DeepSeek Coder 33B calculadora TPS

Abre pesos DeepSeek,Peking University 33B 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

132 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

RTX A4500

20 GB · Q3_K_M · 22.2 tok/s

Tarjeta más rápida

B200

103 tok/s · 180 GB

¿Qué GPU pueden ejecutar? DeepSeek Coder 33B?

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.

132 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
103 tok/s 87–123	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.9 GB	Q8_0	Cómodo
103 tok/s 87–123	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.9 GB	Q8_0	Cómodo
82.0 tok/s 49–131 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.9 GB	Q8_0	Cómodo
82.0 tok/s 49–131 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.9 GB	Q8_0	Cómodo
65.6 tok/s 39–105 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.9 GB	Q8_0	Cómodo
62.8 tok/s 53–75	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.9 GB	Q8_0	Cómodo
62.8 tok/s 53–75	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.9 GB	Q8_0	Cómodo
60.1 tok/s 36–96 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.9 GB	Q8_0	Cómodo
53.3 tok/s 32–85 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Cómodo
53.3 tok/s 32–85 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Cómodo
53.3 tok/s 32–85 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Cómodo
50.6 tok/s 43–61	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.9 GB	Q8_0	Cómodo
43.1 tok/s 37–52	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Cómodo
43.1 tok/s 37–52	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.9 GB	Q8_0	Cómodo
43.1 tok/s 37–52	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Cómodo
43.1 tok/s 37–52	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Cómodo
43.1 tok/s 37–52	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Cómodo
39.7 tok/s 34–48	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.5 GB	Q4_K_M	Ajustado
36.2 tok/s 31–43	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.5 GB	Q4_K_M	Ajustado
34.9 tok/s 30–42	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Ajustado
34.9 tok/s 30–42	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Ajustado
33.4 tok/s 28–40	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Ajustado
33.4 tok/s 28–40	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Ajustado
32.8 tok/s 20–53 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.9 GB	Q8_0	Cómodo
32.8 tok/s 20–53 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.9 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: DeepSeek,Peking University
Tipo de Organización: Industry,Academia
País: China
Publicado: 25 January 2024
Autores: Daya Guo, Qihao Zhu, Dejian Yang, Zhenda Xie, Kai Dong, Wentao Zhang, Guanting Chen, Xiao Bi, Y. Wu, Y.K. Li, Fuli Luo, Yingfei Xiong, Wenfeng Liang

Lo que hace

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

Dominio: Language
Tarea: Code 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: 33B
Datos de entrenamiento: 2,000,000,000,000 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: 4 × 10²³ FLOP
Cómo se estableció: Operation counting

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: deepseek-ai

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: Likely

Fuentes

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

Referencia: DeepSeek-Coder: When the Large Language Model Meets Programming -- The Rise of Code Intelligence
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan DeepSeek Coder 33B

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 DeepSeek Coder 33B

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

El lado de hardware

Mínima tarjeta

RTX A4500

Memoria necesaria

16.7 GB

Más rápido

103 tok/s

DeepSeek Coder 33B llega a un recuento de parámetros de 33B. Eso cae dentro del rango que una tarjeta de escritorio seria puede manejar una vez que los pesos están comprimidos. El número de tarjetas que rastreamos que pueden ejecutarlo: 132.

En el extremo bajo, se maneja por RTX A4500, con una capacidad de memoria de 20 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 22.2 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 103 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

DeepSeek Coder 33B fue publicado por DeepSeek,Peking University, en el país registrado como China, durante January 2024. La categoría en la que se encuentra el editor es industry,Academia.

Funciona en el dominio de Language, y se registra como realizando la tarea de code 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. En Hugging Face está publicado bajo la organización deepseek-ai.

Leyendo las cifras de rendimiento

La mitad de las tarjetas que lo sostienen gestionan más de 20.0 tokens por segundo. Excediendo velocidad de lectura directamente: 101 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.

Debido a que la arquitectura está registrada, la columna de memoria se deriva en lugar de estimarse.

Qué se necesitó para construirlo

Producirlo requirió una aritmética que totaliza alrededor de 4 × 10²³ 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 2,000,000,000,000 tokens de texto

Paso a paso

Cómo elegir una GPU para DeepSeek Coder 33B

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

Verifica lo que necesita antes de cualquier otra cosa.

Empieza desde lo que realmente necesita, que es el requerimiento de DeepSeek Coder 33B, necesitando alrededor 16.7 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Establece la longitud de contexto en la que trabajarás.

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. DeepSeek Coder 33B.
03

Decide cuánto compresión aceptarás

La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., alcanzando una compresión de Q3_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

Ordenar por velocidad

Ordenar por velocidad para ver cómo se clasifican las tarjetas por DeepSeek Coder 33B. 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 103 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 DeepSeek Coder 33B. 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

Revisa la tarjeta del otro lado

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 DeepSeek Coder 33B.

Respuestas

DeepSeek Coder 33B — preguntas comunes

DeepSeek Coder 33B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 103 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: 101.

DeepSeek Coder 33B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 16.7 GB a una compresión de Q3_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.

DeepSeek Coder 33B— ¿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 Q4_K_M, usando alrededor 20.5 GB y generando aproximadamente 39.7 tokens por segundo. El ajuste es ajustado.

DeepSeek Coder 33B— ¿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.

DeepSeek Coder 33B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 33B. 33B. 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.

DeepSeek Coder 33B— ¿Quién lo creó?

Fue publicado por DeepSeek,Peking University, basado en China, una organización categorizada como industry,Academia.

DeepSeek Coder 33B— ¿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.

DeepSeek Coder 33B— ¿Para qué se utiliza?

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

DeepSeek Coder 33B— ¿Dónde puedo descargarlo?

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

DeepSeek Coder 33B— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 4 × 10²³ 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.

DeepSeek Coder 33B— ¿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 6.1 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

DeepSeek Coder 33B— ¿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: 132. Así que una segunda tarjeta rara vez es la respuesta aquí.

DeepSeek Coder 33B— ¿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: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

DeepSeek Coder 33B— ¿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: 87–123 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.

DeepSeek Coder 33B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es RTX A4500, con una capacidad de memoria de 20 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 16.7 GB, y produce aproximadamente 22.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 132.

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