ERNIE-4.5-300B-A47B 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
B200
180 GB · IQ4_XS · 154 tok/s
Tarjeta más rápida
B200
154 tok/s · 180 GB
¿Qué GPU pueden ejecutar? ERNIE-4.5-300B-A47B?
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..
7 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
154
tok/s
92–247 · baja confianza |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 153.0 GB | IQ4_XS | Ajustado |
|
91.2
tok/s
55–146 · baja confianza |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 240.3 GB | Q6_K | Ajustado |
|
75.2
tok/s
45–120 · baja confianza |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 170.5 GB | Q4_K_M | Ajustado |
|
75.2
tok/s
45–120 · baja confianza |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 170.5 GB | Q4_K_M | Ajustado |
|
72.8
tok/s
44–116 · baja confianza |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 240.3 GB | Q6_K | Ajustado |
|
72.8
tok/s
44–116 · baja confianza |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 240.3 GB | Q6_K | Ajustado |
|
65.6
tok/s
39–105 · baja confianza |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 205.4 GB | Q5_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
- Baidu
- Tipo de Organización
- Industry
- País
- China
- Publicado
- 29 June 2025
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, Quantitative reasoning, Code generation, Translation, Question answering
- Formato numérico
- FP8
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
- 300B
- Datos de entrenamiento
- tokens
MoE total parameters: 300B active parameters: 47B
"We commence with large-scale pre-training on trillions of pure-text tokens sourced from diverse domains."
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
- 2.8 × 10²⁴ FLOP
They say the model was trained on "trillions of tokens" Speculatively assuming 10T tokens: 6 FLOP / token / parameter * 47 * 10^9 active parameters * 10 * 10^12 assumed training tokens = 2.82e+24 FLOP
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
- NVIDIA H800 SXM5
- Utilización de hardware
- MFU 47.0%
Abstract says: "We achieve 47% Model FLOPs Utilization (MFU) during the pre-training of our largest ERNIE 4.5 language model." Page 4: "We efficiently pre-train ERNIE 4.5 using a heterogeneous hybrid parallelism approach and a hierarchical load balancing solution tailored to multimodal large models. Through our extreme optimizations, including efficient intra-node expert parallelism, FP8 mixed-precision training, and fine-grained recomputation methods, we achieve 47% Model FLOPs Utilization (MF…
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
- Unreleased
- Hugging Face
- baidu
Apache 2.0 https://huggingface.co/baidu/ERNIE-4.5-300B-A47B-Base-PT Apache 2.0 for inference code https://github.com/PaddlePaddle/ERNIE
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Confianza de registro
- Speculative
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- ERNIE 4.5 Technical Report
- Última actualización
- 28 November 2025
Los extremos
Las diez GPUs más rápidas que ejecutan ERNIE-4.5-300B-A47B
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 B200 180 GB · 8,000 GB/s · IQ4_XS 154 tok/s
- 02 B300 288 GB · 8,000 GB/s · Q6_K 91.2 tok/s
- 03 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q4_K_M 75.2 tok/s
- 04 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q4_K_M 75.2 tok/s
- 05 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q6_K 72.8 tok/s
- 06 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q6_K 72.8 tok/s
- 07 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q5_K_M 65.6 tok/s
Las GPUs más pequeñas que aún funcionan ERNIE-4.5-300B-A47B
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 B200 180 GB · Necesita 153.0 GB · IQ4_XS · Ajustado 154 tok/s
- 02 Radeon Instinct MI300X 192 GB · Necesita 170.5 GB · Q4_K_M · Ajustado 75.2 tok/s
- 03 Radeon Instinct MI308X 192 GB · Necesita 170.5 GB · Q4_K_M · Ajustado 75.2 tok/s
- 04 Radeon Instinct MI325X 256 GB · Necesita 205.4 GB · Q5_K_M · Ajustado 65.6 tok/s
- 05 B300 288 GB · Necesita 240.3 GB · Q6_K · Ajustado 91.2 tok/s
- 06 Radeon Instinct MI350X 288 GB · Necesita 240.3 GB · Q6_K · Ajustado 72.8 tok/s
- 07 Radeon Instinct MI355X 288 GB · Necesita 240.3 GB · Q6_K · Ajustado 72.8 tok/s
Qué significan los números
El lado de hardware
Mínima tarjeta
B200
Memoria necesaria
153.0 GB
Más rápido
154 tok/s
ERNIE-4.5-300B-A47B llega a un recuento de parámetros de 300B. Eso está más allá de lo que cualquier tarjeta gráfica única puede soportar. Ejecutarlo significa dividirlo entre varias tarjetas o alquilar hardware construido para el trabajo, y cada tarjeta capaz de soportarlo sola es una parte de datacenter. El número que puede: 7.
En el extremo bajo, se maneja por B200, con una capacidad de memoria de 180 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 154 tokens por segundo
Lo más rápido que calculamos para ello es B200, generando aproximadamente 154 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.
Qué es este modelo
ERNIE-4.5-300B-A47B fue publicado por Baidu, en el país registrado como China, durante June 2025. Sale de una organización categorizada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering.
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 baidu.
Qué decide la velocidad
El resultado mediano es alrededor de 75.2 tokens por segundo. Excediendo velocidad de lectura directamente: 7 de ellos.
El enrutamiento de mezcla de expertos es la razón por la cual las velocidades aquí parecen altas para la cantidad de parámetros. Solo se lee una fracción por token, pero todo tiene que ser cargado.
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.
Cómo fue entrenado
Producirlo requirió una aritmética que totaliza alrededor de 2.8 × 10²⁴ FLOP, en hardware registrado como NVIDIA H800 SXM5. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Paso a paso
Cómo elegir una GPU para ERNIE-4.5-300B-A47B
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
Verifica lo que necesita antes de cualquier otra cosa.
Empieza desde lo que realmente necesita, que es el requerimiento de ERNIE-4.5-300B-A47B, necesitando alrededor 153.0 GB a una compresión de IQ4_XS. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
-
02
Ajusta el contexto a tu uso actual
La conversación ocupa memoria también, y crece a medida que avanza. Ajusta el controlador a la longitud que esperas, porque en un contexto largo una CARD que maneja preguntas cortas fácilmente puede no encajar. ERNIE-4.5-300B-A47B.
-
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.
-
04
Ordenar por velocidad
La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. ERNIE-4.5-300B-A47B. 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 154 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 ERNIE-4.5-300B-A47B. 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 ERNIE-4.5-300B-A47B.
Respuestas
ERNIE-4.5-300B-A47B — preguntas comunes
ERNIE-4.5-300B-A47B— ¿cuándo fue lanzado?
Se publicó en June 2025.
ERNIE-4.5-300B-A47B— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
ERNIE-4.5-300B-A47B— ¿Dónde puedo descargarlo?
Sus pesos están publicados en Hugging Face, bajo la organización baidu. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.
ERNIE-4.5-300B-A47B— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.8 × 10²⁴ FLOP, en hardware registrado como NVIDIA H800 SXM5. 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.
ERNIE-4.5-300B-A47B— ¿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 43.6 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
ERNIE-4.5-300B-A47B— ¿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: 7. Así que una segunda tarjeta rara vez es la respuesta aquí.
ERNIE-4.5-300B-A47B— ¿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.
ERNIE-4.5-300B-A47B— ¿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: 92–247 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.
ERNIE-4.5-300B-A47B— ¿Qué GPU necesito para ejecutarlo?
La tarjeta más pequeña en nuestro catálogo que lo sostiene es B200, con una capacidad de memoria de 180 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 153.0 GB, y produce aproximadamente 154 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 7.
ERNIE-4.5-300B-A47B— ¿qué tan rápido es en una GPU?
Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 154 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: 7.
ERNIE-4.5-300B-A47B— ¿Cuánta VRAM necesita?
Necesita aproximadamente 153.0 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.
ERNIE-4.5-300B-A47B— ¿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.
ERNIE-4.5-300B-A47B— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 300B. MoE total parameters: 300B active parameters: 47B. 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.
ERNIE-4.5-300B-A47B— ¿Quién lo creó?
Fue publicado por Baidu, basado en China, una organización categorizada como industry.
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.