Tensor-Transformer(1core)+PN (WT103) calculadora TPS

Abre pesos University of California (UC) Berkeley 85.3M parámetros March 2020

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 · 432 tok/s

Tarjeta más rápida

B200

39,721 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Tensor-Transformer(1core)+PN (WT103)?

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
39,721 tok/s 23,833–63,554 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	0.8 GB	Q8_0	Cómodo
39,721 tok/s 23,833–63,554 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	0.8 GB	Q8_0	Cómodo
31,719 tok/s 19,031–50,750 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	0.8 GB	Q8_0	Cómodo
31,719 tok/s 19,031–50,750 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	0.8 GB	Q8_0	Cómodo
25,367 tok/s 15,220–40,587 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	0.8 GB	Q8_0	Cómodo
24,280 tok/s 14,568–38,848 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	0.8 GB	Q8_0	Cómodo
24,280 tok/s 14,568–38,848 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	0.8 GB	Q8_0	Cómodo
23,237 tok/s 13,942–37,179 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	0.8 GB	Q8_0	Cómodo
20,623 tok/s 12,374–32,997 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	0.8 GB	Q8_0	Cómodo
20,623 tok/s 12,374–32,997 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	0.8 GB	Q8_0	Cómodo
20,623 tok/s 12,374–32,997 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	0.8 GB	Q8_0	Cómodo
19,563 tok/s 11,738–31,300 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	0.8 GB	Q8_0	Cómodo
16,683 tok/s 10,010–26,693 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	0.8 GB	Q8_0	Cómodo
16,683 tok/s 10,010–26,693 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	0.8 GB	Q8_0	Cómodo
16,683 tok/s 10,010–26,693 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	0.8 GB	Q8_0	Cómodo
16,683 tok/s 10,010–26,693 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	0.8 GB	Q8_0	Cómodo
16,683 tok/s 10,010–26,693 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	0.8 GB	Q8_0	Cómodo
12,703 tok/s 7,622–20,325 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	0.8 GB	Q8_0	Cómodo
12,703 tok/s 7,622–20,325 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	0.8 GB	Q8_0	Cómodo
10,586 tok/s 6,351–16,937 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	0.8 GB	Q8_0	Cómodo
10,360 tok/s 6,216–16,576 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	0.8 GB	Q8_0	Cómodo
10,129 tok/s 6,077–16,206 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	0.8 GB	Q8_0	Cómodo
10,129 tok/s 6,077–16,206 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	0.8 GB	Q8_0	Cómodo
10,129 tok/s 6,077–16,206 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	0.8 GB	Q8_0	Cómodo
10,129 tok/s 6,077–16,206 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	0.8 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: University of California (UC) Berkeley
Tipo de Organización: Academia
País: United States of America
Publicado: 17 March 2020
Autores: Sheng Shen, Zhewei Yao, Amir Gholami, Michael W. Mahoney, Kurt Keutzer

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
Formato numérico: FP32

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: 85.3M
Datos de entrenamiento: 103,000,000 tokens
Épocas: 30

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: 1.6 × 10¹⁸ FLOP
Cómo se estableció: Operation counting

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 source

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: 60
Datos de referencia: Tensor-Transformer(1core)+PN (WT103)

Fuentes

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

Referencia: PowerNorm: Rethinking Batch Normalization in Transformers
Última actualización: 11 February 2026

Los extremos

Las diez GPUs más rápidas que ejecutan Tensor-Transformer(1core)+PN (WT103)

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 Tensor-Transformer(1core)+PN (WT103)

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

El lado de hardware

Mínima tarjeta

Tesla C1080

Memoria necesaria

0.8 GB

Más rápido

39,721 tok/s

Tensor-Transformer(1core)+PN (WT103) llega a un recuento de parámetros de 85.3M. 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.

En el extremo bajo, se maneja por Tesla C1080, con una capacidad de memoria de 4 GB, ejecutándolo a una compresión de Q8_0 y produciendo alrededor 432 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 39,721 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Qué es este modelo

Tensor-Transformer(1core)+PN (WT103) fue publicado por University of California (UC) Berkeley, en el país registrado como United States of America, durante March 2020. Sale de una organización categorizada como academia.

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

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

Qué decide la velocidad

El resultado mediano es alrededor de 1,115.4 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 818 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.

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 1.6 × 10¹⁸ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

El conjunto de entrenamiento se ejecutó a aproximadamente 103,000,000 tokens de texto

Su criterio de inclusión: sOTA improvement.

Paso a paso

Cómo elegir una GPU para Tensor-Transformer(1core)+PN (WT103)

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

Comienza desde la columna de memoria

Cada tarjeta aquí ha sido verificada contra Tensor-Transformer(1core)+PN (WT103), necesitando alrededor 0.8 GB a una compresión de Q8_0. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
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. Tensor-Transformer(1core)+PN (WT103).
03

Elige cuán lejos lo comprimirás.

La compresión es lo que hace que un modelo quepa en tarjetas más pequeñas, a costa de cierta precisión., 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

Compara tokens por segundo, no especificaciones

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Tensor-Transformer(1core)+PN (WT103). 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 39,721 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 Tensor-Transformer(1core)+PN (WT103). 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 Tensor-Transformer(1core)+PN (WT103).

Respuestas

Tensor-Transformer(1core)+PN (WT103) — preguntas comunes

Tensor-Transformer(1core)+PN (WT103)— ¿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.

Tensor-Transformer(1core)+PN (WT103)— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 1.6 × 10¹⁸ 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.

Tensor-Transformer(1core)+PN (WT103)— ¿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. Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Tensor-Transformer(1core)+PN (WT103)— ¿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.

Tensor-Transformer(1core)+PN (WT103)— ¿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: 1. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Tensor-Transformer(1core)+PN (WT103)— ¿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: 23,833–63,554 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.

Tensor-Transformer(1core)+PN (WT103)— ¿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 0.8 GB, y produce aproximadamente 432 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 818.

Tensor-Transformer(1core)+PN (WT103)— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 39,721 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: 818.

Tensor-Transformer(1core)+PN (WT103)— ¿Cuánta VRAM necesita?

Necesita aproximadamente 0.8 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.

Tensor-Transformer(1core)+PN (WT103)— ¿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 0.8 GB y generando aproximadamente 7,398 tokens por segundo. El ajuste es cómodo.

Tensor-Transformer(1core)+PN (WT103)— ¿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 0.8 GB y generando aproximadamente 4,530 tokens por segundo. El ajuste es cómodo.

Tensor-Transformer(1core)+PN (WT103)— ¿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 0.8 GB y generando aproximadamente 5,611 tokens por segundo. El ajuste es cómodo.

Tensor-Transformer(1core)+PN (WT103)— ¿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 0.8 GB y generando aproximadamente 6,653 tokens por segundo. El ajuste es cómodo.

Tensor-Transformer(1core)+PN (WT103)— ¿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.

Tensor-Transformer(1core)+PN (WT103)— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 85.3M. six layers tensorized transformer core-1 for Wikitext-103, following (Ma et al., 2019). https://arxiv.org/abs/1906.09777. 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.

Tensor-Transformer(1core)+PN (WT103)— ¿Quién lo creó?

Fue publicado por University of California (UC) Berkeley, basado en United States of America, una organización categorizada como academia.

Tensor-Transformer(1core)+PN (WT103)— ¿cuándo fue lanzado?

Se publicó en March 2020. 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.

Tensor-Transformer(1core)+PN (WT103)— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. 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 11 February 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