Nemotron-H 8B calculadora TPS

Abre pesos NVIDIA 8B 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 · IQ4_XS · 15.9 tok/s

Tarjeta más rápida

B200

424 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Nemotron-H 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
424 tok/s 254–678 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.3 GB	Q8_0	Cómodo
424 tok/s 254–678 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.3 GB	Q8_0	Cómodo
338 tok/s 203–541 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.3 GB	Q8_0	Cómodo
338 tok/s 203–541 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.3 GB	Q8_0	Cómodo
270 tok/s 162–433 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.3 GB	Q8_0	Cómodo
259 tok/s 155–414 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.3 GB	Q8_0	Cómodo
259 tok/s 155–414 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.3 GB	Q8_0	Cómodo
248 tok/s 149–396 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.3 GB	Q8_0	Cómodo
220 tok/s 132–352 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.3 GB	Q8_0	Cómodo
220 tok/s 132–352 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.3 GB	Q8_0	Cómodo
220 tok/s 132–352 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.3 GB	Q8_0	Cómodo
209 tok/s 125–334 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.3 GB	Q8_0	Cómodo
178 tok/s 107–285 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.3 GB	Q8_0	Cómodo
178 tok/s 107–285 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.3 GB	Q8_0	Cómodo
178 tok/s 107–285 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.3 GB	Q8_0	Cómodo
178 tok/s 107–285 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.3 GB	Q8_0	Cómodo
178 tok/s 107–285 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.3 GB	Q8_0	Cómodo
141 tok/s 85–225 · baja confianza	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.5 GB	Q5_K_M	Ajustado
135 tok/s 81–217 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.3 GB	Q8_0	Cómodo
135 tok/s 81–217 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.3 GB	Q8_0	Cómodo
120 tok/s 72–192 · baja confianza	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.4 GB	Q6_K	Cómodo
113 tok/s 68–181 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.3 GB	Q8_0	Cómodo
110 tok/s 66–177 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.3 GB	Q8_0	Cómodo
108 tok/s 65–173 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.3 GB	Q8_0	Cómodo
108 tok/s 65–173 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.3 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: 14 April 2025
Autores: NVIDIA: Aaron Blakeman, Aarti Basant, Abhinav Khattar, Adithya Renduchintala, Akhiad Bercovich, Aleksander Ficek, Alexis Bjorlin, Ali Taghibakhshi, Amala Sanjay Deshmukh, Ameya Sunil Mahabaleshwarkar, Andrew Tao, Anna Shors, Ashwath Aithal, Ashwin Poojary, Ayush Dattagupta, Balaram Buddharaju, Bobby Chen, Boris Ginsburg, Boxin Wang, Brandon Norick, Brian Butterfield, Bryan Catanzaro, Carlo del Mun…

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, Translation, Quantitative reasoning, Code generation
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: 8B
Datos de entrenamiento: tokens
Épocas: 1
Tamaño de lote: 6,291,456

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: 7.2 × 10²³ 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 (non-commercial)
Código de entrenamiento: Unreleased
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.

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: Nemotron-H: A Family of Accurate and Efficient Hybrid Mamba-Transformer Models
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Nemotron-H 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 Nemotron-H 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

Requisitos de hardware en la práctica

Mínima tarjeta

Quadro 6000

Memoria necesaria

5.1 GB

Más rápido

424 tok/s

Nemotron-H 8B llega a un recuento de parámetros de 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: 582.

El punto de entrada es Quadro 6000, con una capacidad de memoria de 6 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 15.9 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 424 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

De dónde vino

Nemotron-H 8B fue publicado por NVIDIA, en el país registrado como United States of America, 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, Translation, Quantitative reasoning, Code generation.

Los pesos publicados significan que el modelo se ejecuta en tu máquina en lugar de en la de alguien más, lo que hace que la pregunta sobre hardware a continuación sea respondible. En Hugging Face está publicado bajo la organización nvidia.

Entendiendo las velocidades

La mitad de las tarjetas que lo sostienen gestionan más de 23.8 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 551 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.

Qué se necesitó para construirlo

Entrenarlo tomó un presupuesto de computación de aproximadamente 7.2 × 10²³ 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 Nemotron-H 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

Lee la cifra de MEMORIA primero

Cada tarjeta aquí ha sido verificada contra Nemotron-H 8B, necesitando alrededor 5.1 GB a una compresión de IQ4_XS. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
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. Nemotron-H 8B.
03

Elige cuán lejos lo comprimirás.

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.

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Nemotron-H 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 424 tok/s
05

Mira el margen, no solo la compatibilidad.

Tight significa que se carga y funciona sin espacio para aumentar el contexto más tarde, en el caso de Nemotron-H 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

Seguir un GPU a su propia página muestra cada otro modelo que puede contener, que es la pregunta que sigue una vez que te has decidido por. Nemotron-H 8B.

Respuestas

Nemotron-H 8B — preguntas comunes

Nemotron-H 8B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 5.1 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-H 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 Q5_K_M, usando alrededor 6.5 GB y generando aproximadamente 141 tokens por segundo. El ajuste es ajustado.

Nemotron-H 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 9.3 GB y generando aproximadamente 48.3 tokens por segundo. El ajuste es ajustado.

Nemotron-H 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 9.3 GB y generando aproximadamente 59.8 tokens por segundo. El ajuste es cómodo.

Nemotron-H 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 9.3 GB y generando aproximadamente 70.9 tokens por segundo. El ajuste es cómodo.

Nemotron-H 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.

Nemotron-H 8B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 8B. Model Architecture Architecture Type: Hybrid Mamba-Transformer Network Architecture: Nemotron-H This model has 8B model parameters. 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-H 8B— ¿Quién lo creó?

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

Nemotron-H 8B— ¿cuándo fue lanzado?

Se publicó en April 2025.

Nemotron-H 8B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering, Translation, Quantitative reasoning, Code generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

Nemotron-H 8B— ¿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-H 8B— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 7.2 × 10²³ 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.

Nemotron-H 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 1.0 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Nemotron-H 8B— ¿Correrían dos GPUS más rápido?

Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 582. Así que una segunda tarjeta rara vez es la respuesta aquí.

Nemotron-H 8B— ¿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-H 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: 254–678 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-H 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 IQ4_XS usando alrededor 5.1 GB, y produce aproximadamente 15.9 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 582.

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

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 424 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: 551.

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