nekomata-14b calculadora TPS

Abre pesos rinna 14.2B parámetros December 2023

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

306 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

P102-101

10 GB · IQ4_XS · 19.9 tok/s

Tarjeta más rápida

B200

239 tok/s · 180 GB

¿Qué GPU pueden ejecutar? nekomata-14b?

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.

306 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
239 tok/s 143–382 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	15.9 GB	Q8_0	Cómodo
239 tok/s 143–382 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	15.9 GB	Q8_0	Cómodo
191 tok/s 114–305 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	15.9 GB	Q8_0	Cómodo
191 tok/s 114–305 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	15.9 GB	Q8_0	Cómodo
152 tok/s 91–244 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	15.9 GB	Q8_0	Cómodo
146 tok/s 88–233 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.9 GB	Q8_0	Cómodo
146 tok/s 88–233 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.9 GB	Q8_0	Cómodo
140 tok/s 84–223 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	15.9 GB	Q8_0	Cómodo
124 tok/s 74–198 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	15.9 GB	Q8_0	Cómodo
124 tok/s 74–198 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	15.9 GB	Q8_0	Cómodo
124 tok/s 74–198 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	15.9 GB	Q8_0	Cómodo
118 tok/s 71–188 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	15.9 GB	Q8_0	Cómodo
114 tok/s 69–183 · baja confianza	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.5 GB	IQ4_XS	Ajustado
100 tok/s 60–160 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.9 GB	Q8_0	Cómodo
100 tok/s 60–160 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	15.9 GB	Q8_0	Cómodo
100 tok/s 60–160 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	15.9 GB	Q8_0	Cómodo
100 tok/s 60–160 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.9 GB	Q8_0	Cómodo
100 tok/s 60–160 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	15.9 GB	Q8_0	Cómodo
76.3 tok/s 46–122 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	15.9 GB	Q8_0	Cómodo
76.3 tok/s 46–122 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	15.9 GB	Q8_0	Cómodo
63.6 tok/s 38–102 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	15.9 GB	Q8_0	Cómodo
62.8 tok/s 38–101 · baja confianza	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	9.3 GB	Q4_K_M	Ajustado
62.8 tok/s 38–101 · baja confianza	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	9.3 GB	Q4_K_M	Ajustado
62.2 tok/s 37–100 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	15.9 GB	Q8_0	Cómodo
60.9 tok/s 37–97 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	15.9 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: rinna
Tipo de Organización: Industry
País: Japan
Publicado: 21 December 2023
Autores: Tianyu Zhao, Akio Kaga, Kei Sawada

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 generation
Modelo base: Qwen-14B
Formato numérico: BF16

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: 14.2B
Datos de entrenamiento: 66,000,000,000 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: 2.6 × 10²³ 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.

Hardware de entrenamiento: Amazon Trainium1
Chips utilizados: 256
Tiempo de reloj: 168 hours (7 days)
Utilización de hardware: MFU 17.1%

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: rinna

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Por qué se rastrea: SOTA improvement
Confianza de registro: Confident
Citas: 35

Fuentes

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

Referencia: rinna/nekomata-14b
Última actualización: 25 May 2026

Los extremos

Las diez GPUs más rápidas que ejecutan nekomata-14b

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 nekomata-14b

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

P102-101

Memoria necesaria

8.5 GB

Más rápido

239 tok/s

nekomata-14b llega a un recuento de parámetros de 14.2B. 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: 306.

El punto de entrada es P102-101, con una capacidad de memoria de 10 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 19.9 tokens por segundo

Gama alta es B200, generando aproximadamente 239 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

nekomata-14b fue publicado por rinna, en el país registrado como Japan, durante December 2023. La organización editora está clasificada como industry.

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

Se basa en Qwen-14B. La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.

Los PESOS están publicados, por lo que se puede descargar y ejecutar en su propio HARDWARE indefinidamente, SIN CONEXIÓN, sin cuenta adjunta. En Hugging Face está publicado bajo la organización rinna.

Leyendo las cifras de rendimiento

El resultado mediano es alrededor de 22.3 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 266 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.

La memoria aquí se estima a partir del tamaño en lugar de calcularse a partir de la arquitectura, que no se registra para este modelo — los números son indicativos en lugar de exactos.

Entrenamiento y procedencia

Producirlo requirió una aritmética que totaliza alrededor de 2.6 × 10²³ FLOP, en hardware registrado como Amazon Trainium1. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

El entrenamiento consumió un corpus de alrededor de 66,000,000,000 tokens de texto

La razón por la que aparece en este catálogo en absoluto: sOTA improvement.

Paso a paso

Cómo elegir una GPU para nekomata-14b

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 nekomata-14b, necesitando alrededor 8.5 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

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. nekomata-14b.
03

Elige cuán lejos lo comprimirás.

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

Ordenar por velocidad

El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para nekomata-14b. 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 239 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 nekomata-14b. 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 nekomata-14b.

Respuestas

nekomata-14b — preguntas comunes

nekomata-14b— ¿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: 306. Así que una segunda tarjeta rara vez es la respuesta aquí.

nekomata-14b— ¿Por qué difiere la cuantificación entre tarjetas?

Cada tarjeta se muestra ejecutando la copia menos comprimida que puede contener. El número de niveles de compresión distintos entre las tarjetas que lo soportan: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

nekomata-14b— ¿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: 143–382 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.

nekomata-14b— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es P102-101, con una capacidad de memoria de 10 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 8.5 GB, y produce aproximadamente 19.9 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 306.

nekomata-14b— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 239 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: 266.

nekomata-14b— ¿Cuánta VRAM necesita?

Necesita aproximadamente 8.5 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.

nekomata-14b— ¿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 Q4_K_M, usando alrededor 9.3 GB y generando aproximadamente 62.8 tokens por segundo. El ajuste es ajustado.

nekomata-14b— ¿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 Q6_K, usando alrededor 12.6 GB y generando aproximadamente 49.0 tokens por segundo. El ajuste es ajustado.

nekomata-14b— ¿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 15.9 GB y generando aproximadamente 40.0 tokens por segundo. El ajuste es cómodo.

nekomata-14b— ¿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.

nekomata-14b— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 14.2B. Source: https://huggingface.co/rinna/nekomata-14b. 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.

nekomata-14b— ¿Quién lo creó?

Fue publicado por rinna, basado en Japan, una organización categorizada como industry.

nekomata-14b— ¿cuándo fue lanzado?

Se publicó en December 2023. 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.

nekomata-14b— ¿Para qué se utiliza?

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

nekomata-14b— ¿Dónde puedo descargarlo?

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

nekomata-14b— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 2.6 × 10²³ FLOP, en hardware registrado como Amazon Trainium1. 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.

nekomata-14b— ¿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 2.1 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Origen

Publicación original

Última actualización registrada 25 May 2026

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