InternVL2_5-38B calculadora TPS

Abre pesos Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University 38.4B parámetros December 2024

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

126 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Tesla M40 24 GB

24 GB · Q3_K_M · 7.3 tok/s

Tarjeta más rápida

B200

88.2 tok/s · 180 GB

¿Qué GPU pueden ejecutar? InternVL2_5-38B?

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.

126 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
88.2 tok/s 53–141 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	41.8 GB	Q8_0	Cómodo
88.2 tok/s 53–141 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	41.8 GB	Q8_0	Cómodo
70.5 tok/s 42–113 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	41.8 GB	Q8_0	Cómodo
70.5 tok/s 42–113 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	41.8 GB	Q8_0	Cómodo
56.4 tok/s 34–90 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	41.8 GB	Q8_0	Cómodo
53.9 tok/s 32–86 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	41.8 GB	Q8_0	Cómodo
53.9 tok/s 32–86 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	41.8 GB	Q8_0	Cómodo
51.6 tok/s 31–83 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	41.8 GB	Q8_0	Cómodo
45.8 tok/s 27–73 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	41.8 GB	Q8_0	Cómodo
45.8 tok/s 27–73 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	41.8 GB	Q8_0	Cómodo
45.8 tok/s 27–73 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	41.8 GB	Q8_0	Cómodo
43.5 tok/s 26–70 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	41.8 GB	Q8_0	Cómodo
39.9 tok/s 24–64 · baja confianza	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	19.5 GB	Q3_K_M	Ajustado
37.1 tok/s 22–59 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Cómodo
37.1 tok/s 22–59 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	41.8 GB	Q8_0	Cómodo
37.1 tok/s 22–59 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Cómodo
37.1 tok/s 22–59 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Cómodo
37.1 tok/s 22–59 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	41.8 GB	Q8_0	Cómodo
36.8 tok/s 22–59 · baja confianza	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.4 GB	Q5_K_M	Ajustado
36.8 tok/s 22–59 · baja confianza	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.4 GB	Q5_K_M	Ajustado
36.3 tok/s 22–58 · baja confianza	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	19.5 GB	Q3_K_M	Ajustado
35.3 tok/s 21–56 · baja confianza	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.4 GB	Q5_K_M	Ajustado
35.3 tok/s 21–56 · baja confianza	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.4 GB	Q5_K_M	Ajustado
30.1 tok/s 18–48 · baja confianza	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	19.5 GB	Q3_K_M	Ajustado
30.1 tok/s 18–48 · baja confianza	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	19.5 GB	Q3_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: Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University
Tipo de Organización: Academia,Industry,Academia,Academia,Academia,Academia,Academia
País: China, Hong Kong
Publicado: 6 December 2024
Autores: Zhe Chen, Weiyun Wang, Yue Cao, Yangzhou Liu, Zhangwei Gao, Erfei Cui, Jinguo Zhu, Shenglong Ye, Hao Tian, Zhaoyang Liu, Lixin Gu, Xuehui Wang, Qingyun Li, Yimin Ren, Zixuan Chen, Jiapeng Luo, Jiahao Wang, Tan Jiang, Bo Wang, Conghui He, Botian Shi, Xingcheng Zhang, Han Lv, Yi Wang, Wenqi Shao, Pei Chu, Zhongying Tu, Tong He, Zhiyong Wu, Huipeng Deng, Jiaye Ge, Kai Chen, Kaipeng Zhang, Limin Wang,…

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: Visual question answering, Language modeling/generation
Modelo base: Qwen2.5 Instruct (32B),InternViT-6B

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: 38.4B
Datos de entrenamiento: 151,000,000,000 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 × 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 (unrestricted)
Código de entrenamiento: Open source
Hugging Face: OpenGVLab

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
Citas: 1,468

Fuentes

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

Referencia: Expanding Performance Boundaries of Open-Source Multimodal Models with Model, Data, and Test-Time Scaling
Última actualización: 25 May 2026

Los extremos

Las diez GPUs más rápidas que ejecutan InternVL2_5-38B

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 InternVL2_5-38B

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 M40 24 GB

Memoria necesaria

19.5 GB

Más rápido

88.2 tok/s

InternVL2_5-38B llega a un recuento de parámetros de 38.4B. 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: 126.

La tarjeta más pequeña que lo sostiene es Tesla M40 24 GB, con una capacidad de memoria de 24 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 7.3 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 88.2 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

InternVL2_5-38B fue publicado por Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University, en el país registrado como China, durante December 2024. La categoría en la que se encuentra el editor es academia,Industry,Academia,Academia,Academia,Academia,Academia.

Funciona en el dominio de Multimodal, Language, Vision, y se registra como realizando la tarea de visual question answering, Language modeling/generation.

En lugar de ser entrenado desde cero, se deriva de Qwen2.5 Instruct (32B),InternViT-6B. 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 OpenGVLab.

Qué tan rápido corre, y por qué

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 19.7 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 92 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.

Cómo fue entrenado

Fue entrenado en un corpus de aproximadamente 151,000,000,000 tokens de texto

Paso a paso

Cómo elegir una GPU para InternVL2_5-38B

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 InternVL2_5-38B, necesitando alrededor 19.5 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

Decide cuánto duran tus conversaciones.

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. InternVL2_5-38B.
03

Elige cuán lejos lo comprimirás.

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

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 InternVL2_5-38B. 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 88.2 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 InternVL2_5-38B. 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

Revisa la tarjeta del otro lado

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 InternVL2_5-38B.

Respuestas

InternVL2_5-38B — preguntas comunes

InternVL2_5-38B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 88.2 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: 92.

InternVL2_5-38B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 19.5 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.

InternVL2_5-38B— ¿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 Q3_K_M, usando alrededor 19.5 GB y generando aproximadamente 39.9 tokens por segundo. El ajuste es ajustado.

InternVL2_5-38B— ¿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.

InternVL2_5-38B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 38.4B. 38.4B. 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.

InternVL2_5-38B— ¿Quién lo creó?

Fue publicado por Shanghai AI Lab,SenseTime,Tsinghua University,Nanjing University,Fudan University,Chinese University of Hong Kong (CUHK),Shanghai Jiao Tong University, basado en China, una organización categorizada como academia,Industry,Academia,Academia,Academia,Academia,Academia.

InternVL2_5-38B— ¿cuándo fue lanzado?

Se publicó en December 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

InternVL2_5-38B— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Language, Vision, y se registra como manejando la tarea de visual question answering, Language modeling/generation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

InternVL2_5-38B— ¿Dónde puedo descargarlo?

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

InternVL2_5-38B— ¿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 5.9 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

InternVL2_5-38B— ¿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: 126. Así que una segunda tarjeta rara vez es la respuesta aquí.

InternVL2_5-38B— ¿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: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

InternVL2_5-38B— ¿Qué tan precisas son estas estimaciones de velocidad?

Cada cifra se deriva del ancho de banda de VRAM y del tamaño del modelo, no está basado en benchmarks, por lo que cada una se publica como un rango en lugar de un solo número. Un ejemplo: 53–141 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.

InternVL2_5-38B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Tesla M40 24 GB, con una capacidad de memoria de 24 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 19.5 GB, y produce aproximadamente 7.3 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 126.

Origen

Publicación original

Última actualización registrada 25 May 2026

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