BLUUMI calculadora TPS
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 tenemos especificaciones para
Tarjeta más pequeña que cabe
Radeon Instinct MI250
128 GB · Q4_K_M · 14.2 tok/s
Tarjeta más rápida
Radeon Instinct MI300
28.4 tok/s · 128 GB
¿Qué GPU pueden ejecutar? BLUUMI?
Establecer las entradas, leer la respuesta
Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..
Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..
17 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
28.4
tok/s
17–45 · baja confianza |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 107.2 GB | Q4_K_M | Ajustado |
|
28.0
tok/s
17–45 · baja confianza |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 148.2 GB | Q6_K | Ajustado |
|
27.2
tok/s
16–43 · baja confianza |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 107.2 GB | Q4_K_M | Ajustado |
|
27.2
tok/s
16–43 · baja confianza |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 107.2 GB | Q4_K_M | Ajustado |
|
23.1
tok/s
14–37 · baja confianza |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 107.2 GB | Q4_K_M | Ajustado |
|
19.3
tok/s
12–31 · baja confianza |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 189.1 GB | Q8_0 | Cómodo |
|
15.4
tok/s
9–25 · baja confianza |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 189.1 GB | Q8_0 | Cómodo |
|
15.4
tok/s
9–25 · baja confianza |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 189.1 GB | Q8_0 | Cómodo |
|
14.5
tok/s
9–23 · baja confianza |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 148.2 GB | Q6_K | Ajustado |
|
14.5
tok/s
9–23 · baja confianza |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 148.2 GB | Q6_K | Ajustado |
|
14.2
tok/s
9–23 · baja confianza |
Radeon Instinct MI250 AMD | 128 GB | 3,280 GB/s | Nov 2021 | 107.2 GB | Q4_K_M | Ajustado |
|
14.2
tok/s
9–23 · baja confianza |
Radeon Instinct MI250X AMD | 128 GB | 3,280 GB/s | Nov 2021 | 107.2 GB | Q4_K_M | Ajustado |
|
11.8
tok/s
7–19 · baja confianza |
Data Center GPU Max 1550 Intel | 128 GB | 3,280 GB/s | Jan 2023 | 107.2 GB | Q4_K_M | Ajustado |
|
11.6
tok/s
7–19 · baja confianza |
Data Center GPU Max Subsystem Intel | 128 GB | 3,210 GB/s | Jan 2023 | 107.2 GB | Q4_K_M | Ajustado |
|
11.3
tok/s
7–18 · baja confianza |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 189.1 GB | Q8_0 | Cómodo |
|
1.5
tok/s
1–2 · baja confianza |
GB10 NVIDIA | 128 GB | 273 GB/s | Oct 2025 | 107.2 GB | Q4_K_M | Ajustado |
|
1.5
tok/s
1–2 · baja confianza |
Jetson T5000 NVIDIA | 128 GB | 273 GB/s | Aug 2025 | 107.2 GB | Q4_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
- University of Turku,Hugging Face
- Tipo de Organización
- Academia,Industry
- País
- Finland, United States of America
- Publicado
- 3 November 2023
- Autores
- Risto Luukkonen, Ville Komulainen, Jouni Luoma, Anni Eskelinen, Jenna Kanerva, Hanna-Mari Kupari, Filip Ginter, Veronika Laippala, Niklas Muennighoff, Aleksandra Piktus, Thomas Wang, Nouamane Tazi, Teven Le Scao, Thomas Wolf, Osma Suominen, Samuli Sairanen, Mikko Merioksa, Jyrki Heinonen, Aija Vahtola, Samuel Antao, Sampo Pyysalo
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
- Modelo base
- BLOOM-176B
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
- 176B
- Datos de entrenamiento
- 38,000,000,000 tokens
- Épocas
- 8
- Tamaño de lote
- 4,194,304
176 billion
38B tokens "In total, the final pretraining dataset (including oversampling) consists of 38 billion tokens when processed with our Finnish tokenizer."
Table 5.
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
- AMD Radeon Instinct MI250X
- Centro de datos
- LUMI Supercomputer
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
- TurkuNLP
The BigScience RAIL License https://turkunlp.org/gpt3-finnish https://huggingface.co/TurkuNLP/bloom-finnish-176b "The Responsible AI License allows users to take advantage of the model in a wide range of settings (including free use and redistribution) as long as they respect the specific use case restrictions outlined, which correspond to model applications the licensor deems ill-suited for the model or are likely to cause harm."
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo de Fundación
- Yes
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Likely
- Citas
- 70
SOTA for Finnish: "Our best monolingual model outperforms this result by over 10% points and the BLUUMI model by over 20% points, representing a substantial advance in the state of the art in the capability of generative models trained for Finnish."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- FinGPT: Large Generative Models for a Small Language
- Última actualización
- 25 May 2026
Los extremos
Las diez GPUs más rápidas que ejecutan BLUUMI
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..
- 01 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q4_K_M 28.4 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q6_K 28.0 tok/s
- 03 H200 NVL 141 GB · 4,890 GB/s · Q4_K_M 27.2 tok/s
- 04 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q4_K_M 27.2 tok/s
- 05 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q4_K_M 23.1 tok/s
- 06 B300 288 GB · 8,000 GB/s · Q8_0 19.3 tok/s
- 07 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 15.4 tok/s
- 08 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 15.4 tok/s
- 09 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q6_K 14.5 tok/s
- 10 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q6_K 14.5 tok/s
Las GPUs más pequeñas que aún funcionan BLUUMI
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..
- 01 GB10 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 1.5 tok/s
- 02 Jetson T5000 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 1.5 tok/s
- 03 Radeon Instinct MI300A 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 23.1 tok/s
- 04 Data Center GPU Max 1550 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 11.8 tok/s
- 05 Data Center GPU Max Subsystem 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 11.6 tok/s
- 06 Radeon Instinct MI300 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 28.4 tok/s
- 07 Radeon Instinct MI250 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 14.2 tok/s
- 08 Radeon Instinct MI250X 128 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 14.2 tok/s
- 09 H200 NVL 141 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 27.2 tok/s
- 10 H200 SXM 141 GB 141 GB · Necesita 107.2 GB · Q4_K_M · Ajustado 27.2 tok/s
Qué significan los números
El lado de hardware
Mínima tarjeta
Radeon Instinct MI250
Memoria necesaria
107.2 GB
Más rápido
28.4 tok/s
BLUUMI llega a un recuento de parámetros de 176B. 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: 17.
En el extremo bajo, se maneja por Radeon Instinct MI250, con una capacidad de memoria de 128 GB, ejecutándolo a una compresión de Q4_K_M y produciendo alrededor 14.2 tokens por segundo
El resultado más rápido proviene de Radeon Instinct MI300, generando aproximadamente 28.4 tokens por segundo en la fuerza de un ancho de banda de memoria de 6,550 GB/s.
Acerca de este modelo
BLUUMI fue publicado por University of Turku,Hugging Face, en el país registrado como Finland, durante November 2023. La categoría en la que se encuentra el editor es academia,Industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
En lugar de ser entrenado desde cero, se deriva de BLOOM-176B. Esa es la forma habitual en que se produce un modelo especializado.
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 TurkuNLP.
Qué tan rápido corre, y por qué
En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 14.5 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 15 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.
Qué se necesitó para construirlo
Fue entrenado en un corpus de aproximadamente 38,000,000,000 tokens de texto
La razón por la que aparece en este catálogo en absoluto: sOTA improvement.
Paso a paso
Cómo elegir una GPU para BLUUMI
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
La tabla enumera cada tarjeta capaz de contener BLUUMI, necesitando alrededor 107.2 GB a una compresión de Q4_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.
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 BLUUMI.
-
03
Decide cuánto compresión aceptarás
La compresión es lo que hace que un modelo quepa en tarjetas más pequeñas, a costa de cierta precisión., alcanzando una compresión de Q4_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
Clasifica por rendimiento en lugar de la hoja de especificaciones.
El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para BLUUMI. 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 Radeon Instinct MI300, en 28.4 tok/s
-
05
Mira el margen, no solo la compatibilidad.
La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de BLUUMI. 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 BLUUMI.
Respuestas
BLUUMI — preguntas comunes
BLUUMI— ¿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 20.8 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
BLUUMI— ¿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: 17. Así que una segunda tarjeta rara vez es la respuesta aquí.
BLUUMI— ¿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: 3. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.
BLUUMI— ¿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: 17–45 tok/s en Radeon Instinct MI300. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.
BLUUMI— ¿Qué GPU necesito para ejecutarlo?
La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI250, con una capacidad de memoria de 128 GB. Funciona el modelo a una compresión de Q4_K_M usando alrededor 107.2 GB, y produce aproximadamente 14.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 17.
BLUUMI— ¿qué tan rápido es en una GPU?
Depende de la tarjeta. Lo más rápido que calculamos es Radeon Instinct MI300, a aproximadamente 28.4 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: 15.
BLUUMI— ¿Cuánta VRAM necesita?
Necesita aproximadamente 107.2 GB a una compresión de Q4_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.
BLUUMI— ¿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.
BLUUMI— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 176B. 176 billion. 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.
BLUUMI— ¿Quién lo creó?
Fue publicado por University of Turku,Hugging Face, basado en Finland, una organización categorizada como academia,Industry.
BLUUMI— ¿cuándo fue lanzado?
Se publicó en November 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.
BLUUMI— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. 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.
BLUUMI— ¿Dónde puedo descargarlo?
Sus pesos están publicados en Hugging Face, bajo la organización TurkuNLP. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.
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.