Aria calculadora TPS

Abre pesos Rhymes AI 24.9B 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

241 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Xeon Phi 7120P

16 GB · IQ4_XS · 9.6 tok/s

Tarjeta más rápida

B200

136 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Aria?

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.

241 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
136 tok/s 82–218 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	27.4 GB	Q8_0	Cómodo
136 tok/s 82–218 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	27.4 GB	Q8_0	Cómodo
109 tok/s 65–174 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	27.4 GB	Q8_0	Cómodo
109 tok/s 65–174 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	27.4 GB	Q8_0	Cómodo
86.9 tok/s 52–139 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	27.4 GB	Q8_0	Cómodo
83.2 tok/s 50–133 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	27.4 GB	Q8_0	Cómodo
83.2 tok/s 50–133 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	27.4 GB	Q8_0	Cómodo
79.6 tok/s 48–127 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	27.4 GB	Q8_0	Cómodo
70.7 tok/s 42–113 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	27.4 GB	Q8_0	Cómodo
70.7 tok/s 42–113 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	27.4 GB	Q8_0	Cómodo
70.7 tok/s 42–113 · baja confianza	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	27.4 GB	Q8_0	Cómodo
67.0 tok/s 40–107 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	27.4 GB	Q8_0	Cómodo
57.2 tok/s 34–91 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Cómodo
57.2 tok/s 34–91 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	27.4 GB	Q8_0	Cómodo
57.2 tok/s 34–91 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Cómodo
57.2 tok/s 34–91 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Cómodo
57.2 tok/s 34–91 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	27.4 GB	Q8_0	Cómodo
47.2 tok/s 28–76 · baja confianza	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	14.3 GB	IQ4_XS	Ajustado
43.5 tok/s 26–70 · baja confianza	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	27.4 GB	Q8_0	Cómodo
43.5 tok/s 26–70 · baja confianza	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	27.4 GB	Q8_0	Cómodo
40.1 tok/s 24–64 · baja confianza	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	14.3 GB	IQ4_XS	Ajustado
37.5 tok/s 22–60 · baja confianza	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	14.3 GB	IQ4_XS	Ajustado
37.5 tok/s 22–60 · baja confianza	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	14.3 GB	IQ4_XS	Ajustado
37.5 tok/s 22–60 · baja confianza	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	14.3 GB	IQ4_XS	Ajustado
37.4 tok/s 22–60 · baja confianza	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	14.3 GB	IQ4_XS	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: Rhymes AI
Tipo de Organización: Industry
País: United States of America
Publicado: 8 October 2024
Autores: Dongxu Li, Yudong Liu, Haoning Wu, Yue Wang, Zhiqi Shen, Bowen Qu, Xinyao Niu, Fan Zhou, Chengen Huang, Yanpeng Li, Chongyan Zhu, Xiaoyi Ren, Chao Li, Yifan Ye, Peng Liu, Lihuan Zhang, Hanshu Yan, Guoyin Wang, Bei Chen, Junnan Li

Lo que hace

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

Dominio: Multimodal, Language, Video, Vision
Tarea: Language modeling/generation, Visual question answering, Image captioning, Question answering, Code generation, Video description, Character recognition (OCR)

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: 24.9B
Datos de entrenamiento: 6,800,000,000,000 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.

Cómputo de entrenamiento: 1.4 × 10²³ FLOP
Cómo se estableció: Operation counting

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: rhymes-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
Citas: 130

Fuentes

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

Referencia: ARIA : An Open Multimodal Native Mixture-of-Experts Model
Última actualización: 25 May 2026

Los extremos

Las diez GPUs más rápidas que ejecutan Aria

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 Aria

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

Xeon Phi 7120P

Memoria necesaria

14.3 GB

Más rápido

136 tok/s

Aria llega a un recuento de parámetros de 24.9B. 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: 241.

El punto de entrada es Xeon Phi 7120P, con una capacidad de memoria de 16 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 9.6 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 136 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

De dónde vino

Aria fue publicado por Rhymes AI, en el país registrado como United States of America, durante October 2024. La organización editora está clasificada como industry.

Funciona en el dominio de Multimodal, Language, Video, Vision, y se registra como realizando la tarea de language modeling/generation, Visual question answering, Image captioning, Question answering, Code generation, Video description, Character recognition (OCR).

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 rhymes-ai.

Entendiendo las velocidades

La mitad de las tarjetas que lo sostienen gestionan más de 18.7 tokens por segundo. Limpiando los diez tokens por segundo que corresponden aproximadamente a la velocidad de lectura: 191 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.

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.

Qué se necesitó para construirlo

Producirlo requirió una aritmética que totaliza alrededor de 1.4 × 10²³ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

Fue entrenado en un corpus de aproximadamente 6,800,000,000,000 tokens de texto

Paso a paso

Cómo elegir una GPU para Aria

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

Comienza desde la columna de memoria

Empieza desde lo que realmente necesita, que es el requerimiento de Aria, necesitando alrededor 14.3 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. Aria.
03

Elige cuán lejos lo comprimirás.

La columna de cuantización varía por tarjeta, porque una tarjeta más grande sostiene una copia más precisa., 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

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Aria. 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 136 tok/s
05

Verifica el veredicto de ajuste antes de comprar

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

Respuestas

Aria — preguntas comunes

Aria— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Xeon Phi 7120P, con una capacidad de memoria de 16 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 14.3 GB, y produce aproximadamente 9.6 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 241.

Aria— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 136 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: 191.

Aria— ¿Cuánta VRAM necesita?

Necesita aproximadamente 14.3 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.

Aria— ¿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 IQ4_XS, usando alrededor 14.3 GB y generando aproximadamente 47.2 tokens por segundo. El ajuste es ajustado.

Aria— ¿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 Q6_K, usando alrededor 21.6 GB y generando aproximadamente 33.1 tokens por segundo. El ajuste es ajustado.

Aria— ¿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.

Aria— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 24.9B. ARIA MoE activates 3.5B parameters per text token and has a total of 24.9B parameter. 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.

Aria— ¿Quién lo creó?

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

Aria— ¿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.

Aria— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Language, Video, Vision, y se registra como manejando la tarea de language modeling/generation, Visual question answering, Image captioning, Question answering, Code generation, Video description, Character recognition (OCR). Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

Aria— ¿Dónde puedo descargarlo?

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

Aria— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 1.4 × 10²³ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.

Aria— ¿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 5.0 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Aria— ¿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: 241. Así que una segunda tarjeta rara vez es la respuesta aquí.

Aria— ¿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.

Aria— ¿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: 82–218 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 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