Ovis1.6-Gemma2-27B calculadora TPS

Abre pesos Alibaba 28.9B parámetros November 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

132 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

RTX A4500

20 GB · IQ4_XS · 23.0 tok/s

Tarjeta más rápida

B200

117 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Ovis1.6-Gemma2-27B?

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.

132 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
117 tok/s 70–188 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	31.6 GB	Q8_0	Cómodo
117 tok/s 70–188 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	31.6 GB	Q8_0	Cómodo
93.6 tok/s 56–150 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	31.6 GB	Q8_0	Cómodo
93.6 tok/s 56–150 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	31.6 GB	Q8_0	Cómodo
74.9 tok/s 45–120 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	31.6 GB	Q8_0	Cómodo
71.7 tok/s 43–115 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	31.6 GB	Q8_0	Cómodo
71.7 tok/s 43–115 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	31.6 GB	Q8_0	Cómodo
68.6 tok/s 41–110 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	31.6 GB	Q8_0	Cómodo
60.9 tok/s 37–97 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	31.6 GB	Q8_0	Cómodo
60.9 tok/s 37–97 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	31.6 GB	Q8_0	Cómodo
60.9 tok/s 37–97 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	31.6 GB	Q8_0	Cómodo
57.7 tok/s 35–92 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	31.6 GB	Q8_0	Cómodo
49.2 tok/s 30–79 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	31.6 GB	Q8_0	Cómodo
49.2 tok/s 30–79 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	31.6 GB	Q8_0	Cómodo
49.2 tok/s 30–79 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	31.6 GB	Q8_0	Cómodo
49.2 tok/s 30–79 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	31.6 GB	Q8_0	Cómodo
49.2 tok/s 30–79 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	31.6 GB	Q8_0	Cómodo
39.8 tok/s 24–64 · baja confianza	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q6_K	Ajustado
39.8 tok/s 24–64 · baja confianza	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q6_K	Ajustado
38.1 tok/s 23–61 · baja confianza	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q6_K	Ajustado
38.1 tok/s 23–61 · baja confianza	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q6_K	Ajustado
37.5 tok/s 23–60 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	31.6 GB	Q8_0	Cómodo
37.5 tok/s 23–60 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	31.6 GB	Q8_0	Cómodo
35.1 tok/s 21–56 · baja confianza	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	21.5 GB	Q5_K_M	Ajustado
31.9 tok/s 19–51 · baja confianza	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	21.5 GB	Q5_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: Alibaba
Tipo de Organización: Industry
País: China
Publicado: 26 November 2024

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: Language modeling/generation, Visual question answering
Modelo base: Gemma 2 27B,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: 28.9B
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)
Hugging Face: AIDC-AI

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: Ovis1.6-Gemma2-27B
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Ovis1.6-Gemma2-27B

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 Ovis1.6-Gemma2-27B

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

RTX A4500

Memoria necesaria

16.5 GB

Más rápido

117 tok/s

Ovis1.6-Gemma2-27B llega a un recuento de parámetros de 28.9B. 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: 132.

La tarjeta más pequeña que lo sostiene es RTX A4500, con una capacidad de memoria de 20 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 23.0 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 117 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Ovis1.6-Gemma2-27B fue publicado por Alibaba, en el país registrado como China, durante November 2024. La organización editora está clasificada como industry.

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

Se basa en Gemma 2 27B,SigLIP 400M. Esa es la forma habitual en que se produce un modelo especializado.

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 AIDC-AI.

Qué tan rápido corre, y por qué

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 20.3 tokens por segundo. Excediendo velocidad de lectura directamente: 105 de ellos.

Siendo denso, lee todo de sí mismo por token, razón por la cual el orden según velocidad a continuación sigue tan de cerca el orden por ancho de banda de memoria.

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 Ovis1.6-Gemma2-27B

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 Ovis1.6-Gemma2-27B, necesitando alrededor 16.5 GB a una compresión de IQ4_XS. Esa cifra, no el rendimiento principal de una CARD, es lo que decide si se ejecuta.
02

Decide cuánto duran tus conversaciones.

La conversación ocupa memoria también, y crece a medida que avanza. Ajusta el controlador a la longitud que esperas, porque en un contexto largo una CARD que maneja preguntas cortas fácilmente puede no encajar. Ovis1.6-Gemma2-27B.
03

Decide cuánto compresión aceptarás

Cada tarjeta ejecuta la copia menos comprimida que puede contener., 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.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Ovis1.6-Gemma2-27B. 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 117 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 Ovis1.6-Gemma2-27B. 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 Ovis1.6-Gemma2-27B.

Respuestas

Ovis1.6-Gemma2-27B — preguntas comunes

Ovis1.6-Gemma2-27B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 16.5 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.

Ovis1.6-Gemma2-27B— ¿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 Q5_K_M, usando alrededor 21.5 GB y generando aproximadamente 35.1 tokens por segundo. El ajuste es ajustado.

Ovis1.6-Gemma2-27B— ¿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.

Ovis1.6-Gemma2-27B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 28.9B. 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.

Ovis1.6-Gemma2-27B— ¿Quién lo creó?

Fue publicado por Alibaba, basado en China, una organización categorizada como industry.

Ovis1.6-Gemma2-27B— ¿cuándo fue lanzado?

Se publicó en November 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.

Ovis1.6-Gemma2-27B— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Language, Vision, y se registra como manejando la tarea de language modeling/generation, 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.

Ovis1.6-Gemma2-27B— ¿Dónde puedo descargarlo?

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

Ovis1.6-Gemma2-27B— ¿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 3.8 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Ovis1.6-Gemma2-27B— ¿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: 132. Así que una segunda tarjeta rara vez es la respuesta aquí.

Ovis1.6-Gemma2-27B— ¿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: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Ovis1.6-Gemma2-27B— ¿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: 70–188 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.

Ovis1.6-Gemma2-27B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es RTX A4500, con una capacidad de memoria de 20 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 16.5 GB, y produce aproximadamente 23.0 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 132.

Ovis1.6-Gemma2-27B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 117 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: 105.

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