BGE-M3 Embedding calculadora TPS

Abre pesos Beijing Academy of Artificial Intelligence / BAAI 335M parámetros January 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 · Q8_0 · 110 tok/s

Tarjeta más rápida

B200

10,114 tok/s · 180 GB

¿Qué GPU pueden ejecutar? BGE-M3 Embedding?

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
10,114 tok/s 6,068–16,183 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	1.1 GB	Q8_0	Cómodo
10,114 tok/s 6,068–16,183 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	1.1 GB	Q8_0	Cómodo
8,076 tok/s 4,846–12,922 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	1.1 GB	Q8_0	Cómodo
8,076 tok/s 4,846–12,922 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	1.1 GB	Q8_0	Cómodo
6,459 tok/s 3,875–10,335 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	1.1 GB	Q8_0	Cómodo
6,182 tok/s 3,709–9,892 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.1 GB	Q8_0	Cómodo
6,182 tok/s 3,709–9,892 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.1 GB	Q8_0	Cómodo
5,917 tok/s 3,550–9,467 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	1.1 GB	Q8_0	Cómodo
5,251 tok/s 3,151–8,402 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	1.1 GB	Q8_0	Cómodo
5,251 tok/s 3,151–8,402 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	1.1 GB	Q8_0	Cómodo
5,251 tok/s 3,151–8,402 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	1.1 GB	Q8_0	Cómodo
4,981 tok/s 2,989–7,970 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	1.1 GB	Q8_0	Cómodo
4,248 tok/s 2,549–6,797 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.1 GB	Q8_0	Cómodo
4,248 tok/s 2,549–6,797 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	1.1 GB	Q8_0	Cómodo
4,248 tok/s 2,549–6,797 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	1.1 GB	Q8_0	Cómodo
4,248 tok/s 2,549–6,797 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.1 GB	Q8_0	Cómodo
4,248 tok/s 2,549–6,797 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	1.1 GB	Q8_0	Cómodo
3,235 tok/s 1,941–5,175 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	1.1 GB	Q8_0	Cómodo
3,235 tok/s 1,941–5,175 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	1.1 GB	Q8_0	Cómodo
2,695 tok/s 1,617–4,313 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	1.1 GB	Q8_0	Cómodo
2,638 tok/s 1,583–4,221 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	1.1 GB	Q8_0	Cómodo
2,579 tok/s 1,547–4,127 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	1.1 GB	Q8_0	Cómodo
2,579 tok/s 1,547–4,127 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	1.1 GB	Q8_0	Cómodo
2,579 tok/s 1,547–4,127 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	1.1 GB	Q8_0	Cómodo
2,579 tok/s 1,547–4,127 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	1.1 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: Beijing Academy of Artificial Intelligence / BAAI
Tipo de Organización: Academia
País: China
Publicado: 30 January 2024
Autores: Jianlv Chen, Shitao Xiao, Peitian Zhan, Kun Luo, Defu Lian, Zheng Liu

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, Translation
Modelo base: XLM-RoBERTa

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: 335M
Datos de entrenamiento: 1,201,100,000 tokens

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 A100,NVIDIA A800 PCIe 40 GB

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: Likely

Fuentes

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

Referencia: BGE M3-Embedding: Multi-Lingual, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan BGE-M3 Embedding

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 BGE-M3 Embedding

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

1.1 GB

Más rápido

10,114 tok/s

BGE-M3 Embedding llega a un recuento de parámetros de 335M. 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 Q8_0 y produciendo alrededor 110 tokens por segundo

Lo más rápido que calculamos para ello es B200, generando aproximadamente 10,114 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

BGE-M3 Embedding fue publicado por Beijing Academy of Artificial Intelligence / BAAI, en el país registrado como China, durante January 2024. La categoría en la que se encuentra el editor es academia.

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

En lugar de ser entrenado desde cero, se deriva de XLM-RoBERTa. Por eso comparte la forma y el tamaño general del modelo base.

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.

Leyendo las cifras de rendimiento

La mitad de las tarjetas que lo sostienen gestionan más de 284.0 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 818 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.

Sin el diseño de atención en nuestro archivo, la columna de memoria es una aproximación. Es lo suficientemente cercana como para elegir hardware, y menos confiable en contexto largo.

Qué se necesitó para construirlo

El conjunto de entrenamiento se ejecutó a aproximadamente 1,201,100,000 tokens de texto

Paso a paso

Cómo elegir una GPU para BGE-M3 Embedding

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

Cada tarjeta aquí ha sido verificada contra BGE-M3 Embedding, necesitando alrededor 1.1 GB a una compresión de Q8_0. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
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. BGE-M3 Embedding.
03

Elige cuán lejos lo comprimirás.

Cada tarjeta ejecuta la copia menos comprimida que puede contener., alcanzando una compresión de Q8_0 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.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. BGE-M3 Embedding. 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 10,114 tok/s
05

Lee la columna de ajuste al final

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de BGE-M3 Embedding. 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. BGE-M3 Embedding.

Respuestas

BGE-M3 Embedding — preguntas comunes

BGE-M3 Embedding— ¿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 Q8_0 usando alrededor 1.1 GB, y produce aproximadamente 110 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 818.

BGE-M3 Embedding— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 10,114 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: 818.

BGE-M3 Embedding— ¿Cuánta VRAM necesita?

Necesita aproximadamente 1.1 GB a una compresión de Q8_0, 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.

BGE-M3 Embedding— ¿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 1.1 GB y generando aproximadamente 1,884 tokens por segundo. El ajuste es cómodo.

BGE-M3 Embedding— ¿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 1.1 GB y generando aproximadamente 1,154 tokens por segundo. El ajuste es cómodo.

BGE-M3 Embedding— ¿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 1.1 GB y generando aproximadamente 1,429 tokens por segundo. El ajuste es cómodo.

BGE-M3 Embedding— ¿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 1.1 GB y generando aproximadamente 1,694 tokens por segundo. El ajuste es cómodo.

BGE-M3 Embedding— ¿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.

BGE-M3 Embedding— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 335M. 335M params (from Hugging Face model card). 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.

BGE-M3 Embedding— ¿Quién lo creó?

Fue publicado por Beijing Academy of Artificial Intelligence / BAAI, basado en China, una organización categorizada como academia.

BGE-M3 Embedding— ¿cuándo fue lanzado?

Se publicó en January 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.

BGE-M3 Embedding— ¿Para qué se utiliza?

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

BGE-M3 Embedding— ¿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.

BGE-M3 Embedding— ¿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. Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

BGE-M3 Embedding— ¿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: 818. Así que una segunda tarjeta rara vez es la respuesta aquí.

BGE-M3 Embedding— ¿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: 1. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

BGE-M3 Embedding— ¿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: 6,068–16,183 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