LLaVA-OV-72B calculateur TPS

Ouvrir les poids ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST) 72B paramètres August 2024

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

61 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

A100 PCIe 40 GB

40 GB · Q3_K_M · 24.8 tok/s

Carte la plus rapide

B200

47.1 tok/s · 180 GB

Quelles GPU peuvent exécuter LLaVA-OV-72B?

Définir les entrées, lire la réponse

Longueur de contexte jetons

Une conversation plus longue nécessite plus de mémoire, ce qui peut pousser ce modèle hors des cartes plus petites..

Qualité minimale

Cache des cartes qui ne conviendraient qu'au modèle en le compressant en dessous de ce point..

Recherche de cartes

Mémoire de carte

Montrez aussi les cartes qui ne peuvent pas le faire.

61 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
47.1 tok/s 28–75 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	77.8 GB	Q8_0	Confortable
47.1 tok/s 28–75 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	77.8 GB	Q8_0	Confortable
37.6 tok/s 23–60 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	77.8 GB	Q8_0	Confortable
37.6 tok/s 23–60 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	77.8 GB	Q8_0	Confortable
30.1 tok/s 18–48 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	77.8 GB	Q8_0	Confortable
28.8 tok/s 17–46 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	77.8 GB	Q8_0	Confortable
28.8 tok/s 17–46 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	77.8 GB	Q8_0	Confortable
28.7 tok/s 17–46 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	61.0 GB	Q6_K	À l'étroit
28.7 tok/s 17–46 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	61.0 GB	Q6_K	À l'étroit
27.5 tok/s 17–44 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	77.8 GB	Q8_0	Confortable
27.0 tok/s 16–43 · faible confiance	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	40.1 GB	IQ4_XS	À l'étroit
24.8 tok/s 15–40 · faible confiance	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	35.9 GB	Q3_K_M	À l'étroit
24.8 tok/s 15–40 · faible confiance	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	35.9 GB	Q3_K_M	À l'étroit
24.8 tok/s 15–40 · faible confiance	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	35.9 GB	Q3_K_M	À l'étroit
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Confortable
23.2 tok/s 14–37 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
21.2 tok/s 13–34 · faible confiance	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	52.6 GB	Q5_K_M	À l'étroit
19.8 tok/s 12–32 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
19.8 tok/s 12–32 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
19.8 tok/s 12–32 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
19.4 tok/s 12–31 · faible confiance	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	40.1 GB	IQ4_XS	À l'étroit
17.4 tok/s 10–28 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	61.0 GB	Q6_K	À l'étroit
17.4 tok/s 10–28 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	61.0 GB	Q6_K	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: ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST)
Type d'organisation: Industry,Academia,Academia,Academia
Pays: China, Singapore, Hong Kong
Publié: 6 August 2024
Auteurs: Bo Li, Yuanhan Zhang, Dong Guo, Renrui Zhang, Feng Li, Hao Zhang, Kaichen Zhang, Peiyuan Zhang, Yanwei Li, Ziwei Liu, Chunyuan Li

Ce qu'il fait

Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.

Domaine: Multimodal, Vision, Language, Video
Tâche: Image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation
Modèle de base: Qwen2-72B
Format numérique: BF16

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: 72B
Données d'entraînement: 38,314,782,000 tokens
Époques: 1
Taille de lot: 256

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.

Calcul de formation: 3 × 10²⁴ FLOP
Comment cela a été établi: Operation counting
Ajustement fin des calculs: 1.7 × 10²² FLOP

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 (unrestricted)
Code d'entraînement: Open source
Hugging Face: lmms-lab

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.

Probablement au-dessus de 10²³ FLOP: Yes
Pourquoi c'est suivi: SOTA improvement
Confiance d'enregistrement: Confident
Citations: 2,428

Sources

D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.

Référence: LLaVA-OneVision: Easy Visual Task Transfer
Dernière mise à jour: 25 May 2026

Les extrêmes

Les dix GPU les plus rapides qui exécutent LLaVA-OV-72B

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 LLaVA-OV-72B

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..

Ce que les chiffres signifient

Ce dont vous avez besoin pour l'exécuter

Carte minimale

A100 PCIe 40 GB

Mémoire requise

35.9 GB

Le plus rapide

47.1 tok/s

LLaVA-OV-72B atteint un nombre de paramètres de 72B. Cela le place au-dessus du matériel grand public, dans la gamme où une carte est achetée à cette fin plutôt que réutilisée pour cela. Le nombre de cartes que nous suivons qui peuvent le supporter : 61.

Le matériel minimum qui fonctionne est A100 PCIe 40 GB, avec une capacité de mémoire de 40 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 24.8 tokens par seconde

Haut de gamme est B200, générant à peu près 47.1 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Contexte

LLaVA-OV-72B a été publié par ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST), dans le pays enregistré comme China, durant August 2024. La catégorie à laquelle appartient l'éditeur est industry,Academia,Academia,Academia.

Il fonctionne dans le domaine de Multimodal, Vision, Language, Video, et est enregistré comme exécutant la tâche de image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation.

Il s'appuie sur Qwen2-72B. La plupart des modèles à cette échelle sont adaptés d'une base existante plutôt que construits de rien.

Les poids étant ouverts, c'est ce qui place cette page dans le calculateur plutôt que seulement dans le catalogue : c'est un modèle que vous pouvez réellement tenir. Sur Hugging Face, il est publié sous l'organisation lmms-lab.

Lire les chiffres de débit

Le résultat médian est d'environ 16.6 tokens par seconde 51 d'eux

C'est un modèle dense, donc chaque paramètre est lu pour chaque jeton produit. Cela rend la vitesse presque exactement proportionnelle à la bande passante mémoire — une carte avec le double de la bande passante génère environ deux fois plus rapidement.

Sans la disposition d'attention sur fichier, la colonne de mémoire est une approximation. Elle est suffisamment proche pour choisir le matériel, et la moins fiable sur un long contexte.

Qu'est-ce qui a été nécessaire pour le construire

La production a nécessité des calculs totalisant environ 3 × 10²⁴ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

L'ensemble d'entraînement a duré environ 38,314,782,000 jetons de texte

La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.

Étape par étape

Comment choisir un GPU pour LLaVA-OV-72B

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

La table répertorie chaque carte capable de supporter LLaVA-OV-72B, ayant besoin d'environ 35.9 GB à une compression de Q3_K_M. Cette figure, pas la performance principale d'une carte, est ce qui décide si elle fonctionne.
02

Définissez la LONGUEUR DE CONTEXTE à laquelle vous travaillerez.

Définissez le contexte de ce que vous allez réellement utiliser. Le cache augmente avec la conversation, et c'est la raison habituelle pour laquelle une carte qui semblait convenir cesse de s'adapter. LLaVA-OV-72B.
03

Décidez combien de compression vous allez accepter

La colonne de quantification varie selon la carte, car une plus grande carte contient une copie plus précise., atteignant une compression de Q3_K_M 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

Trier par vitesse

Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour LLaVA-OV-72B. 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 B200, à 47.1 tok/s
05

Regardez la marge de manœuvre, pas seulement le fit.

La colonne d'adéquation sépare les cartes qui y parviennent juste de celles qui ont de la marge, dans le cas de LLaVA-OV-72B. 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

Chaque nom de carte renvoie à sa propre page, qui effectue le même calcul dans l'ensemble du catalogue de modèles. Une carte est généralement achetée pour plus d'un modèle, il est donc utile de jeter un œil avant d'acheter pour LLaVA-OV-72B.

Réponses

LLaVA-OV-72B — questions courantes

LLaVA-OV-72B— 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.

LLaVA-OV-72B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 72B. 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.

LLaVA-OV-72B— qui l'a créé ?

Il a été publié par ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST), basé sur China, une organisation catégorisée comme industry,Academia,Academia,Academia.

LLaVA-OV-72B— 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.

LLaVA-OV-72B— à quoi ça sert ?

Il fonctionne dans le domaine de Multimodal, Vision, Language, Video, et est enregistré comme gérant la tâche de image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.

LLaVA-OV-72B— où puis-je le télécharger ?

Ses poids sont publiés sur Hugging Face, sous l'organisation lmms-lab. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.

LLaVA-OV-72B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 3 × 10²⁴ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.

LLaVA-OV-72B— Puis-je l'exécuter s'il ne tient pas dans ma GPU?

Partiellement. Les couches qui ne tiennent pas sont dans la mémoire système et fonctionnent à une fraction de la vitesse, donc un modèle principalement déchargé vaut rarement la peine d'être utilisé. La plus proche approximation que nous calculons est inférieure de 15.5 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

LLaVA-OV-72B— 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 : 61. Ainsi, une seconde carte est rarement la réponse ici.

LLaVA-OV-72B— pourquoi la quantification diffère-t-elle entre les cartes ?

Chaque carte est montrée en exécutant la copie la moins compressée qu'elle peut contenir. Le nombre de niveaux de compression distincts parmi les cartes qui la supportent : 5. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

LLaVA-OV-72B— quelle est la précision de ces estimations de vitesse ?

Ce sont des estimations avec de véritables barres d'erreur, et n'importe lequel d'entre eux pourrait raisonnablement se situer n'importe où dans sa plage publiée en fonction du temps d'exécution que vous utilisez. Le résultat le plus rapide ici : 28–75 tok/s sur B200. Le même modèle et carte varient de trente à cinquante pour cent en fonction du logiciel d'inférence et de sa version.

LLaVA-OV-72B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est A100 PCIe 40 GB, avec une capacité de mémoire de 40 GB. Il exécute le modèle à une compression de Q3_K_M environ 35.9 GB, et produit environ 24.8 tous les GPU capables de l'exécuter en total 61.

LLaVA-OV-72B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 47.1 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 : 51.

LLaVA-OV-72B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 35.9 GB à une compression de Q3_K_M, 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.

Source

Publication originale

Dernière mise à jour enregistrée 25 May 2026

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.

Tous les modèles AI