Nemotron-4 340B 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 MI300X
192 GB · Q3_K_M · 14.0 tok/s
Carte la plus rapide
B300
17.8 tok/s · 288 GB
Quelles GPU peuvent exécuter Nemotron-4 340B?
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..
6 cartes correspondent
Calcul en cours| Besoin | Quantification | Convient | |||||
|---|---|---|---|---|---|---|---|
|
17.8
tok/s
11–28 · faible confiance |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 246.0 GB | Q5_K_M | À l'étroit |
|
14.2
tok/s
9–23 · faible confiance |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 246.0 GB | Q5_K_M | À l'étroit |
|
14.2
tok/s
9–23 · faible confiance |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 246.0 GB | Q5_K_M | À l'étroit |
|
14.0
tok/s
8–22 · faible confiance |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 166.8 GB | Q3_K_M | À l'étroit |
|
14.0
tok/s
8–22 · faible confiance |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 166.8 GB | Q3_K_M | À l'étroit |
|
13.5
tok/s
8–22 · faible confiance |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 206.4 GB | Q4_K_M | 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
- NVIDIA
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 14 June 2024
- Auteurs
- Bo Adler, Niket Agarwal, Ashwath Aithal, Dong H. Anh, Pallab Bhattacharya, Annika Brundyn, Jared Casper, Bryan Catanzaro, Sharon Clay, Jonathan Cohen, Sirshak Das, Ayush Dattagupta, Olivier Delalleau, Leon Derczynski, Yi Dong, Daniel Egert, Ellie Evans, Aleksander Ficek, Denys Fridman, Shaona Ghosh, Boris Ginsburg, Igor Gitman, Tomasz Grzegorzek, Robert Hero, Jining Huang, Vibhu Jawa, Joseph Jenni…
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
- 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
- 340B
- Données d'entraînement
- 9,000,000,000,000 tokens
- Taille de lot
- 9,437,184
340B
9T training tokens. They first train on an 8T token dataset and then an additional 1T tokens, it's slightly unclear if that's more data or a partial second epoch 6.75T words using 1 token = 0.75 words
2304 * 4096
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
- 1.8 × 10²⁵ FLOP
- Comment cela a été établi
- Operation counting,Hardware
9 trillion tokens for training 6 * 340B * 9T = 1.8E25 alternatively, can do a hardware estimate with a few extra steps: According to the technical report, Nemotron-4 340B was trained using up to 6144 H100 GPUs. Helpfully, they also report the model FLOP utilization (MFU), which was 41-42% (Table 2). This is the ratio of the actual output of their GPUs, in FLOP used for training, relative to their theoretical max of 989 teraFLOP/s per GPU. Unfortunately, the report omits the last ingredient, w…
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
- 6,144
- Temps en temps réel
- 2,200 hours (91.7 days)
- Utilisation du matériel
- MFU 41.1%
- Consommation d'énergie
- 8.5 MW
- Coût de calcul
- $21,271,018
see training compute notes, this is an inferred estimate
Table 2 indicates MFU at different stages of training. ((42.4% * 200B) + (42.3% * 200B) + (41.0% * 7600B)) / (200B + 200B + 7600B) = 0.410675, averaged over training.
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
- Unreleased
- Hugging Face
- nvidia
Permissive commercial license: https://developer.download.nvidia.com/licenses/nvidia-open-model-license-agreement-june-2024.pdf
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.
- Modèle Frontier
- Yes
- Probablement au-dessus de 10²³ FLOP
- Yes
- Pourquoi c'est suivi
- Training cost
- Confiance d'enregistrement
- Confident
~2e25 FLOP, so high training cost, likely >5M
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- NVIDIA Releases Open Synthetic Data Generation Pipeline for Training Large Language Models
- Dernière mise à jour
- 18 December 2025
Les extrêmes
Les dix GPU les plus rapides qui exécutent Nemotron-4 340B
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..
- 01 B300 288 GB · 8,000 GB/s · Q5_K_M 17.8 tok/s
- 02 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q5_K_M 14.2 tok/s
- 03 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q5_K_M 14.2 tok/s
- 04 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q3_K_M 14.0 tok/s
- 05 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q3_K_M 14.0 tok/s
- 06 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q4_K_M 13.5 tok/s
Les plus petits GPU qui fonctionnent encore Nemotron-4 340B
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 MI300X 192 GB · Besoin 166.8 GB · Q3_K_M · À l'étroit 14.0 tok/s
- 02 Radeon Instinct MI308X 192 GB · Besoin 166.8 GB · Q3_K_M · À l'étroit 14.0 tok/s
- 03 Radeon Instinct MI325X 256 GB · Besoin 206.4 GB · Q4_K_M · À l'étroit 13.5 tok/s
- 04 B300 288 GB · Besoin 246.0 GB · Q5_K_M · À l'étroit 17.8 tok/s
- 05 Radeon Instinct MI350X 288 GB · Besoin 246.0 GB · Q5_K_M · À l'étroit 14.2 tok/s
- 06 Radeon Instinct MI355X 288 GB · Besoin 246.0 GB · Q5_K_M · À l'étroit 14.2 tok/s
Ce que les chiffres signifient
Ce qu'il faut pour exécuter ce modèle
Carte minimale
Radeon Instinct MI300X
Mémoire requise
166.8 GB
Le plus rapide
17.8 tok/s
Nemotron-4 340B atteint un nombre de paramètres de 340B. 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 : 6.
La plus petite carte qui le contient est Radeon Instinct MI300X, avec une capacité de mémoire de 192 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 14.0 tokens par seconde
Le plus rapide que nous calculons pour cela est B300, générant à peu près 17.8 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.
Ce que ce modèle est
Nemotron-4 340B a été publié par NVIDIA, dans le pays enregistré comme United States of America, durant June 2024. La catégorie à laquelle appartient l'éditeur est industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Chat, Question answering.
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 nvidia.
Qu'est-ce qui détermine la vitesse
La moitié des cartes qui le détiennent gèrent plus de 14.1 tokens par seconde. Produire du texte plus vite que la plupart des gens ne le lisent. 6 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 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.
Entraînement et provenance
L'entraînement a consommé environ 1.8 × 10²⁵ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. 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 9,000,000,000,000 jetons de texte
Son critère d'inclusion : training cost.
Étape par étape
Comment choisir un GPU pour Nemotron-4 340B
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
Commencez par la colonne mémoire
Chaque carte ici a été vérifiée contre Nemotron-4 340B, ayant besoin d'environ 166.8 GB à une compression de Q3_K_M. La capacité est la porte — une carte soit la détient soit ne la détient pas.
-
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. Nemotron-4 340B.
-
03
Définir un seuil de qualité
La Compression est ce qui permet à un modèle de s'adapter à des cartes plus petites, au prix d'une certaine précision., 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
La commande de vitesse est effectivement un classement par bande passante mémoire, pour Nemotron-4 340B. 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 17.8 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 Nemotron-4 340B. 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
Ouvrez la carte sur laquelle vous vous êtes arrêté.
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 Nemotron-4 340B.
Réponses
Nemotron-4 340B — questions courantes
Nemotron-4 340B— 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 44.4 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.
Nemotron-4 340B— 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 : 6. Ainsi, une seconde carte est rarement la réponse ici.
Nemotron-4 340B— 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 : 3. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.
Nemotron-4 340B— 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 : 11–28 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.
Nemotron-4 340B— Quelle GPU ai-je besoin pour l'exécuter ?
La plus petite CARTE de notre catalogue qui le supporte est Radeon Instinct MI300X, avec une capacité de mémoire de 192 GB. Il exécute le modèle à une compression de Q3_K_M environ 166.8 GB, et produit environ 14.0 tous les GPU capables de l'exécuter en total 6.
Nemotron-4 340B— à quelle vitesse est-il sur un GPU ?
Cela dépend de la carte. Le plus rapide que nous calculons est B300, à propos de 17.8 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 : 6.
Nemotron-4 340B— combien de VRAM cela nécessite-t-il ?
Cela nécessite environ 166.8 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.
Nemotron-4 340B— 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.
Nemotron-4 340B— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 340B. 340B. 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.
Nemotron-4 340B— qui l'a créé ?
Il a été publié par NVIDIA, basé sur United States of America, une organisation catégorisée comme industry.
Nemotron-4 340B— 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.
Nemotron-4 340B— 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.
Nemotron-4 340B— où puis-je le télécharger ?
Ses poids sont publiés sur Hugging Face, sous l'organisation nvidia. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.
Nemotron-4 340B— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.8 × 10²⁵ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. 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.
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.