Hermes 3 405B calculateur TPS
Chaque carte ci-dessous est évaluée par rapport à ce modèle à la longueur de contexte et à la qualité minimale que vous choisissez. La vitesse est une estimation pour une demande unique, calculée à partir de la bande passante mémoire de la carte et de la taille du modèle une fois compressé..
Calculé pour ce modèle
818 cartes dont nous détenons les spécifications pour
Carte la plus petite qui convient
Radeon Instinct MI325X
256 GB · IQ4_XS · 12.0 tok/s
Carte la plus rapide
B300
19.3 tok/s · 288 GB
Quelles GPU peuvent exécuter Hermes 3 405B?
Définir les entrées, lire la réponse
Une conversation plus longue nécessite plus de mémoire, ce qui peut pousser ce modèle hors des cartes plus petites..
Cache des cartes qui ne conviendraient qu'au modèle en le compressant en dessous de ce point..
4 cartes correspondent
Calcul en cours| Besoin | Quantification | Convient | |||||
|---|---|---|---|---|---|---|---|
|
19.3
tok/s
12–31 · faible confiance |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 245.7 GB | Q4_K_M | À l'étroit |
|
15.4
tok/s
9–25 · faible confiance |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 245.7 GB | Q4_K_M | À l'étroit |
|
15.4
tok/s
9–25 · faible confiance |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 245.7 GB | Q4_K_M | À l'étroit |
|
12.0
tok/s
7–19 · faible confiance |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 222.1 GB | IQ4_XS | À l'étroit |
Les vitesses sont des estimations pour une seule demande — une conversation à la fois — calculées à partir de la bande passante de la mémoire, de la taille du modèle et de la quantification. Le débit réel varie avec le temps d'exécution d'inférence et sa version. Les chiffres publiés par les fournisseurs de matériel mesurent de nombreuses demandes simultanées et sont beaucoup plus élevés..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Nous Research
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 14 August 2024
- Auteurs
- teknium, Jeffrey Quesnelle, Chen Guang
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation, Chat, Question answering
- Modèle de base
- Llama 3.1-405B
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 405B
- Données d'entraînement
- 270,000,000 tokens
- Époques
- 4
405B
390M tokens (Table 1)
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Comment cela a été établi
- Hardware,Operation counting
- Ajustement fin des calculs
- 2.9 × 10²¹ FLOP
6 FLOP / parameter / token * 405*10^9 parameters * 390*10^6 tokens * 4 epochs = 3.7908e+21 FLOP 989500000000000 FLOP / GPU / sec * 2086 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.2292248e+21 FLOP sqrt(2.2292248e+21*3.7908e+21) = 2.9069822e+21
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA H100 SXM5 80GB
- Chips utilisés
- 128
- Heures de puce
- 2,086
- Consommation d'énergie
- 176.7 kW
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Open — downloadable
- Accès au modèle
- Open weights (restricted use)
- Code d'entraînement
- Unreleased
- Hugging Face
- NousResearch
Llama license https://huggingface.co/NousResearch/Hermes-3-Llama-3.1-405B
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Hermes 3 Technical Report
- Dernière mise à jour
- 28 November 2025
Les extrêmes
Les dix GPU les plus rapides qui exécutent Hermes 3 405B
Classé par tokens par seconde estimés, la carte la plus récente en premier lorsque les vitesses se rejoignent. Étant donné que la génération est limitée par la bande passante de la mémoire, cet ordre suit la bande passante plutôt que tout indice de jeu..
Les plus petits GPU qui fonctionnent encore Hermes 3 405B
Le chemin le moins cher, par capacité de mémoire. Un ajustement serré exécute le modèle mais ne laisse rien de libre pour une conversation plus longue..
- 01 Radeon Instinct MI325X 256 GB · Besoin 222.1 GB · IQ4_XS · À l'étroit 12.0 tok/s
- 02 B300 288 GB · Besoin 245.7 GB · Q4_K_M · À l'étroit 19.3 tok/s
- 03 Radeon Instinct MI350X 288 GB · Besoin 245.7 GB · Q4_K_M · À l'étroit 15.4 tok/s
- 04 Radeon Instinct MI355X 288 GB · Besoin 245.7 GB · Q4_K_M · À l'étroit 15.4 tok/s
Ce que les chiffres signifient
Exigences matérielles en pratique
Carte minimale
Radeon Instinct MI325X
Mémoire requise
222.1 GB
Le plus rapide
19.3 tok/s
Hermes 3 405B atteint un nombre de paramètres de 405B. Cela dépasse ce que peut contenir une seule carte graphique. L'exécuter signifie soit le répartir entre plusieurs cartes, soit louer du matériel conçu pour cela, et chaque carte capable de le contenir seule est une pièce de datacenter. Le nombre qui peut : 4.
Le point d'entrée est Radeon Instinct MI325X, avec une capacité de mémoire de 256 GB, le faisant fonctionner à une compression de IQ4_XS et produisant environ 12.0 tokens par seconde
Le résultat le plus rapide vient de B300, générant à peu près 19.3 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.
Contexte
Hermes 3 405B a été publié par Nous Research, dans le pays enregistré comme United States of America, durant August 2024. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Chat, Question answering.
Son point de départ était un modèle de base existant, Llama 3.1-405B. C'est pourquoi il partage la forme et la taille générales du modèle de base.
Les poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel indéfiniment, hors ligne, sans compte associé. Sur Hugging Face, il est publié sous l'organisation NousResearch.
Lire les chiffres de débit
Au milieu de la gamme, toutes les cartes capables de l'exécuter se situent à 15.4 tokens par seconde. Dépassement direct de la vitesse de lecture. 4 d'eux
Étant dense, il lit tout de lui-même par jeton, c'est pourquoi le classement par vitesse ci-dessous suit de si près le classement par bande passante mémoire.
Son architecture interne n'est pas dans notre base de données, donc la mémoire est approximée à partir du nombre de paramètres et marquée en conséquence. Attendez-vous à ce que la véritable valeur diffère, surtout pour un long CONTEXT LENGTH.
Comment il a été entraîné
L'ensemble d'entraînement a duré environ 270,000,000 jetons de texte
Étape par étape
Comment choisir un GPU pour Hermes 3 405B
Le tableau ci-dessus a déjà évalué chaque carte pour laquelle nous avons des spécifications par rapport à ce modèle. Obtenir votre réponse prend six étapes..
-
01
Lisez d'abord le chiffre de mémoire
Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de Hermes 3 405B, ayant besoin d'environ 222.1 GB à une compression de IQ4_XS. La capacité est la porte — une carte soit la détient soit ne la détient pas.
-
02
Faites correspondre le contexte à votre utilisation réelle.
La conversation occupe aussi de la mémoire et grandit au fur et à mesure. Réglez le curseur sur la longueur que vous attendez, car avec un long CONTEXTE, une CARTE qui gère facilement les courtes questions peut être abandonnée par. Hermes 3 405B.
-
03
Choisissez jusqu'où vous allez le compresser
Chaque carte exécute la copie la moins compressée qu'elle peut contenir., atteignant une compression de IQ4_XS sur la plus petite carte qui convient. Fixer une qualité minimale élimine les cartes qui ne parviennent à l'atteindre qu'en exerçant une pression plus forte que vous ne le souhaiteriez, et maintient la comparaison à un niveau.
-
04
Comparez les tokens par seconde, pas les spécifications.
Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour Hermes 3 405B. Il ne s'alignera pas sur une commande de jeu, car la génération est limitée par la bande passante de la mémoire. La carte en tête de liste est B300, à 19.3 tok/s
-
05
Lisez la colonne de compatibilité en dernier.
La colonne d'adéquation sépare les cartes qui y parviennent juste de celles qui ont de la marge, dans le cas de Hermes 3 405B. Confortable signifie que vous pouvez augmenter le contexte plus tard. Cette différence compte plus que quelques tokens par seconde, donc achetez pour confortable si vous vous attendez à cela.
-
06
Vérifiez la carte de l'autre côté
Suivre une CARTE jusqu'à sa propre page montre chaque autre MODÈLE qu'elle peut supporter, ce qui est la question qui suit une fois que vous vous êtes décidé sur Hermes 3 405B.
Réponses
Hermes 3 405B — questions courantes
Hermes 3 405B— où puis-je le télécharger ?
Ses poids sont publiés sur Hugging Face, sous l'organisation NousResearch. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.
Hermes 3 405B— Puis-je l'exécuter s'il ne tient pas dans ma GPU?
Il peut être réparti entre la carte et la mémoire système, mais cela génère de manière douloureuse lentement. La plus proche approximation que nous calculons est inférieure de 72.9 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.
Hermes 3 405B— deux GPUs l'exécuteraient-ils plus rapidement ?
La capacité s'additionne entre les cartes ; le débit ne le fait pas. Le nombre de cartes déjà capables de le garder par elles-mêmes : 4. Ainsi, une seconde carte est rarement la réponse ici.
Hermes 3 405B— pourquoi la quantification diffère-t-elle entre les cartes ?
Une carte plus grande contient une copie plus précise. Le nombre de niveaux de compression utilisés sur les cartes qui l'exécutent : 2. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.
Hermes 3 405B— quelle est la précision de ces estimations de vitesse ?
Ils sont calculés à partir des spécifications plutôt que mesurés, et chacun a une plage. Un exemple : 12–31 tok/s sur B300. Le même modèle et carte varient de trente à cinquante pour cent en fonction du logiciel d'inférence et de sa version.
Hermes 3 405B— Quelle GPU ai-je besoin pour l'exécuter ?
La plus petite CARTE de notre catalogue qui le supporte est Radeon Instinct MI325X, avec une capacité de mémoire de 256 GB. Il exécute le modèle à une compression de IQ4_XS environ 222.1 GB, et produit environ 12.0 tous les GPU capables de l'exécuter en total 4.
Hermes 3 405B— à quelle vitesse est-il sur un GPU ?
Cela dépend de la carte. Le plus rapide que nous calculons est B300, à propos de 19.3 tokens par seconde; le plus lent qui fonctionne encore gère considérablement moins. La vitesse de lecture est d'environ dix tokens par seconde, et le nombre de cartes qui réussissent cela : 4.
Hermes 3 405B— combien de VRAM cela nécessite-t-il ?
Cela nécessite environ 222.1 GB à une compression de IQ4_XS, laquelle est la plus petite carte qui l'exécute. Moins de compression nécessite plus : les chiffres dans la colonne mémoire ci-dessus sont recalculés pour chaque carte, car chacune détient la version la moins compressée qu'elle peut.
Hermes 3 405B— est-ce que c'est open source ?
Ses poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel. Notez que les poids ouverts ne sont pas la même chose que l'open source au sens plein — cela ne dit rien sur les données d'entraînement, le code d'entraînement ou les conditions commerciales attachées.
Hermes 3 405B— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 405B. 405B. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
Hermes 3 405B— qui l'a créé ?
Il a été publié par Nous Research, basé sur United States of America, une organisation catégorisée comme industry.
Hermes 3 405B— quand a-t-il été publié ?
Il a été publié dans August 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
Hermes 3 405B— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Chat, Question answering. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.