Gemma 2 27B calculateur TPS

Ouvrir les poids Google DeepMind 27B paramètres June 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

241 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Xeon Phi 7120P

16 GB · Q3_K_M · 9.7 tok/s

Carte la plus rapide

B200

125 tok/s · 180 GB

Quelles GPU peuvent exécuter Gemma 2 27B?

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.

241 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
125 tok/s 107–151	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	30.1 GB	Q8_0	Confortable
125 tok/s 107–151	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	30.1 GB	Q8_0	Confortable
100 tok/s 60–160 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	30.1 GB	Q8_0	Confortable
100 tok/s 60–160 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	30.1 GB	Q8_0	Confortable
80.1 tok/s 48–128 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	30.1 GB	Q8_0	Confortable
76.7 tok/s 65–92	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	30.1 GB	Q8_0	Confortable
76.7 tok/s 65–92	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	30.1 GB	Q8_0	Confortable
73.4 tok/s 44–117 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	30.1 GB	Q8_0	Confortable
65.2 tok/s 39–104 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	30.1 GB	Q8_0	Confortable
65.2 tok/s 39–104 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	30.1 GB	Q8_0	Confortable
65.2 tok/s 39–104 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	30.1 GB	Q8_0	Confortable
61.8 tok/s 53–74	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	30.1 GB	Q8_0	Confortable
52.7 tok/s 45–63	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	30.1 GB	Q8_0	Confortable
52.7 tok/s 45–63	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	30.1 GB	Q8_0	Confortable
52.7 tok/s 45–63	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	30.1 GB	Q8_0	Confortable
52.7 tok/s 45–63	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	30.1 GB	Q8_0	Confortable
52.7 tok/s 45–63	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	30.1 GB	Q8_0	Confortable
47.8 tok/s 41–57	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	14.4 GB	Q3_K_M	À l'étroit
42.6 tok/s 36–51	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	23.8 GB	Q6_K	Confortable
42.6 tok/s 36–51	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	23.8 GB	Q6_K	Confortable
40.8 tok/s 35–49	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	23.8 GB	Q6_K	Confortable
40.8 tok/s 35–49	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	23.8 GB	Q6_K	Confortable
40.6 tok/s 35–49	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	14.4 GB	Q3_K_M	À l'étroit
40.1 tok/s 24–64 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	30.1 GB	Q8_0	Confortable
40.1 tok/s 24–64 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	30.1 GB	Q8_0	Confortable

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: Google DeepMind
Type d'organisation: Industry
Pays: United States of America
Publié: 24 June 2024
Auteurs: Gemma Team, Google DeepMind

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, Code generation, Question answering, Quantitative reasoning

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: 27B
Données d'entraînement: 13,000,000,000,000 tokens

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: 2.1 × 10²⁴ FLOP
Comment cela a été établi: Operation counting

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: Google TPU v5p
Chips utilisés: 6,144
Consommation d'énergie: 6.5 MW

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: google

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
Confiance d'enregistrement: Confident

Sources

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

Référence: Gemma 2 offers best-in-class performance, runs at incredible speed across different hardware and easily integrates with other AI tools.
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Gemma 2 27B

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 Gemma 2 27B

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

Xeon Phi 7120P

Mémoire requise

14.4 GB

Le plus rapide

125 tok/s

Gemma 2 27B atteint un nombre de paramètres de 27B. Cela se situe dans la gamme qu'une carte de bureau sérieuse peut gérer une fois les poids compressés. Le nombre de cartes que nous suivons qui peuvent l'exécuter : 241.

Le matériel minimum qui fonctionne est Xeon Phi 7120P, avec une capacité de mémoire de 16 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 9.7 tokens par seconde

Haut de gamme est B200, générant à peu près 125 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Ce que ce modèle est

Gemma 2 27B a été publié par Google DeepMind, dans le pays enregistré comme United States of America, durant June 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, Code generation, Question answering, Quantitative reasoning.

Parce que ses poids ont été publiés, rien sur son exécution ne dépend d'un fournisseur restant disponible — il est à vous une fois téléchargé. Sur Hugging Face, il est publié sous l'organisation google.

Qu'est-ce qui détermine la vitesse

La moitié des cartes qui le détiennent gèrent plus de 19.0 tokens par seconde 196 d'eux

Chaque poids participe à chaque jeton ici, donc la bande passante est toute l'histoire : le classement ci-dessous est effectivement un classement du débit de mémoire.

Son agencement d'attention est dans notre base de données, donc les chiffres de mémoire sont calculés exactement plutôt qu'approximés.

Entraînement et provenance

L'entraînement a consommé environ 2.1 × 10²⁴ FLOP, sur matériel enregistré comme Google TPU v5p. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

Il a été entraîné sur un corpus d'environ 13,000,000,000,000 jetons de texte

Étape par étape

Comment choisir un GPU pour Gemma 2 27B

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

Vérifiez ce dont cela a besoin avant toute autre chose

Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de Gemma 2 27B, ayant besoin d'environ 14.4 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

Décidez combien de temps vos conversations tournent

Les conversations plus longues coûtent de la MÉMOIRE en plus de ce dont les POIDS ont besoin. Déplacez le curseur à votre longueur de travail réelle avant de faire confiance à une ligne pour Gemma 2 27B.
03

Choisissez jusqu'où vous allez le compresser

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

Classer par débit plutôt que par fiche technique

Trier par vitesse pour voir comment les cartes se classent pour Gemma 2 27B. 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 125 tok/s
05

Regardez la marge de manœuvre, pas seulement le fit.

Un ajustement serré fonctionne, mais ne laisse rien de libre pour une conversation plus longue, dans le cas de Gemma 2 27B. 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 Gemma 2 27B.

Réponses

Gemma 2 27B — questions courantes

Gemma 2 27B— à quoi ça sert ?

Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.

Gemma 2 27B— où puis-je le télécharger ?

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

Gemma 2 27B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 2.1 × 10²⁴ FLOP, sur matériel enregistré comme Google TPU v5p. 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.

Gemma 2 27B— 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 6.7 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Gemma 2 27B— deux GPUs l'exécuteraient-ils plus rapidement ?

Une seconde carte double à peu près la mémoire disponible mais pas le taux de génération. Le nombre déjà capable de le faire seul : 241. Ainsi, une seconde carte est rarement la réponse ici.

Gemma 2 27B— 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 : 5. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

Gemma 2 27B— 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 : 107–151 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.

Gemma 2 27B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Xeon Phi 7120P, avec une capacité de mémoire de 16 GB. Il exécute le modèle à une compression de Q3_K_M environ 14.4 GB, et produit environ 9.7 tous les GPU capables de l'exécuter en total 241.

Gemma 2 27B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 125 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 : 196.

Gemma 2 27B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 14.4 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.

Gemma 2 27B— Puis-je l'exécuter sur un GPU détenant 16 GB ?

Oui. La carte Tesla V100 SXM2 16 GB, tenue 16 GB, l'exécute à une compression de Q3_K_M, environ 14.4 GO et générant à peu près 47.8 tokens par seconde. L'ajustement est serré.

Gemma 2 27B— Puis-je l'exécuter sur un GPU détenant 24 GB ?

Oui. La carte GeForce RTX 5090 D V2, tenue 24 GB, l'exécute à une compression de Q5_K_M, environ 20.6 GO et générant à peu près 37.5 tokens par seconde. L'ajustement est serré.

Gemma 2 27B— 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.

Gemma 2 27B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 27B. 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.

Gemma 2 27B— qui l'a créé ?

Il a été publié par Google DeepMind, basé sur United States of America, une organisation catégorisée comme industry.

Gemma 2 27B— quand a-t-il été publié ?

Il a été publié dans June 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.

Source

Publication originale

Dernière mise à jour enregistrée 28 November 2025

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