Open-Assistant Llama2 70B SFT v10 calculadora TPS

Abre pesos 70B parámetros August 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

61 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

A100 PCIe 40 GB

40 GB · IQ4_XS · 23.2 tok/s

Tarjeta más rápida

B200

48.4 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Open-Assistant Llama2 70B SFT v10?

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..

61 las tarjetas coinciden

Calculando
Necesita Cuantización Ajustar
48.4 tok/s

41–58

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 72.5 GB Q8_0 Cómodo
48.4 tok/s

41–58

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 72.5 GB Q8_0 Cómodo
38.7 tok/s

23–62 · baja confianza

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 72.5 GB Q8_0 Cómodo
38.7 tok/s

23–62 · baja confianza

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 72.5 GB Q8_0 Cómodo
30.9 tok/s

19–49 · baja confianza

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 72.5 GB Q8_0 Cómodo
29.6 tok/s

25–36

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 72.5 GB Q8_0 Cómodo
29.6 tok/s

25–36

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 72.5 GB Q8_0 Cómodo
29.5 tok/s

25–35

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 56.2 GB Q6_K Cómodo
29.5 tok/s

25–35

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 56.2 GB Q6_K Cómodo
28.3 tok/s

17–45 · baja confianza

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 72.5 GB Q8_0 Cómodo
26.1 tok/s

22–31

GRID A100B NVIDIA 48 GB 1,870 GB/s May 2020 39.9 GB Q4_K_M Ajustado
25.1 tok/s

15–40 · baja confianza

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 72.5 GB Q8_0 Cómodo
25.1 tok/s

15–40 · baja confianza

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 72.5 GB Q8_0 Cómodo
25.1 tok/s

15–40 · baja confianza

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 72.5 GB Q8_0 Cómodo
23.8 tok/s

20–29

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 72.5 GB Q8_0 Ajustado
23.2 tok/s

20–28

A100 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Jun 2020 35.8 GB IQ4_XS Ajustado
23.2 tok/s

20–28

A100 SXM4 40 GB NVIDIA 40 GB 1,560 GB/s May 2020 35.8 GB IQ4_XS Ajustado
23.2 tok/s

20–28

A800 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Nov 2022 35.8 GB IQ4_XS Ajustado
20.3 tok/s

17–24

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 72.5 GB Q8_0 Ajustado
20.3 tok/s

17–24

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 72.5 GB Q8_0 Ajustado
20.3 tok/s

17–24

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 72.5 GB Q8_0 Ajustado
18.7 tok/s

16–22

RTX PRO 5000 Blackwell NVIDIA 48 GB 1,340 GB/s Mar 2025 39.9 GB Q4_K_M Ajustado
17.9 tok/s

15–22

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 56.2 GB Q6_K Cómodo
17.9 tok/s

15–22

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 56.2 GB Q6_K Cómodo
17.9 tok/s

15–22

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 56.2 GB Q6_K 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.

Publicado
25 August 2023
Autores
OpenAssistant

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
Modelo base
Llama 2-70B

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
70B

"This model is an Open-Assistant fine-tuning of Meta's Llama2 70B LLM" (https://huggingface.co/OpenAssistant/llama2-70b-oasst-sft-v10).

Datos de entrenamiento
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.

Computación de ajuste fino
1.7 × 10²⁰ FLOP

From https://huggingface.co/OpenAssistant/llama2-70b-oasst-sft-v10: - “Weights & Biases training logs: Stage 1 (1 epoch pretrain-mix, 12k steps), Stage 2 (3 epochs oasst top-1, 519 steps)”. - Stage 1: “Accepted tokens: 375772920”. - Stage 2: “Accepted tokens: 5315368”. Since Llama has dense transformer architecture, the 6ND approximation yields Fine-tuning compute = # of active parameters / forward pass * # of tokens * 6 FLOPS / token * # of epochs = 7e10 parameters * 375772920 tokens * 6 FLOPS…

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
Open (restricted use)

llama 2 license (700M MAU cap) https://huggingface.co/OpenAssistant/llama2-70b-oasst-sft-v10 https://github.com/epfLLM/Megatron-LLM

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
Confident

Fuentes

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

Referencia
Open-Assistant Llama2 70B SFT v10
Última actualización
28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Open-Assistant Llama2 70B SFT v10

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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  8. 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  9. 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  10. 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s

Las GPUs más pequeñas que aún funcionan Open-Assistant Llama2 70B SFT v10

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..

  1. 01 A800 PCIe 40 GB 40 GB · Necesita 35.8 GB · IQ4_XS · Ajustado 23.2 tok/s
  2. 02 A100 PCIe 40 GB 40 GB · Necesita 35.8 GB · IQ4_XS · Ajustado 23.2 tok/s
  3. 03 A100 SXM4 40 GB 40 GB · Necesita 35.8 GB · IQ4_XS · Ajustado 23.2 tok/s
  4. 04 Radeon PRO W7900D 48 GB · Necesita 39.9 GB · Q4_K_M · Ajustado 9.4 tok/s
  5. 05 RTX PRO 5000 Blackwell 48 GB · Necesita 39.9 GB · Q4_K_M · Ajustado 18.7 tok/s
  6. 06 RTX 5880 Ada Generation 48 GB · Necesita 39.9 GB · Q4_K_M · Ajustado 12.1 tok/s
  7. 07 L20 48 GB · Necesita 39.9 GB · Q4_K_M · Ajustado 12.1 tok/s
  8. 08 Radeon PRO W7800 48 GB 48 GB · Necesita 39.9 GB · Q4_K_M · Ajustado 9.4 tok/s
  9. 09 Radeon PRO W7900 48 GB · Necesita 39.9 GB · Q4_K_M · Ajustado 9.4 tok/s
  10. 10 Data Center GPU Max 1100 48 GB · Necesita 39.9 GB · Q4_K_M · Ajustado 11.2 tok/s

Qué significan los números

Lo que necesitas para ejecutar esto

Mínima tarjeta

A100 PCIe 40 GB

Memoria necesaria

35.8 GB

Más rápido

48.4 tok/s

Open-Assistant Llama2 70B SFT v10 llega a un recuento de parámetros de 70B. 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.

El hardware mínimo que funciona es A100 PCIe 40 GB, con una capacidad de memoria de 40 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 23.2 tokens por segundo

Lo más rápido que calculamos para ello es B200, generando aproximadamente 48.4 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

De dónde vino

Open-Assistant Llama2 70B SFT v10 fue publicado por its authors, durante August 2023.

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

En lugar de ser entrenado desde cero, se deriva de Llama 2-70B. Esa es la forma habitual en que se produce un modelo especializado.

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.

Entendiendo las velocidades

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 17.1 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 49 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.

Su disposición de atención está en nuestra base de datos, por lo que las cifras de VRAM se calculan exactamente en lugar de aproximarse.

Paso a paso

Cómo elegir una GPU para Open-Assistant Llama2 70B SFT v10

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..

  1. 01

    Lee la cifra de MEMORIA primero

    La tabla enumera cada tarjeta capaz de contener Open-Assistant Llama2 70B SFT v10, necesitando alrededor 35.8 GB a una compresión de IQ4_XS. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.

  2. 02

    Establece la longitud de contexto en la que trabajarás.

    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. Open-Assistant Llama2 70B SFT v10.

  3. 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 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.

  4. 04

    Compara tokens por segundo, no especificaciones

    El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Open-Assistant Llama2 70B SFT v10. 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 48.4 tok/s

  5. 05

    Verifica el veredicto de ajuste antes de comprar

    Tight significa que se carga y funciona sin espacio para aumentar el contexto más tarde, en el caso de Open-Assistant Llama2 70B SFT v10. 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.

  6. 06

    Abre la tarjeta que has elegido.

    Cada página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de Open-Assistant Llama2 70B SFT v10.

Respuestas

Open-Assistant Llama2 70B SFT v10 — preguntas comunes

01

Open-Assistant Llama2 70B SFT v10— ¿Para qué se utiliza?

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

02

Open-Assistant Llama2 70B SFT v10— ¿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.

03

Open-Assistant Llama2 70B SFT v10— ¿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 11.1 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

04

Open-Assistant Llama2 70B SFT v10— ¿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: 61. Así que una segunda tarjeta rara vez es la respuesta aquí.

05

Open-Assistant Llama2 70B SFT v10— ¿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.

06

Open-Assistant Llama2 70B SFT v10— ¿Qué tan precisas son estas estimaciones de velocidad?

Estas son estimaciones con barras de error reales, y cualquiera de ellas podría razonablemente situarse en cualquier parte de su rango publicado dependiendo del runtime que utilices. El resultado más rápido aquí: 41–58 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.

07

Open-Assistant Llama2 70B SFT v10— ¿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 35.8 GB, y produce aproximadamente 23.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 61.

08

Open-Assistant Llama2 70B SFT v10— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 48.4 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: 49.

09

Open-Assistant Llama2 70B SFT v10— ¿Cuánta VRAM necesita?

Necesita aproximadamente 35.8 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.

10

Open-Assistant Llama2 70B SFT v10— ¿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.

11

Open-Assistant Llama2 70B SFT v10— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 70B. "This model is an Open-Assistant fine-tuning of Meta's Llama2 70B LLM" (https://huggingface.co/OpenAssistant/llama2-70b-oasst-sft-v10). 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.

12

Open-Assistant Llama2 70B SFT v10— ¿cuándo fue lanzado?

Se publicó en August 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.

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