DeepSeek LLM 67B calculadora TPS

Abre pesos DeepSeek 67B 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

61 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

A100 PCIe 40 GB

40 GB · IQ4_XS · 24.2 tok/s

Tarjeta más rápida

B200

50.6 tok/s · 180 GB

¿Qué GPU pueden ejecutar? DeepSeek LLM 67B?

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.

61 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
50.6 tok/s 43–61	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	69.7 GB	Q8_0	Cómodo
50.6 tok/s 43–61	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	69.7 GB	Q8_0	Cómodo
40.4 tok/s 24–65 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Cómodo
40.4 tok/s 24–65 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Cómodo
32.3 tok/s 19–52 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	69.7 GB	Q8_0	Cómodo
30.9 tok/s 26–37	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Cómodo
30.9 tok/s 26–37	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Cómodo
29.6 tok/s 18–47 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	69.7 GB	Q8_0	Cómodo
27.3 tok/s 23–33	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	38.5 GB	Q4_K_M	Ajustado
26.3 tok/s 16–42 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Cómodo
26.3 tok/s 16–42 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Cómodo
26.3 tok/s 16–42 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Cómodo
24.9 tok/s 21–30	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	69.7 GB	Q8_0	Cómodo
24.2 tok/s 21–29	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.6 GB	IQ4_XS	Ajustado
24.2 tok/s 21–29	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.6 GB	IQ4_XS	Ajustado
24.2 tok/s 21–29	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.6 GB	IQ4_XS	Ajustado
21.2 tok/s 18–25	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Cómodo
21.2 tok/s 18–25	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	69.7 GB	Q8_0	Ajustado
21.2 tok/s 18–25	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Cómodo
21.2 tok/s 18–25	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Cómodo
21.2 tok/s 18–25	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Ajustado
19.6 tok/s 17–23	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	38.5 GB	Q4_K_M	Ajustado
18.6 tok/s 16–22	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.1 GB	Q6_K	Ajustado
16.2 tok/s 10–26 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	69.7 GB	Q8_0	Cómodo
16.2 tok/s 10–26 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	69.7 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
Tipo de Organización: Industry
País: China
Publicado: 5 January 2024
Autores: Xiao Bi, Deli Chen, Guanting Chen, Shanhuang Chen, Damai Dai, Chengqi Deng, Honghui Ding, Kai Dong, Qiushi Du, Zhe Fu, Huazuo Gao, Kaige Gao, Wenjun Gao, Ruiqi Ge, Kang Guan, Daya Guo, Jianzhong Guo, Guangbo Hao, Zhewen Hao, Ying He, Wenjie Hu, Panpan Huang, Erhang Li, Guowei Li, Jiashi Li, Yao Li, Y.K. Li, Wenfeng Liang, Fangyun Lin, A.X. Liu, Bo Liu, Wen Liu, Xiaodong Liu, Xin Liu, Yiyuan Liu, H…

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, Question answering

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: 67B
Datos de entrenamiento: 2,000,000,000,000 tokens
Épocas: 1

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: 8 × 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: Confident

Fuentes

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

Referencia: DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan DeepSeek LLM 67B

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 LLM 67B

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

A100 PCIe 40 GB

Memoria necesaria

34.6 GB

Más rápido

50.6 tok/s

DeepSeek LLM 67B llega a un recuento de parámetros de 67B. 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: 61.

En el extremo bajo, se maneja por A100 PCIe 40 GB, con una capacidad de memoria de 40 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 24.2 tokens por segundo

Lo más rápido que calculamos para ello es B200, generando aproximadamente 50.6 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

DeepSeek LLM 67B fue publicado por DeepSeek, en el país registrado como China, durante January 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, Question answering.

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 12.9 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 51 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.

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

Entrenamiento y procedencia

Entrenarlo tomó un presupuesto de computación de aproximadamente 8 × 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 LLM 67B

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.

Cada tarjeta aquí ha sido verificada contra DeepSeek LLM 67B, necesitando alrededor 34.6 GB a una compresión de IQ4_XS. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
02

Ajusta el contexto a tu uso actual

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 DeepSeek LLM 67B.
03

Decide cuánto compresión aceptarás

Cada tarjeta ejecuta la copia menos comprimida que puede contener., 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.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. DeepSeek LLM 67B. 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 50.6 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 DeepSeek LLM 67B. 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. DeepSeek LLM 67B.

Respuestas

DeepSeek LLM 67B — preguntas comunes

DeepSeek LLM 67B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 50.6 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: 51.

DeepSeek LLM 67B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 34.6 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.

DeepSeek LLM 67B— ¿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 LLM 67B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 67B. 67B. 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 LLM 67B— ¿Quién lo creó?

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

DeepSeek LLM 67B— ¿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 LLM 67B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de chat, Language modeling/generation, Question answering. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

DeepSeek LLM 67B— ¿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 LLM 67B— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 8 × 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 LLM 67B— ¿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 9.7 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

DeepSeek LLM 67B— ¿Correrían dos GPUS más rápido?

Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 61. Así que una segunda tarjeta rara vez es la respuesta aquí.

DeepSeek LLM 67B— ¿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: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

DeepSeek LLM 67B— ¿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: 43–61 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 LLM 67B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es A100 PCIe 40 GB, con una capacidad de memoria de 40 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 34.6 GB, y produce aproximadamente 24.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 61.

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