Gemma 7B calculateur TPS

Ouvrir les poids Google DeepMind 8.5B paramètres February 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

306 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

P102-101

10 GB · Q4_K_M · 31.2 tok/s

Carte la plus rapide

B200

397 tok/s · 180 GB

Quelles GPU peuvent exécuter Gemma 7B?

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.

306 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
397 tok/s 337–476	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	12.8 GB	Q8_0	Confortable
397 tok/s 337–476	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	12.8 GB	Q8_0	Confortable
317 tok/s 190–507 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	12.8 GB	Q8_0	Confortable
317 tok/s 190–507 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	12.8 GB	Q8_0	Confortable
253 tok/s 152–405 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	12.8 GB	Q8_0	Confortable
243 tok/s 206–291	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	12.8 GB	Q8_0	Confortable
243 tok/s 206–291	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	12.8 GB	Q8_0	Confortable
232 tok/s 139–371 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	12.8 GB	Q8_0	Confortable
206 tok/s 124–330 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	12.8 GB	Q8_0	Confortable
206 tok/s 124–330 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	12.8 GB	Q8_0	Confortable
206 tok/s 124–330 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	12.8 GB	Q8_0	Confortable
195 tok/s 166–235	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	12.8 GB	Q8_0	Confortable
179 tok/s 152–214	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.8 GB	Q4_K_M	À l'étroit
167 tok/s 142–200	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Confortable
167 tok/s 142–200	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	12.8 GB	Q8_0	Confortable
167 tok/s 142–200	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Confortable
167 tok/s 142–200	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Confortable
167 tok/s 142–200	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	12.8 GB	Q8_0	Confortable
127 tok/s 76–203 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	12.8 GB	Q8_0	Confortable
127 tok/s 76–203 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	12.8 GB	Q8_0	Confortable
106 tok/s 63–169 · faible confiance	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	12.8 GB	Q8_0	Confortable
104 tok/s 62–166 · faible confiance	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	12.8 GB	Q8_0	Confortable
101 tok/s 86–121	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	12.8 GB	Q8_0	Confortable
101 tok/s 86–121	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	12.8 GB	Q8_0	Confortable
101 tok/s 86–121	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	12.8 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: 21 February 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: 8.5B
Données d'entraînement: 6,000,000,000,000 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: 3.1 × 10²³ FLOP
Comment cela a été établi: Operation counting,Hardware

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 v5e
Chips utilisés: 4,096
Consommation d'énergie: 1.8 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

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: Open Models Based on Gemini Research and Technology
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Gemma 7B

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 7B

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

P102-101

Mémoire requise

8.8 GB

Le plus rapide

397 tok/s

Gemma 7B atteint un nombre de paramètres de 8.5B. C'est suffisamment petit pour que le matériel soit rarement l'obstacle, y compris sur des CARDS âgées de plusieurs années. Le nombre de CARDS que nous suivons et qui peuvent le faire fonctionner : 306.

Le matériel minimum qui fonctionne est P102-101, avec une capacité de mémoire de 10 GB, le faisant fonctionner à une compression de Q4_K_M et produisant environ 31.2 tokens par seconde

À l'autre extrémité se trouve B200, générant à peu près 397 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Ce que ce modèle est

Gemma 7B a été publié par Google DeepMind, dans le pays enregistré comme United States of America, durant February 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.

Qu'est-ce qui détermine la vitesse

La moitié des cartes qui le détiennent gèrent plus de 30.4 tokens par seconde 282 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 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 nécessité un budget de calcul d'environ 3.1 × 10²³ FLOP, sur matériel enregistré comme Google TPU v5e. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

L'entraînement a consommé un corpus d'environ 6,000,000,000,000 jetons de texte

Étape par étape

Comment choisir un GPU pour Gemma 7B

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

Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de Gemma 7B, ayant besoin d'environ 8.8 GB à une compression de Q4_K_M. 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. Gemma 7B.
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 Q4_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 7B. 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 397 tok/s
05

Vérifiez le verdict de compatibilité avant d'acheter

La colonne d'adéquation sépare les cartes qui y parviennent juste de celles qui ont de la marge, dans le cas de Gemma 7B. 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

Voir ce que cette carte exécute d'autre.

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 7B.

Réponses

Gemma 7B — questions courantes

Gemma 7B— quand a-t-il été publié ?

Il a été publié dans February 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.

Gemma 7B— 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. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.

Gemma 7B— 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.

Gemma 7B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 3.1 × 10²³ FLOP, sur matériel enregistré comme Google TPU v5e. 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 7B— Puis-je l'exécuter s'il ne tient pas dans ma GPU?

Seulement en déchargeant, ce qui est généralement une fausse économie : la partie maintenue en mémoire système tire l'ensemble vers le bas. La plus proche approximation que nous calculons est inférieure de 1.6 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Gemma 7B— 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 : 306. Ainsi, une seconde carte est rarement la réponse ici.

Gemma 7B— pourquoi la quantification diffère-t-elle entre les cartes ?

Parce que la capacité varie, il en va de même pour la difficulté à être comprimé. Le nombre de niveaux distincts dans le tableau ci-dessus : 3. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

Gemma 7B— 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 : 337–476 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 7B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est P102-101, avec une capacité de mémoire de 10 GB. Il exécute le modèle à une compression de Q4_K_M environ 8.8 GB, et produit environ 31.2 tous les GPU capables de l'exécuter en total 306.

Gemma 7B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 397 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 : 282.

Gemma 7B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 8.8 GB à une compression de Q4_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 7B— Puis-je l'exécuter sur un GPU détenant 12 GB ?

Oui. La carte GeForce RTX 3080 Ti, tenue 12 GB, l'exécute à une compression de Q5_K_M, environ 9.8 GO et générant à peu près 80.8 tokens par seconde. L'ajustement est serré.

Gemma 7B— 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 Q8_0, environ 12.8 GO et générant à peu près 56.1 tokens par seconde. L'ajustement est serré.

Gemma 7B— 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 Q8_0, environ 12.8 GO et générant à peu près 66.5 jetons par seconde. L'adéquation est confortable.

Gemma 7B— 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 7B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 8.5B. Table 2, sum of embedding and non-embedding parameters. 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 7B— qui l'a créé ?

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

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