Nemotron-Cascade 14B calculadora TPS

Abre pesos NVIDIA 14.8B parámetros December 2025

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

306 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

P102-101

10 GB · IQ4_XS · 19.1 tok/s

Tarjeta más rápida

B200

229 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Nemotron-Cascade 14B?

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.

306 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
229 tok/s 137–366 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	16.5 GB	Q8_0	Cómodo
229 tok/s 137–366 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	16.5 GB	Q8_0	Cómodo
183 tok/s 110–293 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	16.5 GB	Q8_0	Cómodo
183 tok/s 110–293 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	16.5 GB	Q8_0	Cómodo
146 tok/s 88–234 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	16.5 GB	Q8_0	Cómodo
140 tok/s 84–224 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	16.5 GB	Q8_0	Cómodo
140 tok/s 84–224 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	16.5 GB	Q8_0	Cómodo
134 tok/s 80–214 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	16.5 GB	Q8_0	Cómodo
119 tok/s 71–190 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	16.5 GB	Q8_0	Cómodo
119 tok/s 71–190 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	16.5 GB	Q8_0	Cómodo
119 tok/s 71–190 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	16.5 GB	Q8_0	Cómodo
113 tok/s 68–180 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	16.5 GB	Q8_0	Cómodo
110 tok/s 66–175 · baja confianza	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.8 GB	IQ4_XS	Ajustado
96.2 tok/s 58–154 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	16.5 GB	Q8_0	Cómodo
96.2 tok/s 58–154 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	16.5 GB	Q8_0	Cómodo
96.2 tok/s 58–154 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	16.5 GB	Q8_0	Cómodo
96.2 tok/s 58–154 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	16.5 GB	Q8_0	Cómodo
96.2 tok/s 58–154 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	16.5 GB	Q8_0	Cómodo
73.2 tok/s 44–117 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	16.5 GB	Q8_0	Cómodo
73.2 tok/s 44–117 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	16.5 GB	Q8_0	Cómodo
61.0 tok/s 37–98 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	16.5 GB	Q8_0	Cómodo
60.3 tok/s 36–96 · baja confianza	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	9.7 GB	Q4_K_M	Ajustado
60.3 tok/s 36–96 · baja confianza	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	9.7 GB	Q4_K_M	Ajustado
59.7 tok/s 36–96 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	16.5 GB	Q8_0	Cómodo
58.4 tok/s 35–93 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	16.5 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: NVIDIA
Tipo de Organización: Industry
País: United States of America
Publicado: 15 December 2025
Autores: Boxin Wang, Chankyu Lee, Nayeon Lee, Sheng-Chieh Lin, Wenliang Dai, Yang Chen, Yangyi Chen, Zhuolin Yang, Zihan Liu, Mohammad Shoeybi, Bryan Catanzaro, Wei Ping

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
Enfoque: Supervised fine-tuning (SFT),Reinforcement learning
Modelo base: Qwen3-14B

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: 14.8B
Datos de entrenamiento: tokens
Épocas: 1

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)
Hugging Face: nvidia

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.

Referencia: Nemotron-Cascade: Scaling Cascaded Reinforcement Learning for General-Purpose Reasoning Models
Última actualización: 30 July 2026

Los extremos

Las diez GPUs más rápidas que ejecutan Nemotron-Cascade 14B

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 Nemotron-Cascade 14B

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

P102-101

Memoria necesaria

8.8 GB

Más rápido

229 tok/s

Nemotron-Cascade 14B llega a un recuento de parámetros de 14.8B. 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: 306.

En el extremo bajo, se maneja por P102-101, con una capacidad de memoria de 10 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 19.1 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 229 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

Nemotron-Cascade 14B fue publicado por NVIDIA, en el país registrado como United States of America, durante December 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, Question answering.

Su punto de partida fue un modelo base existente, Qwen3-14B. 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. En Hugging Face está publicado bajo la organización nvidia.

Leyendo las cifras de rendimiento

La mitad de las tarjetas que lo sostienen gestionan más de 21.4 tokens por segundo. Excediendo velocidad de lectura directamente: 266 de ellos.

Es un modelo denso, por lo que cada parámetro se lee para cada token producido. Eso hace que la velocidad rastree el ancho de banda de la memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.

Su arquitectura interna no está en nuestra base de datos, por lo que la memoria se aproxima a partir del conteo de parámetros y se marca en consecuencia. Se espera que la cifra real difiera, más aún en contextos largos.

Paso a paso

Cómo elegir una GPU para Nemotron-Cascade 14B

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 Nemotron-Cascade 14B, necesitando alrededor 8.8 GB a una compresión de IQ4_XS. 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. Nemotron-Cascade 14B.
03

Establecer un umbral de calidad

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

Clasifica por rendimiento en lugar de la hoja de especificaciones.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Nemotron-Cascade 14B. 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 229 tok/s
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 Nemotron-Cascade 14B. 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

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 Nemotron-Cascade 14B.

Respuestas

Nemotron-Cascade 14B — preguntas comunes

Nemotron-Cascade 14B— ¿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 16.5 GB y generando aproximadamente 38.4 tokens por segundo. El ajuste es cómodo.

Nemotron-Cascade 14B— ¿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.

Nemotron-Cascade 14B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 14.8B. "using the pretrained [...] Qwen3-14B-Base". 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.

Nemotron-Cascade 14B— ¿Quién lo creó?

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

Nemotron-Cascade 14B— ¿cuándo fue lanzado?

Se publicó en December 2025.

Nemotron-Cascade 14B— ¿Para qué se utiliza?

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

Nemotron-Cascade 14B— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización nvidia. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

Nemotron-Cascade 14B— ¿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. El fallo más cercano que calculamos se queda corto por 2.5 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Nemotron-Cascade 14B— ¿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: 306. Así que una segunda tarjeta rara vez es la respuesta aquí.

Nemotron-Cascade 14B— ¿Por qué difiere la cuantificación entre tarjetas?

Debido a que la capacidad varía, también varía cuán difícil tiene que ser exprimido. El número de niveles distintos en la tabla de arriba: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Nemotron-Cascade 14B— ¿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: 137–366 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.

Nemotron-Cascade 14B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es P102-101, con una capacidad de memoria de 10 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 8.8 GB, y produce aproximadamente 19.1 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 306.

Nemotron-Cascade 14B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 229 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: 266.

Nemotron-Cascade 14B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 8.8 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.

Nemotron-Cascade 14B— ¿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 Q4_K_M, usando alrededor 9.7 GB y generando aproximadamente 60.3 tokens por segundo. El ajuste es ajustado.

Nemotron-Cascade 14B— ¿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 13.1 GB y generando aproximadamente 47.0 tokens por segundo. El ajuste es ajustado.

Origen

Publicación original

Última actualización registrada 30 July 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