Granite Vision 3.2 2B calculadora TPS

Abre pesos IBM 3B parámetros February 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

818 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Tesla C1080

4 GB · Q6_K · 18.0 tok/s

Tarjeta más rápida

B200

1,137 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Granite Vision 3.2 2B?

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.

818 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
1,137 tok/s 682–1,819 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	3.9 GB	Q8_0	Cómodo
1,137 tok/s 682–1,819 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	3.9 GB	Q8_0	Cómodo
908 tok/s 545–1,453 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	3.9 GB	Q8_0	Cómodo
908 tok/s 545–1,453 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	3.9 GB	Q8_0	Cómodo
726 tok/s 436–1,162 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	3.9 GB	Q8_0	Cómodo
695 tok/s 417–1,112 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	3.9 GB	Q8_0	Cómodo
695 tok/s 417–1,112 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	3.9 GB	Q8_0	Cómodo
665 tok/s 399–1,064 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	3.9 GB	Q8_0	Cómodo
590 tok/s 354–945 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	3.9 GB	Q8_0	Cómodo
590 tok/s 354–945 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	3.9 GB	Q8_0	Cómodo
590 tok/s 354–945 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	3.9 GB	Q8_0	Cómodo
560 tok/s 336–896 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	3.9 GB	Q8_0	Cómodo
478 tok/s 287–764 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	3.9 GB	Q8_0	Cómodo
478 tok/s 287–764 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	3.9 GB	Q8_0	Cómodo
478 tok/s 287–764 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	3.9 GB	Q8_0	Cómodo
478 tok/s 287–764 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	3.9 GB	Q8_0	Cómodo
478 tok/s 287–764 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	3.9 GB	Q8_0	Cómodo
364 tok/s 218–582 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	3.9 GB	Q8_0	Cómodo
364 tok/s 218–582 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	3.9 GB	Q8_0	Cómodo
303 tok/s 182–485 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	3.9 GB	Q8_0	Cómodo
297 tok/s 178–474 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	3.9 GB	Q8_0	Cómodo
290 tok/s 174–464 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	3.9 GB	Q8_0	Cómodo
290 tok/s 174–464 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	3.9 GB	Q8_0	Cómodo
290 tok/s 174–464 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	3.9 GB	Q8_0	Cómodo
290 tok/s 174–464 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	3.9 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: IBM
Tipo de Organización: Industry
País: United States of America
Publicado: 14 February 2025
Autores: Granite Vision Team: Leonid Karlinsky, Assaf Arbelle, Abraham Daniels, Ahmed Nassar, Amit Alfassi, Bo Wu, Eli Schwartz, Dhiraj Joshi, Jovana Kondic, Nimrod Shabtay, Pengyuan Li, Roei Herzig, Shafiq Abedin, Shaked Perek, Sivan Harary, Udi Barzelay, Adi Raz Goldfarb, Aude Oliva, Ben Wieles, Bishwaranjan Bhattacharjee, Brandon Huang, Christoph Auer, Dan Gutfreund, David Beymer, David Wood, Hilde Kueh…

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Language, Multimodal, Vision
Tarea: Mathematical reasoning, Quantitative reasoning, Language modeling/generation, Question answering, Visual question answering
Modelo base: Granite 3.1 2B,SigLIP 400M

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: 3B
Datos de entrenamiento: tokens

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: ibm-granite

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: Granite Vision: a lightweight, open-source multimodal model for enterprise Intelligence
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Granite Vision 3.2 2B

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 Granite Vision 3.2 2B

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 se necesita para ejecutar este modelo

Mínima tarjeta

Tesla C1080

Memoria necesaria

3.2 GB

Más rápido

1,137 tok/s

Granite Vision 3.2 2B llega a un recuento de parámetros de 3B. 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: 818.

La tarjeta más pequeña que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB, ejecutándolo a una compresión de Q6_K y produciendo alrededor 18.0 tokens por segundo

En el otro extremo se encuentra B200, generando aproximadamente 1,137 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Granite Vision 3.2 2B fue publicado por IBM, en el país registrado como United States of America, durante February 2025. La organización editora está clasificada como industry.

Funciona en el dominio de Language, Multimodal, Vision, y se registra como realizando la tarea de mathematical reasoning, Quantitative reasoning, Language modeling/generation, Question answering, Visual question answering.

En lugar de ser entrenado desde cero, se deriva de Granite 3.1 2B,SigLIP 400M. Esa es la forma habitual en que se produce un modelo especializado.

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 ibm-granite.

Qué tan rápido corre, y por qué

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 36.1 tokens por segundo. Excediendo velocidad de lectura directamente: 783 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.

Sin el diseño de atención en nuestro archivo, la columna de memoria es una aproximación. Es lo suficientemente cercana como para elegir hardware, y menos confiable en contexto largo.

Paso a paso

Cómo elegir una GPU para Granite Vision 3.2 2B

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

Verifica lo que necesita antes de cualquier otra cosa.

La tabla enumera cada tarjeta capaz de contener Granite Vision 3.2 2B, necesitando alrededor 3.2 GB a una compresión de Q6_K. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
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 Granite Vision 3.2 2B.
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 Q6_K 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

Ordenar por velocidad

El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Granite Vision 3.2 2B. 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 1,137 tok/s
05

Lee la columna de ajuste al final

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Granite Vision 3.2 2B. 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 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 Granite Vision 3.2 2B.

Respuestas

Granite Vision 3.2 2B — preguntas comunes

Granite Vision 3.2 2B— ¿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. Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Granite Vision 3.2 2B— ¿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: 818. Así que una segunda tarjeta rara vez es la respuesta aquí.

Granite Vision 3.2 2B— ¿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: 2. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Granite Vision 3.2 2B— ¿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: 682–1,819 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.

Granite Vision 3.2 2B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Tesla C1080, con una capacidad de memoria de 4 GB. Funciona el modelo a una compresión de Q6_K usando alrededor 3.2 GB, y produce aproximadamente 18.0 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 818.

Granite Vision 3.2 2B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 1,137 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: 783.

Granite Vision 3.2 2B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 3.2 GB a una compresión de Q6_K, 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.

Granite Vision 3.2 2B— ¿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 Q8_0, usando alrededor 3.9 GB y generando aproximadamente 212 tokens por segundo. El ajuste es cómodo.

Granite Vision 3.2 2B— ¿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 3.9 GB y generando aproximadamente 130 tokens por segundo. El ajuste es cómodo.

Granite Vision 3.2 2B— ¿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 3.9 GB y generando aproximadamente 161 tokens por segundo. El ajuste es cómodo.

Granite Vision 3.2 2B— ¿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 3.9 GB y generando aproximadamente 190 tokens por segundo. El ajuste es cómodo.

Granite Vision 3.2 2B— ¿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.

Granite Vision 3.2 2B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 3B. 2.98B. 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.

Granite Vision 3.2 2B— ¿Quién lo creó?

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

Granite Vision 3.2 2B— ¿cuándo fue lanzado?

Se publicó en February 2025.

Granite Vision 3.2 2B— ¿Para qué se utiliza?

Funciona en el dominio de Language, Multimodal, Vision, y se registra como manejando la tarea de mathematical reasoning, Quantitative reasoning, Language modeling/generation, Question answering, Visual 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.

Granite Vision 3.2 2B— ¿Dónde puedo descargarlo?

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

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