Masked Autoencoders ViT-H calculadora TPS

Abre pesos Facebook AI Research 632M parámetros November 2021

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 pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Tesla C1080

4 GB · Q8_0 · 58.3 tok/s

Tarjeta más rápida

B200

5,361 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Masked Autoencoders ViT-H?

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.

818 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
5,361 tok/s 3,217–8,578 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	1.4 GB	Q8_0	Cómodo
5,361 tok/s 3,217–8,578 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	1.4 GB	Q8_0	Cómodo
4,281 tok/s 2,569–6,850 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	1.4 GB	Q8_0	Cómodo
4,281 tok/s 2,569–6,850 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	1.4 GB	Q8_0	Cómodo
3,424 tok/s 2,054–5,478 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	1.4 GB	Q8_0	Cómodo
3,277 tok/s 1,966–5,243 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.4 GB	Q8_0	Cómodo
3,277 tok/s 1,966–5,243 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.4 GB	Q8_0	Cómodo
3,136 tok/s 1,882–5,018 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	1.4 GB	Q8_0	Cómodo
2,783 tok/s 1,670–4,453 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	1.4 GB	Q8_0	Cómodo
2,783 tok/s 1,670–4,453 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	1.4 GB	Q8_0	Cómodo
2,783 tok/s 1,670–4,453 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	1.4 GB	Q8_0	Cómodo
2,640 tok/s 1,584–4,225 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	1.4 GB	Q8_0	Cómodo
2,252 tok/s 1,351–3,603 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.4 GB	Q8_0	Cómodo
2,252 tok/s 1,351–3,603 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	1.4 GB	Q8_0	Cómodo
2,252 tok/s 1,351–3,603 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	1.4 GB	Q8_0	Cómodo
2,252 tok/s 1,351–3,603 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.4 GB	Q8_0	Cómodo
2,252 tok/s 1,351–3,603 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	1.4 GB	Q8_0	Cómodo
1,714 tok/s 1,029–2,743 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	1.4 GB	Q8_0	Cómodo
1,714 tok/s 1,029–2,743 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	1.4 GB	Q8_0	Cómodo
1,429 tok/s 857–2,286 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	1.4 GB	Q8_0	Cómodo
1,398 tok/s 839–2,237 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	1.4 GB	Q8_0	Cómodo
1,367 tok/s 820–2,187 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	1.4 GB	Q8_0	Cómodo
1,367 tok/s 820–2,187 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	1.4 GB	Q8_0	Cómodo
1,367 tok/s 820–2,187 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	1.4 GB	Q8_0	Cómodo
1,367 tok/s 820–2,187 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	1.4 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: Facebook AI Research
Tipo de Organización: Industry
País: United States of America, France
Publicado: 11 November 2021
Autores: Kaiming He, Xinlei Chen, Saining Xie, Yanghao Li, Piotr Dollár, Ross Girshick

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Vision
Tarea: Semantic segmentation, Image classification, Image generation
Enfoque: Self-supervised learning
Modelo base: ViT-Huge/14

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: 632M
Datos de entrenamiento: 327,978,752 tokens
Épocas: 1,600

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: 4.6 × 10²⁰ FLOP
Cómo se estableció: Hardware,Operation counting

La ejecución de entrenamiento

Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.

Tiempo de reloj: 69 hours

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 (non-commercial)
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.

Por qué se rastrea: Highly cited,SOTA improvement
Confianza de registro: Speculative
Citas: 11,449

Fuentes

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

Referencia: Masked Autoencoders Are Scalable Vision Learners
Última actualización: 25 May 2026

Los extremos

Las diez GPUs más rápidas que ejecutan Masked Autoencoders ViT-H

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 Masked Autoencoders ViT-H

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

Lo que se necesita para ejecutar este modelo

Mínima tarjeta

Tesla C1080

Memoria necesaria

1.4 GB

Más rápido

5,361 tok/s

Masked Autoencoders ViT-H llega a un recuento de parámetros de 632M. 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: 818.

La tarjeta más pequeña que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB, ejecutándolo a una compresión de Q8_0 y produciendo alrededor 58.3 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 5,361 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

De dónde vino

Masked Autoencoders ViT-H fue publicado por Facebook AI Research, en el país registrado como United States of America, durante November 2021. La categoría en la que se encuentra el editor es industry.

Funciona en el dominio de Vision, y se registra como realizando la tarea de semantic segmentation, Image classification, Image generation.

En lugar de ser entrenado desde cero, se deriva de ViT-Huge/14. Por eso comparte la forma y el tamaño general del modelo base.

Debido a que sus pesos fueron liberados, nada sobre ejecutar el modelo depende de un proveedor que permanezca disponible — es tuyo una vez descargado.

Entendiendo las velocidades

El resultado mediano es alrededor de 150.5 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 809 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.

Sin el diseño de atención en nuestro archivo, la columna de memoria es una aproximación. Es lo suficientemente cercana como para elegir hardware, y menos confiable en contexto largo.

Qué se necesitó para construirlo

Producirlo requirió una aritmética que totaliza alrededor de 4.6 × 10²⁰ FLOP. 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 327,978,752 tokens de texto

Su criterio de inclusión: highly cited,SOTA improvement.

Paso a paso

Cómo elegir una GPU para Masked Autoencoders ViT-H

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

Empieza desde lo que realmente necesita, que es el requerimiento de Masked Autoencoders ViT-H, necesitando alrededor 1.4 GB a una compresión de Q8_0. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
02

Decide cuánto duran tus conversaciones.

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. Masked Autoencoders ViT-H.
03

Elige cuán lejos lo comprimirás.

Cada tarjeta ejecuta la copia menos comprimida que puede contener., alcanzando una compresión de Q8_0 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.

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Masked Autoencoders ViT-H. 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 5,361 tok/s
05

Verifica el veredicto de ajuste antes de comprar

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Masked Autoencoders ViT-H. 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

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 Masked Autoencoders ViT-H.

Respuestas

Masked Autoencoders ViT-H — preguntas comunes

Masked Autoencoders ViT-H— ¿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.

Masked Autoencoders ViT-H— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 4.6 × 10²⁰ 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.

Masked Autoencoders ViT-H— ¿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. Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Masked Autoencoders ViT-H— ¿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: 818. Así que una segunda tarjeta rara vez es la respuesta aquí.

Masked Autoencoders ViT-H— ¿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: 1. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Masked Autoencoders ViT-H— ¿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: 3,217–8,578 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.

Masked Autoencoders ViT-H— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB. Funciona el modelo a una compresión de Q8_0 usando alrededor 1.4 GB, y produce aproximadamente 58.3 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 818.

Masked Autoencoders ViT-H— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 5,361 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: 809.

Masked Autoencoders ViT-H— ¿Cuánta VRAM necesita?

Necesita aproximadamente 1.4 GB a una compresión de Q8_0, 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.

Masked Autoencoders ViT-H— ¿Puedo ejecutarlo en una GPU que tiene? 8 GB?

Sí. La tarjeta CMP 170HX 8 GB, sosteniendo 8 GB, lo ejecuta a una compresión de Q8_0, usando alrededor 1.4 GB y generando aproximadamente 999 tokens por segundo. El ajuste es cómodo.

Masked Autoencoders ViT-H— ¿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 Q8_0, usando alrededor 1.4 GB y generando aproximadamente 611 tokens por segundo. El ajuste es cómodo.

Masked Autoencoders ViT-H— ¿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 Q8_0, usando alrededor 1.4 GB y generando aproximadamente 757 tokens por segundo. El ajuste es cómodo.

Masked Autoencoders ViT-H— ¿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 1.4 GB y generando aproximadamente 898 tokens por segundo. El ajuste es cómodo.

Masked Autoencoders ViT-H— ¿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.

Masked Autoencoders ViT-H— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 632M. Three models: ViT-B (86M), ViT-L (304M), ViT-H (632M). 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.

Masked Autoencoders ViT-H— ¿Quién lo creó?

Fue publicado por Facebook AI Research, basado en United States of America, una organización categorizada como industry.

Masked Autoencoders ViT-H— ¿cuándo fue lanzado?

Se publicó en November 2021. 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.

Masked Autoencoders ViT-H— ¿Para qué se utiliza?

Funciona en el dominio de Vision, y se registra como manejando la tarea de semantic segmentation, Image classification, Image generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

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