Arctic 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
B300
288 GB · Q3_K_M · 19.1 tok/s
Carte la plus rapide
B300
19.1 tok/s · 288 GB
Quelles GPU peuvent exécuter Arctic?
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..
3 cartes correspondent
Calcul en cours| Besoin | Quantification | Convient | |||||
|---|---|---|---|---|---|---|---|
|
19.1
tok/s
11–30 · faible confiance |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 235.2 GB | Q3_K_M | À l'étroit |
|
15.2
tok/s
9–24 · faible confiance |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 235.2 GB | Q3_K_M | À l'étroit |
|
15.2
tok/s
9–24 · faible confiance |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 235.2 GB | Q3_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
- Snowflake
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 24 April 2024
- Auteurs
- Snowflake AI Research
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, Question answering, Code generation, 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
- 480B
- Données d'entraînement
- tokens
" It combines a 10B dense transformer model with a residual 128x3.66B MoE MLP resulting in 480B total and 17B active parameters chosen using a top-2 gating."
"Arctic was trained with a three-stage curriculum each with a different data composition focusing on generic skills in the first phase (1T Tokens), and enterprise-focused skills in the latter two phases (1.5T and 1T tokens). " 1+1.5+1 = 3.5
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
- 3.8 × 10²³ FLOP
- Comment cela a été établi
- Other,Operation counting
from the graph: 1x - Arctic 1.9X - Llama 3 8B (7.2×10^23) ~ = Yi 34B (6.1e23) -> x = 3.2105263e+23 3X - Code Llama 70B (1.26e+24) -> x = 4.2e+23 17.5X - Llama 3 70B (7.861e24) -> x =4.492e+23 = 3.7975893e+23 Operation counting (17B active parameters): 6ND = 6 FLOP / parameter / token * 17*10^9 parameters * 3.5*10^12 tokens = 3.57e+23 FLOP geometric mean:(3.2105263e+23*4.492e+23*4.2e+23*3.57e+23)^(1/4) = 3.8347175e+23
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.
- Heures de puce
- 504,000
- Coût de calcul
- $2,000,000
- Fournisseur de cloud
- AWS
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
Apache 2.0 license with ungated access to weights and code paired with open data recipe and research insights.
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
- Snowflake Arctic: The Best LLM for Enterprise AI — Efficiently Intelligent, Truly Open
- Dernière mise à jour
- 28 November 2025
Les extrêmes
Les dix GPU les plus rapides qui exécutent Arctic
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 Arctic
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 qu'il faut pour exécuter ce modèle
Carte minimale
B300
Mémoire requise
235.2 GB
Le plus rapide
19.1 tok/s
Arctic atteint un nombre de paramètres de 480B. 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 : 3.
La plus petite carte qui le contient est B300, avec une capacité de mémoire de 288 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 19.1 tokens par seconde
Haut de gamme est B300, générant à peu près 19.1 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.
Ce que ce modèle est
Arctic a été publié par Snowflake, dans le pays enregistré comme United States of America, durant April 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, Question answering, Code generation, Quantitative reasoning.
Les poids publiés signifient que le modèle fonctionne sur votre machine plutôt que sur celle de quelqu'un d'autre, ce qui rend la question matérielle ci-dessous répondable.
Qu'est-ce qui détermine la vitesse
La moitié des cartes qui le détiennent gèrent plus de 15.2 tokens par seconde. Dépassement direct de la vitesse de lecture. 3 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.
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.
Entraînement et provenance
La production a nécessité des calculs totalisant environ 3.8 × 10²³ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Étape par étape
Comment choisir un GPU pour Arctic
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
La table répertorie chaque carte capable de supporter Arctic, ayant besoin d'environ 235.2 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. Arctic.
-
03
Choisissez jusqu'où vous allez le compresser
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
Comparez les tokens par seconde, pas les spécifications.
La commande de vitesse est effectivement un classement par bande passante mémoire, pour Arctic. 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 19.1 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 Arctic. 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 page de carte répète ce balayage pour chaque modèle que nous détenons, répondant à ce que le matériel peut faire d'autre au-delà de Arctic.
Réponses
Arctic — questions courantes
Arctic— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, Code generation, Quantitative reasoning. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Arctic— où puis-je le télécharger ?
Les poids sont publiés, bien que nous ne possédions pas de lien vers un dépôt pour cela. Ce site calcule les exigences matérielles plutôt que d'héberger des fichiers de modèle.
Arctic— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 3.8 × 10²³ 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.
Arctic— 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 60.7 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.
Arctic— deux GPUs l'exécuteraient-ils plus rapidement ?
Deux cartes achètent de la mémoire plutôt que de la vitesse, ce qui est important seulement si une carte ne peut pas la contenir. Le nombre qui peut : 3. Ainsi, une seconde carte est rarement la réponse ici.
Arctic— 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 : 1. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.
Arctic— 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 : 11–30 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.
Arctic— Quelle GPU ai-je besoin pour l'exécuter ?
La plus petite CARTE de notre catalogue qui le supporte est B300, avec une capacité de mémoire de 288 GB. Il exécute le modèle à une compression de Q3_K_M environ 235.2 GB, et produit environ 19.1 tous les GPU capables de l'exécuter en total 3.
Arctic— à quelle vitesse est-il sur un GPU ?
Cela dépend de la carte. Le plus rapide que nous calculons est B300, à propos de 19.1 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 : 3.
Arctic— combien de VRAM cela nécessite-t-il ?
Cela nécessite environ 235.2 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.
Arctic— 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.
Arctic— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 480B. " It combines a 10B dense transformer model with a residual 128x3.66B MoE MLP resulting in 480B total and 17B active parameters chosen using a top-2 gating.". 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.
Arctic— qui l'a créé ?
Il a été publié par Snowflake, basé sur United States of America, une organisation catégorisée comme industry.
Arctic— quand a-t-il été publié ?
Il a été publié dans April 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.
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.