Llama 4 Maverick 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
Radeon Instinct MI300X
192 GB · Q3_K_M · 65.9 tok/s
Tarjeta más rápida
B300
109 tok/s · 288 GB
¿Qué GPU pueden ejecutar? Llama 4 Maverick?
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..
6 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
109
tok/s
65–174 · baja confianza |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 214.8 GB | Q4_K_M | Cómodo |
|
86.8
tok/s
52–139 · baja confianza |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 214.8 GB | Q4_K_M | Cómodo |
|
86.8
tok/s
52–139 · baja confianza |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 214.8 GB | Q4_K_M | Cómodo |
|
65.9
tok/s
40–105 · baja confianza |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 168.2 GB | Q3_K_M | Ajustado |
|
65.9
tok/s
40–105 · baja confianza |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 168.2 GB | Q3_K_M | Ajustado |
|
63.6
tok/s
38–102 · baja confianza |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 214.8 GB | Q4_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
- Meta AI
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 5 April 2025
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Multimodal, Language, Vision
- Tarea
- Chat, Code generation, Visual question answering, Language modeling/generation, Question answering
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
- 400B
- Datos de entrenamiento
- 30,000,000,000,000 tokens
"Llama 4 Maverick models have 17B active parameters and 400B total parameters." https://ai.meta.com/blog/llama-4-multimodal-intelligence/
"The overall data mixture for training consisted of more than 30 trillion tokens, which is more than double the Llama 3 pre-training mixture and includes diverse text, image, and video datasets."
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
- 2.2 × 10²⁴ FLOP
22T training tokens per model card: https://github.com/meta-llama/llama-models/blob/main/models/llama4/MODEL_CARD.md Maverick was trained using co-distillation from Llama 4 Behemoth. It isn't 100% clear that all 22T tokens used distillation, but we assume this for the time being. Estimating training compute from parameters and tokens: Compute = 6 FLOP per token per parameter * 17B active parameters * 22T tokens = 2.244e24 FLOP (Implying mean throughput was 262 TFLOPS/GPU, or 13.2% MFU in F…
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 (restricted use)
- Código de entrenamiento
- Unreleased
- Hugging Face
- meta-llama
Llama 4 license (branding requirements, size cap 700M MAU) https://huggingface.co/meta-llama/Llama-4-Maverick-17B-128E-Original no training code here https://github.com/meta-llama/llama-models/tree/main/models/llama4
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
- Por qué se rastrea
- Discretionary
- Confianza de registro
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- The Llama 4 herd: The beginning of a new era of natively multimodal AI innovation
- Última actualización
- 28 November 2025
Los extremos
Las diez GPUs más rápidas que ejecutan Llama 4 Maverick
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 B300 288 GB · 8,000 GB/s · Q4_K_M 109 tok/s
- 02 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q4_K_M 86.8 tok/s
- 03 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q4_K_M 86.8 tok/s
- 04 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q3_K_M 65.9 tok/s
- 05 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q3_K_M 65.9 tok/s
- 06 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q4_K_M 63.6 tok/s
Las GPUs más pequeñas que aún funcionan Llama 4 Maverick
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 Radeon Instinct MI300X 192 GB · Necesita 168.2 GB · Q3_K_M · Ajustado 65.9 tok/s
- 02 Radeon Instinct MI308X 192 GB · Necesita 168.2 GB · Q3_K_M · Ajustado 65.9 tok/s
- 03 Radeon Instinct MI325X 256 GB · Necesita 214.8 GB · Q4_K_M · Ajustado 63.6 tok/s
- 04 B300 288 GB · Necesita 214.8 GB · Q4_K_M · Cómodo 109 tok/s
- 05 Radeon Instinct MI350X 288 GB · Necesita 214.8 GB · Q4_K_M · Cómodo 86.8 tok/s
- 06 Radeon Instinct MI355X 288 GB · Necesita 214.8 GB · Q4_K_M · Cómodo 86.8 tok/s
Qué significan los números
Requisitos de hardware en la práctica
Mínima tarjeta
Radeon Instinct MI300X
Memoria necesaria
168.2 GB
Más rápido
109 tok/s
Llama 4 Maverick llega a un recuento de parámetros de 400B. 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: 6.
El punto de entrada es Radeon Instinct MI300X, con una capacidad de memoria de 192 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 65.9 tokens por segundo
Lo más rápido que calculamos para ello es B300, generando aproximadamente 109 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.
Qué es este modelo
Llama 4 Maverick fue publicado por Meta AI, en el país registrado como United States of America, durante April 2025. La organización editora está clasificada como industry.
Funciona en el dominio de Multimodal, Language, Vision, y se registra como realizando la tarea de chat, Code generation, Visual question answering, Language modeling/generation, Question answering.
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 meta-llama.
Qué decide la velocidad
El resultado mediano es alrededor de 76.3 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 6 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.
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.
Entrenamiento y procedencia
Producirlo requirió una aritmética que totaliza alrededor de 2.2 × 10²⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 30,000,000,000,000 tokens de texto
Su criterio de inclusión: discretionary.
Paso a paso
Cómo elegir una GPU para Llama 4 Maverick
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
La tabla enumera cada tarjeta capaz de contener Llama 4 Maverick, necesitando alrededor 168.2 GB a una compresión de Q3_K_M. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
-
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. Llama 4 Maverick.
-
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 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
Clasifica por rendimiento en lugar de la hoja de especificaciones.
El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Llama 4 Maverick. 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 B300, en 109 tok/s
-
05
Lee la columna de ajuste al final
Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Llama 4 Maverick. 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 Llama 4 Maverick.
Respuestas
Llama 4 Maverick — preguntas comunes
Llama 4 Maverick— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.2 × 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.
Llama 4 Maverick— ¿Puedo ejecutarlo si no cabe en mi GPU?
En parte. Las capas que no se ajustan se encuentran en la memoria del sistema y funcionan a una fracción de la velocidad, por lo que un modelo mayoritariamente descargado rara vez merece la pena utilizar. El fallo más cercano que calculamos se queda corto por 52.8 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
Llama 4 Maverick— ¿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: 6. Así que una segunda tarjeta rara vez es la respuesta aquí.
Llama 4 Maverick— ¿Por qué difiere la cuantificación entre tarjetas?
Una tarjeta más grande sostiene una copia más precisa. El número de niveles de compresión utilizados en las tarjetas que la ejecutan: 2. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.
Llama 4 Maverick— ¿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: 65–174 tok/s en B300. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.
Llama 4 Maverick— ¿Qué GPU necesito para ejecutarlo?
La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI300X, con una capacidad de memoria de 192 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 168.2 GB, y produce aproximadamente 65.9 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 6.
Llama 4 Maverick— ¿qué tan rápido es en una GPU?
Depende de la tarjeta. Lo más rápido que calculamos es B300, a aproximadamente 109 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: 6.
Llama 4 Maverick— ¿Cuánta VRAM necesita?
Necesita aproximadamente 168.2 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.
Llama 4 Maverick— ¿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.
Llama 4 Maverick— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 400B. "Llama 4 Maverick models have 17B active parameters and 400B total parameters." https://ai.meta.com/blog/llama-4-multimodal-intelligence/. 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.
Llama 4 Maverick— ¿Quién lo creó?
Fue publicado por Meta AI, basado en United States of America, una organización categorizada como industry.
Llama 4 Maverick— ¿cuándo fue lanzado?
Se publicó en April 2025.
Llama 4 Maverick— ¿Para qué se utiliza?
Funciona en el dominio de Multimodal, Language, Vision, y se registra como manejando la tarea de chat, Code generation, Visual question answering, Language modeling/generation, Question answering. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Llama 4 Maverick— ¿Dónde puedo descargarlo?
Sus pesos están publicados en Hugging Face, bajo la organización meta-llama. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.
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.