Qwen2.5 Instruct (72B) calculadora TPS
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 tenemos especificaciones para
Tarjeta más pequeña que cabe
A100 PCIe 40 GB
40 GB · Q3_K_M · 24.5 tok/s
Tarjeta más rápida
B200
46.6 tok/s · 180 GB
¿Qué GPU pueden ejecutar? Qwen2.5 Instruct (72B)?
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..
61 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
46.6
tok/s
40–56 |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 76.5 GB | Q8_0 | Cómodo |
|
46.6
tok/s
40–56 |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 76.5 GB | Q8_0 | Cómodo |
|
37.2
tok/s
22–60 · baja confianza |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 76.5 GB | Q8_0 | Cómodo |
|
37.2
tok/s
22–60 · baja confianza |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 76.5 GB | Q8_0 | Cómodo |
|
29.8
tok/s
18–48 · baja confianza |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 76.5 GB | Q8_0 | Cómodo |
|
28.5
tok/s
24–34 |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 76.5 GB | Q8_0 | Cómodo |
|
28.5
tok/s
24–34 |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 76.5 GB | Q8_0 | Cómodo |
|
28.4
tok/s
24–34 |
H100 SXM5 80 GB NVIDIA | 80 GB | 3,360 GB/s | Oct 2022 | 59.6 GB | Q6_K | Cómodo |
|
28.4
tok/s
24–34 |
H800 SXM5 NVIDIA | 80 GB | 3,360 GB/s | Mar 2023 | 59.6 GB | Q6_K | Cómodo |
|
27.3
tok/s
16–44 · baja confianza |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 76.5 GB | Q8_0 | Cómodo |
|
25.2
tok/s
21–30 |
GRID A100B NVIDIA | 48 GB | 1,870 GB/s | May 2020 | 42.6 GB | Q4_K_M | Ajustado |
|
24.5
tok/s
21–29 |
A100 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Jun 2020 | 34.2 GB | Q3_K_M | Ajustado |
|
24.5
tok/s
21–29 |
A100 SXM4 40 GB NVIDIA | 40 GB | 1,560 GB/s | May 2020 | 34.2 GB | Q3_K_M | Ajustado |
|
24.5
tok/s
21–29 |
A800 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Nov 2022 | 34.2 GB | Q3_K_M | Ajustado |
|
24.2
tok/s
15–39 · baja confianza |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 76.5 GB | Q8_0 | Cómodo |
|
24.2
tok/s
15–39 · baja confianza |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 76.5 GB | Q8_0 | Cómodo |
|
24.2
tok/s
15–39 · baja confianza |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 76.5 GB | Q8_0 | Cómodo |
|
23.0
tok/s
20–28 |
H100 NVL 94 GB NVIDIA | 94 GB | 3,940 GB/s | Mar 2023 | 76.5 GB | Q8_0 | Ajustado |
|
21.0
tok/s
18–25 |
H100 SXM5 64 GB NVIDIA | 64 GB | 2,020 GB/s | Mar 2023 | 51.1 GB | Q5_K_M | Ajustado |
|
19.6
tok/s
17–23 |
H100 PCIe 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 76.5 GB | Q8_0 | Ajustado |
|
19.6
tok/s
17–23 |
H100 SXM5 94 GB NVIDIA | 94 GB | 3,360 GB/s | Mar 2023 | 76.5 GB | Q8_0 | Ajustado |
|
19.6
tok/s
17–23 |
H100 SXM5 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 76.5 GB | Q8_0 | Ajustado |
|
18.0
tok/s
15–22 |
RTX PRO 5000 Blackwell NVIDIA | 48 GB | 1,340 GB/s | Mar 2025 | 42.6 GB | Q4_K_M | Ajustado |
|
17.3
tok/s
15–21 |
A100 SXM4 80 GB NVIDIA | 80 GB | 2,040 GB/s | Nov 2020 | 59.6 GB | Q6_K | Cómodo |
|
17.3
tok/s
15–21 |
A100X NVIDIA | 80 GB | 2,040 GB/s | Jun 2021 | 59.6 GB | Q6_K | 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
- Alibaba
- Tipo de Organización
- Industry
- País
- China
- Publicado
- 19 September 2024
- Autores
- Qwen Team
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Code generation, Code autocompletion, Quantitative reasoning, Question answering, Language modeling/generation
- Modelo base
- Qwen2.5-72B
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
- 72.7B
- Datos de entrenamiento
- tokens
Number of Parameters: 72.7B Number of Paramaters (Non-Embedding): 70.0B
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
- 7.9 × 10²⁴ FLOP
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Centro de datos
- There is no paper to reference, no information about hardware used for training found in media.
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 (restricted use)
- Código de entrenamiento
- Unreleased
- Hugging Face
- Qwen
requires permission to use in applications with 100M+ users https://huggingface.co/Qwen/Qwen2.5-72B-Instruct seems that there is no pretraining code here https://github.com/QwenLM/Qwen3
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- Training cost
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Qwen2.5: A Party of Foundation Models!
- Última actualización
- 11 February 2026
Los extremos
Las diez GPUs más rápidas que ejecutan Qwen2.5 Instruct (72B)
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..
- 01 B300 288 GB · 8,000 GB/s · Q8_0 46.6 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q8_0 46.6 tok/s
- 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 37.2 tok/s
- 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 37.2 tok/s
- 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 29.8 tok/s
- 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 28.5 tok/s
- 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 28.5 tok/s
- 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 28.4 tok/s
- 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 28.4 tok/s
- 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 27.3 tok/s
Las GPUs más pequeñas que aún funcionan Qwen2.5 Instruct (72B)
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..
- 01 A800 PCIe 40 GB 40 GB · Necesita 34.2 GB · Q3_K_M · Ajustado 24.5 tok/s
- 02 A100 PCIe 40 GB 40 GB · Necesita 34.2 GB · Q3_K_M · Ajustado 24.5 tok/s
- 03 A100 SXM4 40 GB 40 GB · Necesita 34.2 GB · Q3_K_M · Ajustado 24.5 tok/s
- 04 Radeon PRO W7900D 48 GB · Necesita 42.6 GB · Q4_K_M · Ajustado 9.1 tok/s
- 05 RTX PRO 5000 Blackwell 48 GB · Necesita 42.6 GB · Q4_K_M · Ajustado 18.0 tok/s
- 06 RTX 5880 Ada Generation 48 GB · Necesita 42.6 GB · Q4_K_M · Ajustado 11.6 tok/s
- 07 L20 48 GB · Necesita 42.6 GB · Q4_K_M · Ajustado 11.6 tok/s
- 08 Radeon PRO W7800 48 GB 48 GB · Necesita 42.6 GB · Q4_K_M · Ajustado 9.1 tok/s
- 09 Radeon PRO W7900 48 GB · Necesita 42.6 GB · Q4_K_M · Ajustado 9.1 tok/s
- 10 Data Center GPU Max 1100 48 GB · Necesita 42.6 GB · Q4_K_M · Ajustado 10.8 tok/s
Qué significan los números
Lo que necesitas para ejecutar esto
Mínima tarjeta
A100 PCIe 40 GB
Memoria necesaria
34.2 GB
Más rápido
46.6 tok/s
Qwen2.5 Instruct (72B) llega a un recuento de parámetros de 72.7B. Eso lo coloca por encima del hardware de consumo, en el rango donde se compra una tarjeta para este propósito en lugar de ser reutilizada para ello. El número de tarjetas que seguimos que pueden contenerlo: 61.
El hardware mínimo que funciona es A100 PCIe 40 GB, con una capacidad de memoria de 40 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 24.5 tokens por segundo
Gama alta es B200, generando aproximadamente 46.6 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.
De dónde vino
Qwen2.5 Instruct (72B) fue publicado por Alibaba, en el país registrado como China, durante September 2024. La organización editora está clasificada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de code generation, Code autocompletion, Quantitative reasoning, Question answering, Language modeling/generation.
En lugar de ser entrenado desde cero, se deriva de Qwen2.5-72B. Por eso comparte la forma y el tamaño general del modelo base.
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 Qwen.
Entendiendo las velocidades
La mitad de las tarjetas que lo sostienen gestionan más de 16.4 tokens por segundo. Excediendo velocidad de lectura directamente: 50 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.
Debido a que la arquitectura está registrada, la columna de memoria se deriva en lugar de estimarse.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 7.9 × 10²⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Su criterio de inclusión: training cost.
Paso a paso
Cómo elegir una GPU para Qwen2.5 Instruct (72B)
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.
Empieza desde lo que realmente necesita, que es el requerimiento de Qwen2.5 Instruct (72B), necesitando alrededor 34.2 GB a una compresión de Q3_K_M. Ninguna cantidad de potencia de procesamiento compensa una CARD que no puede sostenerla.
-
02
Establece la longitud de contexto en la que trabajarás.
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. Qwen2.5 Instruct (72B).
-
03
Decide cuánto compresión aceptarás
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
Compara tokens por segundo, no especificaciones
Ordenar por velocidad para ver cómo se clasifican las tarjetas por Qwen2.5 Instruct (72B). 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 46.6 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 Qwen2.5 Instruct (72B). 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
Mira qué más ejecuta esa tarjeta
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. Qwen2.5 Instruct (72B).
Respuestas
Qwen2.5 Instruct (72B) — preguntas comunes
Qwen2.5 Instruct (72B)— ¿Dónde puedo descargarlo?
Sus pesos están publicados en Hugging Face, bajo la organización Qwen. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.
Qwen2.5 Instruct (72B)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.9 × 10²⁴ 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.
Qwen2.5 Instruct (72B)— ¿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 13.8 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
Qwen2.5 Instruct (72B)— ¿Correrían dos GPUS más rápido?
La capacidad se suma entre las tarjetas; el rendimiento no. El número de tarjetas que ya lo tienen por sí solas: 61. Así que una segunda tarjeta rara vez es la respuesta aquí.
Qwen2.5 Instruct (72B)— ¿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.
Qwen2.5 Instruct (72B)— ¿Qué tan precisas son estas estimaciones de velocidad?
Estas son estimaciones con barras de error reales, y cualquiera de ellas podría razonablemente situarse en cualquier parte de su rango publicado dependiendo del runtime que utilices. El resultado más rápido aquí: 40–56 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.
Qwen2.5 Instruct (72B)— ¿Qué GPU necesito para ejecutarlo?
La tarjeta más pequeña en nuestro catálogo que lo sostiene es A100 PCIe 40 GB, con una capacidad de memoria de 40 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 34.2 GB, y produce aproximadamente 24.5 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 61.
Qwen2.5 Instruct (72B)— ¿qué tan rápido es en una GPU?
Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 46.6 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: 50.
Qwen2.5 Instruct (72B)— ¿Cuánta VRAM necesita?
Necesita aproximadamente 34.2 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.
Qwen2.5 Instruct (72B)— ¿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.
Qwen2.5 Instruct (72B)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 72.7B. Number of Parameters: 72.7B Number of Paramaters (Non-Embedding): 70.0B. 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.
Qwen2.5 Instruct (72B)— ¿Quién lo creó?
Fue publicado por Alibaba, basado en China, una organización categorizada como industry.
Qwen2.5 Instruct (72B)— ¿cuándo fue lanzado?
Se publicó en September 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.
Qwen2.5 Instruct (72B)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de code generation, Code autocompletion, Quantitative reasoning, Question answering, Language modeling/generation. 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.
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.