0	Cómodo
37.6 tok/s 23–60 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	93.3 GB	Q8_0	Cómodo
35.3 tok/s 30–42	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	68.1 GB	Q5_K_M	Ajustado
35.3 tok/s 30–42	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	68.1 GB	Q5_K_M	Ajustado
33.7 tok/s 29–40	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	76.5 GB	Q6_K	Ajustado
30.1 tok/s 18–48 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	93.3 GB	Q8_0	Cómodo
29.2 tok/s 25–35	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.6 GB	IQ4_XS	Ajustado
28.8 tok/s 24–35	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	93.3 GB	Q8_0	Cómodo
28.8 tok/s 24–35	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	93.3 GB	Q8_0	Cómodo
28.7 tok/s 24–34	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	Ajustado
28.7 tok/s 24–34	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	Ajustado
28.7 tok/s 24–34	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	Ajustado
27.5 tok/s 17–44 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	93.3 GB	Q8_0	Cómodo
24.4 tok/s 15–39 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Cómodo
24.4 tok/s 15–39 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Cómodo
24.4 tok/s 15–39 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Cómodo
21.4 tok/s 18–26	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	68.1 GB	Q5_K_M	Ajustado
21.4 tok/s 18–26	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	68.1 GB	Q5_K_M	Ajustado
21.4 tok/s 18–26	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	68.1 GB	Q5_K_M	Ajustado
21.4 tok/s 18–26	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.1 GB	Q5_K_M	Ajustado
21.4 tok/s 18–26	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	68.1 GB	Q5_K_M	Ajustado
21.4 tok/s 18–26	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.1 GB	Q5_K_M	Ajustado
20.4 tok/s 17–24	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	68.1 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: Alibaba
Tipo de Organización: Industry
País: China
Publicado: 4 February 2024
Autores: Qwen Team

Lo que hace

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

Dominio: Language
Tarea: Chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation

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: 72B
Datos de entrenamiento: 3,000,000,000,000 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: 1.3 × 10²⁴ FLOP
Cómo se estableció: Operation counting

La ejecución de entrenamiento

Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.

Centro de datos: There is no paper to reference, no information about hardware used for training found in media.

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
Hugging Face: Qwen

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
Por qué se rastrea: SOTA improvement
Confianza de registro: Confident

Fuentes

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

Referencia: Introducing Qwen1.5
Última actualización: 18 December 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Qwen1.5-72B

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 Qwen1.5-72B

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

Mínima tarjeta

Radeon Instinct MI200

Memoria necesaria

55.6 GB

Más rápido

47.1 tok/s

Qwen1.5-72B llega a un recuento de parámetros de 72B. 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: 43.

El punto de entrada es Radeon Instinct MI200, con una capacidad de memoria de 64 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 18.5 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 47.1 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

Qwen1.5-72B fue publicado por Alibaba, en el país registrado como China, durante February 2024. La categoría en la que se encuentra el editor es industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation.

Los pesos publicados significan que el modelo se ejecuta en tu máquina en lugar de en la de alguien más, lo que hace que la pregunta sobre hardware a continuación sea respondible. En Hugging Face está publicado bajo la organización Qwen.

Leyendo las cifras de rendimiento

La mitad de las tarjetas que lo sostienen gestionan más de 21.4 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 39 de ellos.

Cada peso participa en cada token aquí, por lo que el ancho de banda es la historia completa: el ranking a continuación es efectivamente un ranking de rendimiento 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.

Cómo fue entrenado

Producirlo requirió una aritmética que totaliza alrededor de 1.3 × 10²⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

Fue entrenado en un corpus de aproximadamente 3,000,000,000,000 tokens de texto

Su criterio de inclusión: sOTA improvement.

Paso a paso

Cómo elegir una GPU para Qwen1.5-72B

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

Cada tarjeta aquí ha sido verificada contra Qwen1.5-72B, necesitando alrededor 55.6 GB a una compresión de IQ4_XS. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
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 Qwen1.5-72B.
03

Establecer un umbral de calidad

La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., 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

Compara tokens por segundo, no especificaciones

El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Qwen1.5-72B. 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 47.1 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 Qwen1.5-72B. 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

Abre la tarjeta que has elegido.

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 Qwen1.5-72B.

Respuestas

Qwen1.5-72B — preguntas comunes

Qwen1.5-72B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 55.6 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.

Qwen1.5-72B— ¿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.

Qwen1.5-72B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 72B. 72B. 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.

Qwen1.5-72B— ¿Quién lo creó?

Fue publicado por Alibaba, basado en China, una organización categorizada como industry.

Qwen1.5-72B— ¿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.

Qwen1.5-72B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation. 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.

Qwen1.5-72B— ¿Dónde puedo descargarlo?

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

Qwen1.5-72B— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 1.3 × 10²⁴ FLOP. 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.

Qwen1.5-72B— ¿Puedo ejecutarlo si no cabe en mi GPU?

Se puede dividir entre la tarjeta y la memoria del sistema, pero se genera muy lentamente de esa manera. El fallo más cercano que calculamos se queda corto por 16.6 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Qwen1.5-72B— ¿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: 43. Así que una segunda tarjeta rara vez es la respuesta aquí.

Qwen1.5-72B— ¿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: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Qwen1.5-72B— ¿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: 40–56 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.

Qwen1.5-72B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI200, con una capacidad de memoria de 64 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 55.6 GB, y produce aproximadamente 18.5 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 43.

Qwen1.5-72B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 47.1 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: 39.

Origen

Publicación original

Última actualización registrada 18 December 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