Llama-2-Chinese 13B calculadora TPS

Abre pesos FlagAlpha 13B parámetros June 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

295 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

GeForce GTX 1080 Ti

11 GB · Q3_K_M · 36.2 tok/s

Tarjeta más rápida

B200

261 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Llama-2-Chinese 13B?

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.

295 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
261 tok/s 222–313	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	16.9 GB	Q8_0	Cómodo
261 tok/s 222–313	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	16.9 GB	Q8_0	Cómodo
208 tok/s 125–333 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	16.9 GB	Q8_0	Cómodo
208 tok/s 125–333 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	16.9 GB	Q8_0	Cómodo
166 tok/s 100–266 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	16.9 GB	Q8_0	Cómodo
159 tok/s 135–191	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	16.9 GB	Q8_0	Cómodo
159 tok/s 135–191	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	16.9 GB	Q8_0	Cómodo
152 tok/s 91–244 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	16.9 GB	Q8_0	Cómodo
135 tok/s 81–217 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	16.9 GB	Q8_0	Cómodo
135 tok/s 81–217 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	16.9 GB	Q8_0	Cómodo
135 tok/s 81–217 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	16.9 GB	Q8_0	Cómodo
128 tok/s 109–154	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	16.9 GB	Q8_0	Cómodo
109 tok/s 93–131	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	16.9 GB	Q8_0	Cómodo
109 tok/s 93–131	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	16.9 GB	Q8_0	Cómodo
109 tok/s 93–131	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	16.9 GB	Q8_0	Cómodo
109 tok/s 93–131	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	16.9 GB	Q8_0	Cómodo
109 tok/s 93–131	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	16.9 GB	Q8_0	Cómodo
83.4 tok/s 50–133 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	16.9 GB	Q8_0	Cómodo
83.4 tok/s 50–133 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	16.9 GB	Q8_0	Cómodo
73.0 tok/s 62–88	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.1 GB	IQ4_XS	Ajustado
73.0 tok/s 62–88	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.1 GB	IQ4_XS	Ajustado
69.5 tok/s 42–111 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	16.9 GB	Q8_0	Cómodo
68.0 tok/s 41–109 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	16.9 GB	Q8_0	Cómodo
66.5 tok/s 56–80	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	16.9 GB	Q8_0	Cómodo
66.5 tok/s 56–80	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	16.9 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: FlagAlpha
Tipo de Organización: Research collective
País: China
Publicado: 25 June 2023

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/generation, Question answering, Code generation, Quantitative reasoning
Modelo base: Llama 2-13B

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: 13B
Datos de entrenamiento: tokens

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 (unrestricted)
Código de entrenamiento: Open (non-commercial)

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: Likely

Fuentes

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

Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Llama-2-Chinese 13B

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 Llama-2-Chinese 13B

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

GeForce GTX 1080 Ti

Memoria necesaria

9.4 GB

Más rápido

261 tok/s

Llama-2-Chinese 13B llega a un recuento de parámetros de 13B. 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: 295.

El punto de entrada es GeForce GTX 1080 Ti, con una capacidad de memoria de 11 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 36.2 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 261 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Llama-2-Chinese 13B fue publicado por FlagAlpha, en el país registrado como China, durante June 2023. La categoría en la que se encuentra el editor es research collective.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering, Code generation, Quantitative reasoning.

En lugar de ser entrenado desde cero, se deriva de Llama 2-13B. Por eso comparte la forma y el tamaño general del modelo base.

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.

Qué tan rápido corre, y por qué

El resultado mediano es alrededor de 24.2 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 258 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.

Paso a paso

Cómo elegir una GPU para Llama-2-Chinese 13B

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 Llama-2-Chinese 13B, necesitando alrededor 9.4 GB a una compresión de Q3_K_M. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
02

Ajusta el contexto a tu uso actual

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. Llama-2-Chinese 13B.
03

Decide cuánto compresión aceptarás

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

El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Llama-2-Chinese 13B. 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 261 tok/s
05

Lee la columna de ajuste al final

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Llama-2-Chinese 13B. 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 página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de Llama-2-Chinese 13B.

Respuestas

Llama-2-Chinese 13B — preguntas comunes

Llama-2-Chinese 13B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 9.4 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.

Llama-2-Chinese 13B— ¿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 IQ4_XS, usando alrededor 10.1 GB y generando aproximadamente 73.0 tokens por segundo. El ajuste es ajustado.

Llama-2-Chinese 13B— ¿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 13.9 GB y generando aproximadamente 53.5 tokens por segundo. El ajuste es ajustado.

Llama-2-Chinese 13B— ¿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 16.9 GB y generando aproximadamente 43.7 tokens por segundo. El ajuste es cómodo.

Llama-2-Chinese 13B— ¿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.

Llama-2-Chinese 13B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 13B. 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.

Llama-2-Chinese 13B— ¿Quién lo creó?

Fue publicado por FlagAlpha, basado en China, una organización categorizada como research collective.

Llama-2-Chinese 13B— ¿cuándo fue lanzado?

Se publicó en June 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.

Llama-2-Chinese 13B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering, Code generation, Quantitative reasoning. 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.

Llama-2-Chinese 13B— ¿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.

Llama-2-Chinese 13B— ¿Puedo ejecutarlo si no cabe en mi GPU?

En parte. Las capas que no se ajustan se encuentran en la memoria del sistema y funcionan a una fracción de la velocidad, por lo que un modelo mayoritariamente descargado rara vez merece la pena utilizar. El fallo más cercano que calculamos se queda corto por 1.9 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Llama-2-Chinese 13B— ¿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: 295. Así que una segunda tarjeta rara vez es la respuesta aquí.

Llama-2-Chinese 13B— ¿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.

Llama-2-Chinese 13B— ¿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: 222–313 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.

Llama-2-Chinese 13B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es GeForce GTX 1080 Ti, con una capacidad de memoria de 11 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 9.4 GB, y produce aproximadamente 36.2 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 295.

Llama-2-Chinese 13B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 261 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: 258.

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