Depth Anything V2 Large calculadora TPS

Abre pesos Tik Tok,Hong Kong University 335.3M parámetros October 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

818 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Tesla C1080

4 GB · Q8_0 · 110 tok/s

Tarjeta más rápida

B200

10,105 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Depth Anything V2 Large?

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..

818 las tarjetas coinciden

Calculando
Necesita Cuantización Ajustar
10,105 tok/s

6,063–16,168 · baja confianza

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 1.1 GB Q8_0 Cómodo
10,105 tok/s

6,063–16,168 · baja confianza

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 1.1 GB Q8_0 Cómodo
8,069 tok/s

4,842–12,911 · baja confianza

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 1.1 GB Q8_0 Cómodo
8,069 tok/s

4,842–12,911 · baja confianza

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 1.1 GB Q8_0 Cómodo
6,453 tok/s

3,872–10,325 · baja confianza

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 1.1 GB Q8_0 Cómodo
6,177 tok/s

3,706–9,883 · baja confianza

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 1.1 GB Q8_0 Cómodo
6,177 tok/s

3,706–9,883 · baja confianza

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 1.1 GB Q8_0 Cómodo
5,911 tok/s

3,547–9,458 · baja confianza

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 1.1 GB Q8_0 Cómodo
5,246 tok/s

3,148–8,394 · baja confianza

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 1.1 GB Q8_0 Cómodo
5,246 tok/s

3,148–8,394 · baja confianza

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 1.1 GB Q8_0 Cómodo
5,246 tok/s

3,148–8,394 · baja confianza

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 1.1 GB Q8_0 Cómodo
4,977 tok/s

2,986–7,963 · baja confianza

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 1.1 GB Q8_0 Cómodo
4,244 tok/s

2,546–6,791 · baja confianza

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Cómodo
4,244 tok/s

2,546–6,791 · baja confianza

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 1.1 GB Q8_0 Cómodo
4,244 tok/s

2,546–6,791 · baja confianza

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Cómodo
4,244 tok/s

2,546–6,791 · baja confianza

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Cómodo
4,244 tok/s

2,546–6,791 · baja confianza

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 1.1 GB Q8_0 Cómodo
3,232 tok/s

1,939–5,171 · baja confianza

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 1.1 GB Q8_0 Cómodo
3,232 tok/s

1,939–5,171 · baja confianza

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 1.1 GB Q8_0 Cómodo
2,693 tok/s

1,616–4,309 · baja confianza

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 1.1 GB Q8_0 Cómodo
2,636 tok/s

1,581–4,217 · baja confianza

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 1.1 GB Q8_0 Cómodo
2,577 tok/s

1,546–4,123 · baja confianza

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 1.1 GB Q8_0 Cómodo
2,577 tok/s

1,546–4,123 · baja confianza

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 1.1 GB Q8_0 Cómodo
2,577 tok/s

1,546–4,123 · baja confianza

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 1.1 GB Q8_0 Cómodo
2,577 tok/s

1,546–4,123 · baja confianza

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 1.1 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
Tik Tok,Hong Kong University
Tipo de Organización
Industry,Academia
País
China, Hong Kong
Publicado
20 October 2024
Autores
Lihe Yang, Bingyi Kang, Zilong Huang, Zhen Zhao, Xiaogang Xu, Jiashi Feng, Hengshuang Zhao

Lo que hace

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

Dominio
3D modeling
Tarea
3D reconstruction

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
335.3M

335.3M

Datos de entrenamiento
tokens

"Depth Anything V2 is trained from 595K synthetic labeled images and 62M+ real unlabeled image" "All images are trained at the resolution of 518×518 by resizing the shorter size to 518 followed by a random crop. When training the teacher model on synthetic images, we use a batch size of 64 for 160K iterations. In the third stage of training on pseudo-labeled real images, the model is trained with a batch size of 192 for 480K iterations. "

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)
Código de entrenamiento
Unreleased

Creative Commons Attribution Non Commercial 4.0 https://huggingface.co/depth-anything/Depth-Anything-V2-Large

Hugging Face
depth-anything

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
Depth Anything V2
Última actualización
28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Depth Anything V2 Large

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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 10,105 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 10,105 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 8,069 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 8,069 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 6,453 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 6,177 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 6,177 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 5,911 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 5,246 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 5,246 tok/s

Las GPUs más pequeñas que aún funcionan Depth Anything V2 Large

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..

  1. 01 GeForce RTX 4010 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 121 tok/s
  2. 02 RTX A400 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 121 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 162 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 243 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 43.1 tok/s
  6. 06 Radeon RX 6450M 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 126 tok/s
  7. 07 Radeon RX 6550M 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 142 tok/s
  8. 08 Radeon RX 6550S 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 126 tok/s
  9. 09 Arc A310 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 102 tok/s
  10. 10 Arc Pro A30M 4 GB · Necesita 1.1 GB · Q8_0 · Cómodo 105 tok/s

Qué significan los números

Requisitos de hardware en la práctica

Mínima tarjeta

Tesla C1080

Memoria necesaria

1.1 GB

Más rápido

10,105 tok/s

Depth Anything V2 Large llega a un recuento de parámetros de 335.3M. 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.

El punto de entrada es Tesla C1080, con una capacidad de memoria de 4 GB, ejecutándolo a una compresión de Q8_0 y produciendo alrededor 110 tokens por segundo

Gama alta es B200, generando aproximadamente 10,105 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

Depth Anything V2 Large fue publicado por Tik Tok,Hong Kong University, en el país registrado como China, durante October 2024. La categoría en la que se encuentra el editor es industry,Academia.

Funciona en el dominio de 3D modeling, y se registra como realizando la tarea de 3D reconstruction.

Debido a que sus pesos fueron liberados, nada sobre ejecutar el modelo depende de un proveedor que permanezca disponible — es tuyo una vez descargado. En Hugging Face está publicado bajo la organización depth-anything.

Qué tan rápido corre, y por qué

El resultado mediano es alrededor de 283.8 tokens por segundo. Excediendo velocidad de lectura directamente: 818 de ellos.

Es un modelo denso, por lo que cada parámetro se lee para cada token producido. Eso hace que la velocidad rastree el ancho de banda de la memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.

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 Depth Anything V2 Large

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..

  1. 01

    Verifica lo que necesita antes de cualquier otra cosa.

    Empieza desde lo que realmente necesita, que es el requerimiento de Depth Anything V2 Large, necesitando alrededor 1.1 GB a una compresión de Q8_0. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.

  2. 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 Depth Anything V2 Large.

  3. 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 Q8_0 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.

  4. 04

    Compara tokens por segundo, no especificaciones

    Ordenar por velocidad para ver cómo se clasifican las tarjetas por Depth Anything V2 Large. 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 10,105 tok/s

  5. 05

    Verifica el veredicto de ajuste antes de comprar

    Tight significa que se carga y funciona sin espacio para aumentar el contexto más tarde, en el caso de Depth Anything V2 Large. 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.

  6. 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. Depth Anything V2 Large.

Respuestas

Depth Anything V2 Large — preguntas comunes

01

Depth Anything V2 Large— ¿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 Q8_0 usando alrededor 1.1 GB, y produce aproximadamente 110 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 818.

02

Depth Anything V2 Large— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 10,105 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: 818.

03

Depth Anything V2 Large— ¿Cuánta VRAM necesita?

Necesita aproximadamente 1.1 GB a una compresión de Q8_0, 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.

04

Depth Anything V2 Large— ¿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 1.1 GB y generando aproximadamente 1,882 tokens por segundo. El ajuste es cómodo.

05

Depth Anything V2 Large— ¿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 1.1 GB y generando aproximadamente 1,152 tokens por segundo. El ajuste es cómodo.

06

Depth Anything V2 Large— ¿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 1.1 GB y generando aproximadamente 1,427 tokens por segundo. El ajuste es cómodo.

07

Depth Anything V2 Large— ¿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 1.1 GB y generando aproximadamente 1,693 tokens por segundo. El ajuste es cómodo.

08

Depth Anything V2 Large— ¿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.

09

Depth Anything V2 Large— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 335.3M. 335.3M. 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.

10

Depth Anything V2 Large— ¿Quién lo creó?

Fue publicado por Tik Tok,Hong Kong University, basado en China, una organización categorizada como industry,Academia.

11

Depth Anything V2 Large— ¿cuándo fue lanzado?

Se publicó en October 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.

12

Depth Anything V2 Large— ¿Para qué se utiliza?

Funciona en el dominio de 3D modeling, y se registra como manejando la tarea de 3D reconstruction. 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.

13

Depth Anything V2 Large— ¿Dónde puedo descargarlo?

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

14

Depth Anything V2 Large— ¿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. Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

15

Depth Anything V2 Large— ¿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: 818. Así que una segunda tarjeta rara vez es la respuesta aquí.

16

Depth Anything V2 Large— ¿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: 1. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

17

Depth Anything V2 Large— ¿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: 6,063–16,168 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.

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