Nemotron-H 47B calculadora TPS

Abre pesos NVIDIA 47B 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

93 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Radeon PRO V710

28 GB · Q3_K_M · 9.6 tok/s

Tarjeta más rápida

B200

72.1 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Nemotron-H 47B?

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.

93 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
72.1 tok/s 43–115 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	51.0 GB	Q8_0	Cómodo
72.1 tok/s 43–115 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	51.0 GB	Q8_0	Cómodo
57.6 tok/s 35–92 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	51.0 GB	Q8_0	Cómodo
57.6 tok/s 35–92 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	51.0 GB	Q8_0	Cómodo
46.0 tok/s 28–74 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	51.0 GB	Q8_0	Cómodo
44.1 tok/s 26–71 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	51.0 GB	Q8_0	Cómodo
44.1 tok/s 26–71 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	51.0 GB	Q8_0	Cómodo
42.2 tok/s 25–67 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	51.0 GB	Q8_0	Cómodo
41.4 tok/s 25–66 · baja confianza	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	26.4 GB	IQ4_XS	Ajustado
41.4 tok/s 25–66 · baja confianza	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	26.4 GB	IQ4_XS	Ajustado
39.6 tok/s 24–63 · baja confianza	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.4 GB	IQ4_XS	Ajustado
39.6 tok/s 24–63 · baja confianza	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.4 GB	IQ4_XS	Ajustado
37.4 tok/s 22–60 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	51.0 GB	Q8_0	Cómodo
37.4 tok/s 22–60 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	51.0 GB	Q8_0	Cómodo
37.4 tok/s 22–60 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	51.0 GB	Q8_0	Cómodo
35.5 tok/s 21–57 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	51.0 GB	Q8_0	Cómodo
30.3 tok/s 18–48 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Cómodo
30.3 tok/s 18–48 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	51.0 GB	Q8_0	Cómodo
30.3 tok/s 18–48 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Cómodo
30.3 tok/s 18–48 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Cómodo
30.3 tok/s 18–48 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Cómodo
25.1 tok/s 15–40 · baja confianza	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.6 GB	Q5_K_M	Ajustado
25.1 tok/s 15–40 · baja confianza	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.6 GB	Q5_K_M	Ajustado
25.1 tok/s 15–40 · baja confianza	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.6 GB	Q5_K_M	Ajustado
25.0 tok/s 15–40 · baja confianza	Tesla PG500-216 NVIDIA	32 GB	1,130 GB/s	Nov 2019	26.4 GB	IQ4_XS	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: 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, Neural Architecture Search - NAS
Modelo base: Nemotron-H 56B
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: 47B
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.

Cómo se estableció: Operation counting
Computación de ajuste fino: 1.8 × 10²² FLOP

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.

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 47B

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 47B

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

Lo que necesitas para ejecutar esto

Mínima tarjeta

Radeon PRO V710

Memoria necesaria

23.7 GB

Más rápido

72.1 tok/s

Nemotron-H 47B llega a un recuento de parámetros de 47B. Eso cae dentro del rango que una tarjeta de escritorio seria puede manejar una vez que los pesos están comprimidos. El número de tarjetas que rastreamos que pueden ejecutarlo: 93.

El hardware mínimo que funciona es Radeon PRO V710, con una capacidad de memoria de 28 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 9.6 tokens por segundo

Gama alta es B200, generando aproximadamente 72.1 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Nemotron-H 47B 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, Neural Architecture Search - NAS.

Su punto de partida fue un modelo base existente, Nemotron-H 56B. La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.

Los PESOS están publicados, por lo que se puede descargar y ejecutar en su propio HARDWARE indefinidamente, SIN CONEXIÓN, sin cuenta adjunta. En Hugging Face está publicado bajo la organización nvidia.

Qué tan rápido corre, y por qué

El resultado mediano es alrededor de 18.2 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 72 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.

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.

Paso a paso

Cómo elegir una GPU para Nemotron-H 47B

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

Empieza desde lo que realmente necesita, que es el requerimiento de Nemotron-H 47B, necesitando alrededor 23.7 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Establece la longitud de contexto en la que trabajarás.

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 47B.
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 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

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Nemotron-H 47B. 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 72.1 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 Nemotron-H 47B. 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 Nemotron-H 47B.

Respuestas

Nemotron-H 47B — preguntas comunes

Nemotron-H 47B— ¿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: 93. Así que una segunda tarjeta rara vez es la respuesta aquí.

Nemotron-H 47B— ¿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: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Nemotron-H 47B— ¿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: 43–115 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 47B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon PRO V710, con una capacidad de memoria de 28 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 23.7 GB, y produce aproximadamente 9.6 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 93.

Nemotron-H 47B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 72.1 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: 72.

Nemotron-H 47B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 23.7 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.

Nemotron-H 47B— ¿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 47B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 47B. "We use MiniPuzzle to distill Nemotron-H-56B-Base to Nemotron-H-47B-Base, using only 63 billion training tokens and FP8 training". 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 47B— ¿Quién lo creó?

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

Nemotron-H 47B— ¿cuándo fue lanzado?

Se publicó en April 2025.

Nemotron-H 47B— ¿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, Neural Architecture Search - NAS. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

Nemotron-H 47B— ¿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 47B— ¿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 7.5 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