Qwen3-8B calculadora TPS

Abre pesos Alibaba 8.2B parámetros April 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

582 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Quadro 6000

6 GB · Q3_K_M · 17.0 tok/s

Tarjeta más rápida

B200

413 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Qwen3-8B?

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.

582 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
413 tok/s 351–496	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.1 GB	Q8_0	Cómodo
413 tok/s 351–496	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.1 GB	Q8_0	Cómodo
330 tok/s 198–528 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.1 GB	Q8_0	Cómodo
330 tok/s 198–528 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.1 GB	Q8_0	Cómodo
264 tok/s 158–422 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.1 GB	Q8_0	Cómodo
253 tok/s 215–303	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.1 GB	Q8_0	Cómodo
253 tok/s 215–303	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.1 GB	Q8_0	Cómodo
242 tok/s 145–387 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.1 GB	Q8_0	Cómodo
215 tok/s 129–343 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.1 GB	Q8_0	Cómodo
215 tok/s 129–343 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.1 GB	Q8_0	Cómodo
215 tok/s 129–343 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.1 GB	Q8_0	Cómodo
204 tok/s 173–244	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.1 GB	Q8_0	Cómodo
178 tok/s 151–213	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.3 GB	Q4_K_M	Ajustado
174 tok/s 148–208	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Cómodo
174 tok/s 148–208	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.1 GB	Q8_0	Cómodo
174 tok/s 148–208	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Cómodo
174 tok/s 148–208	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Cómodo
174 tok/s 148–208	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	10.1 GB	Q8_0	Cómodo
132 tok/s 79–211 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	10.1 GB	Q8_0	Cómodo
132 tok/s 79–211 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	10.1 GB	Q8_0	Cómodo
117 tok/s 100–140	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.2 GB	Q6_K	Ajustado
110 tok/s 66–176 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.1 GB	Q8_0	Cómodo
108 tok/s 65–172 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	10.1 GB	Q8_0	Cómodo
105 tok/s 90–126	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	10.1 GB	Q8_0	Cómodo
105 tok/s 90–126	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	10.1 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: Alibaba
Tipo de Organización: Industry
País: China
Publicado: 29 April 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, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation

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: 8.2B
Datos de entrenamiento: tokens
Épocas: 1

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: 1.8 × 10²⁴ 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: Unreleased
Hugging Face: Qwen

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: Confident

Fuentes

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

Referencia: Qwen3: Think Deeper, Act Faster
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Qwen3-8B

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 Qwen3-8B

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

Quadro 6000

Memoria necesaria

5.3 GB

Más rápido

413 tok/s

Qwen3-8B llega a un recuento de parámetros de 8.2B. 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: 582.

En el extremo bajo, se maneja por Quadro 6000, con una capacidad de memoria de 6 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 17.0 tokens por segundo

Lo más rápido que calculamos para ello es B200, generando aproximadamente 413 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Qwen3-8B fue publicado por Alibaba, en el país registrado como China, durante April 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, Mathematical reasoning, Quantitative reasoning, Code generation, Translation.

Debido a que sus pesos fueron liberados, nada sobre ejecutar el modelo depende de un proveedor que permanezca disponible — es tuyo una vez descargado. En Hugging Face está publicado bajo la organización Qwen.

Qué tan rápido corre, y por qué

El resultado mediano es alrededor de 26.0 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 554 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.

Cómo fue entrenado

Producirlo requirió una aritmética que totaliza alrededor de 1.8 × 10²⁴ FLOP. 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 Qwen3-8B

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

La tabla enumera cada tarjeta capaz de contener Qwen3-8B, necesitando alrededor 5.3 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Ajusta el contexto a tu uso actual

Las conversaciones más largas consumen memoria además de lo que los pesos necesitan. Mueve el control deslizante a tu longitud de trabajo real antes de confiar en cualquier fila para Qwen3-8B.
03

Establecer un umbral de calidad

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

Compara tokens por segundo, no especificaciones

El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Qwen3-8B. 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 413 tok/s
05

Mira el margen, no solo la compatibilidad.

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Qwen3-8B. 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 página de tarjeta repite este barrido para cada modelo que tenemos, respondiendo a qué más es bueno el hardware más allá de Qwen3-8B.

Respuestas

Qwen3-8B — preguntas comunes

Qwen3-8B— ¿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: 582. Así que una segunda tarjeta rara vez es la respuesta aquí.

Qwen3-8B— ¿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.

Qwen3-8B— ¿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: 351–496 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.

Qwen3-8B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Quadro 6000, con una capacidad de memoria de 6 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 5.3 GB, y produce aproximadamente 17.0 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 582.

Qwen3-8B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 413 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: 554.

Qwen3-8B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 5.3 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.

Qwen3-8B— ¿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 Q4_K_M, usando alrededor 6.3 GB y generando aproximadamente 178 tokens por segundo. El ajuste es ajustado.

Qwen3-8B— ¿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 10.1 GB y generando aproximadamente 47.1 tokens por segundo. El ajuste es ajustado.

Qwen3-8B— ¿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 10.1 GB y generando aproximadamente 58.4 tokens por segundo. El ajuste es cómodo.

Qwen3-8B— ¿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 10.1 GB y generando aproximadamente 69.2 tokens por segundo. El ajuste es cómodo.

Qwen3-8B— ¿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.

Qwen3-8B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 8.2B. Number of Parameters: 8.2B Number of Paramaters (Non-Embedding): 6.95B Number of Layers: 36 Number of Attention Heads (GQA): 32 for Q and 8 for KV Context Length: 32,768 natively and 131,072 tokens with YaRN. 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.

Qwen3-8B— ¿Quién lo creó?

Fue publicado por Alibaba, basado en China, una organización categorizada como industry.

Qwen3-8B— ¿cuándo fue lanzado?

Se publicó en April 2025.

Qwen3-8B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning, Code generation, Translation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

Qwen3-8B— ¿Dónde puedo descargarlo?

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

Qwen3-8B— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 1.8 × 10²⁴ 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.

Qwen3-8B— ¿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 1.8 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

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