Minitron 8B calculadora TPS

Abre pesos NVIDIA 8.3B 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

582 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Quadro 6000

6 GB · IQ4_XS · 15.3 tok/s

Tarjeta más rápida

B200

408 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Minitron 8B?

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.

582 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
408 tok/s 245–653 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.6 GB	Q8_0	Cómodo
408 tok/s 245–653 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.6 GB	Q8_0	Cómodo
326 tok/s 196–522 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.6 GB	Q8_0	Cómodo
326 tok/s 196–522 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.6 GB	Q8_0	Cómodo
261 tok/s 156–417 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.6 GB	Q8_0	Cómodo
250 tok/s 150–399 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.6 GB	Q8_0	Cómodo
250 tok/s 150–399 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.6 GB	Q8_0	Cómodo
239 tok/s 143–382 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.6 GB	Q8_0	Cómodo
212 tok/s 127–339 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.6 GB	Q8_0	Cómodo
212 tok/s 127–339 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.6 GB	Q8_0	Cómodo
212 tok/s 127–339 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.6 GB	Q8_0	Cómodo
201 tok/s 121–322 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.6 GB	Q8_0	Cómodo
171 tok/s 103–274 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.6 GB	Q8_0	Cómodo
171 tok/s 103–274 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.6 GB	Q8_0	Cómodo
171 tok/s 103–274 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.6 GB	Q8_0	Cómodo
171 tok/s 103–274 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.6 GB	Q8_0	Cómodo
171 tok/s 103–274 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.6 GB	Q8_0	Cómodo
136 tok/s 81–217 · baja confianza	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.7 GB	Q5_K_M	Ajustado
131 tok/s 78–209 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.6 GB	Q8_0	Cómodo
131 tok/s 78–209 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.6 GB	Q8_0	Cómodo
116 tok/s 69–185 · baja confianza	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.7 GB	Q6_K	Ajustado
109 tok/s 65–174 · baja confianza	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.6 GB	Q8_0	Cómodo
106 tok/s 64–170 · baja confianza	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.6 GB	Q8_0	Cómodo
104 tok/s 62–167 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.6 GB	Q8_0	Cómodo
104 tok/s 62–167 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.6 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: NVIDIA
Tipo de Organización: Industry
País: United States of America
Publicado: 4 November 2024
Autores: Saurav Muralidharan, Sharath Turuvekere Sreenivas, Raviraj Joshi, Marcin Chochowski, Mostofa Patwary, Mohammad Shoeybi, Bryan Catanzaro, Jan Kautz, Pavlo Molchanov

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, Chat, Question answering
Modelo base: Nemotron-4 15B

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: 8.3B
Datos de entrenamiento: tokens

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: 4.7 × 10²¹ FLOP

La ejecución de entrenamiento

Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.

Hardware de entrenamiento: NVIDIA A100 SXM4 80 GB
Chips utilizados: 8
Consumo de energía: 6.3 kW

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)

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: Compact Language Models via Pruning and Knowledge Distillation
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Minitron 8B

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 Minitron 8B

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

Requisitos de hardware en la práctica

Mínima tarjeta

Quadro 6000

Memoria necesaria

5.2 GB

Más rápido

408 tok/s

Minitron 8B llega a un recuento de parámetros de 8.3B. 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: 582.

El punto de entrada es Quadro 6000, con una capacidad de memoria de 6 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 15.3 tokens por segundo

Gama alta es B200, generando aproximadamente 408 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Fondo

Minitron 8B fue publicado por NVIDIA, en el país registrado como United States of America, durante November 2024. La organización editora está clasificada como industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Chat, Question answering.

En lugar de ser entrenado desde cero, se deriva de Nemotron-4 15B. 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.

Leyendo las cifras de rendimiento

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 22.9 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 551 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.

Su arquitectura interna no está en nuestra base de datos, por lo que la memoria se aproxima a partir del conteo de parámetros y se marca en consecuencia. Se espera que la cifra real difiera, más aún en contextos largos.

Paso a paso

Cómo elegir una GPU para Minitron 8B

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 Minitron 8B, necesitando alrededor 5.2 GB a una compresión de IQ4_XS. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Establece la longitud de contexto en la que trabajarás.

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 Minitron 8B.
03

Establecer un umbral de calidad

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

Compara tokens por segundo, no especificaciones

Ordenar por velocidad para ver cómo se clasifican las tarjetas por Minitron 8B. 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 408 tok/s
05

Mira el margen, no solo la compatibilidad.

La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Minitron 8B. 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

Seguir un GPU a su propia página muestra cada otro modelo que puede contener, que es la pregunta que sigue una vez que te has decidido por. Minitron 8B.

Respuestas

Minitron 8B — preguntas comunes

Minitron 8B— ¿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: 245–653 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.

Minitron 8B— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Quadro 6000, con una capacidad de memoria de 6 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 5.2 GB, y produce aproximadamente 15.3 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 582.

Minitron 8B— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 408 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: 551.

Minitron 8B— ¿Cuánta VRAM necesita?

Necesita aproximadamente 5.2 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.

Minitron 8B— ¿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 Q5_K_M, usando alrededor 6.7 GB y generando aproximadamente 136 tokens por segundo. El ajuste es ajustado.

Minitron 8B— ¿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 9.6 GB y generando aproximadamente 46.6 tokens por segundo. El ajuste es ajustado.

Minitron 8B— ¿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 9.6 GB y generando aproximadamente 57.7 tokens por segundo. El ajuste es cómodo.

Minitron 8B— ¿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 9.6 GB y generando aproximadamente 68.4 tokens por segundo. El ajuste es cómodo.

Minitron 8B— ¿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.

Minitron 8B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 8.3B. 8.3B (table 2) (including 6.2B non-embedding parameters) Minitron-8B-Base is a large language model (LLM) obtained by pruning Nemotron-4 15B; specifically, we prune model embedding size, number of attention heads, and MLP intermediate dimension. Minitron-8B-Base uses a model embedding size of 4096, 48 attention heads, and an MLP intermediate dimension of 16384. It also uses Grouped-Query Attention (GQA) and Rotary Position Embeddings (RoPE). 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.

Minitron 8B— ¿Quién lo creó?

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

Minitron 8B— ¿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.

Minitron 8B— ¿Para qué se utiliza?

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

Minitron 8B— ¿Dónde puedo descargarlo?

Los pesos están publicados, aunque no tenemos un enlace de repositorio para ello. Este sitio calcula los requisitos de hardware en lugar de alojar archivos de modelo.

Minitron 8B— ¿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 1.2 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Minitron 8B— ¿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: 582. Así que una segunda tarjeta rara vez es la respuesta aquí.

Minitron 8B— ¿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: 4. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

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