Ring-flash-linear-2.0 calculateur TPS

Ouvrir les poids Ant Group 104.2B paramètres October 2025

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

43 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Radeon Instinct MI200

64 GB · Q3_K_M · 14.0 tok/s

Carte la plus rapide

B200

32.5 tok/s · 180 GB

Quelles GPU peuvent exécuter Ring-flash-linear-2.0?

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.

43 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
32.5 tok/s 20–52 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	112.3 GB	Q8_0	Confortable
32.5 tok/s 20–52 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	112.3 GB	Q8_0	Confortable
31.5 tok/s 19–50 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	63.7 GB	Q4_K_M	À l'étroit
31.5 tok/s 19–50 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	63.7 GB	Q4_K_M	À l'étroit
28.6 tok/s 17–46 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.9 GB	Q5_K_M	À l'étroit
26.0 tok/s 16–42 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Confortable
26.0 tok/s 16–42 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	À l'étroit
24.4 tok/s 15–39 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	À l'étroit
24.4 tok/s 15–39 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	À l'étroit
22.2 tok/s 13–35 · faible confiance	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	51.6 GB	Q3_K_M	À l'étroit
20.8 tok/s 12–33 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	112.3 GB	Q8_0	À l'étroit
19.9 tok/s 12–32 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	À l'étroit
19.9 tok/s 12–32 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	À l'étroit
19.1 tok/s 11–31 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	63.7 GB	Q4_K_M	À l'étroit
19.1 tok/s 11–31 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	63.7 GB	Q4_K_M	À l'étroit
19.1 tok/s 11–31 · faible confiance	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	63.7 GB	Q4_K_M	À l'étroit
19.1 tok/s 11–31 · faible confiance	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	À l'étroit
19.1 tok/s 11–31 · faible confiance	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	63.7 GB	Q4_K_M	À l'étroit
19.1 tok/s 11–31 · faible confiance	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	À l'étroit
19.0 tok/s 11–30 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	112.3 GB	Q8_0	Confortable
18.2 tok/s 11–29 · faible confiance	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	63.7 GB	Q4_K_M	À l'étroit
18.2 tok/s 11–29 · faible confiance	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	63.7 GB	Q4_K_M	À l'étroit
16.9 tok/s 10–27 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	112.3 GB	Q8_0	À l'étroit
16.9 tok/s 10–27 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	112.3 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: Ant Group
Type d'organisation: Industry
Pays: China
Publié: 23 October 2025
Auteurs: Bin Han, Caizhi Tang, Chen Liang, Donghao Zhang, Fan Yuan, Feng Zhu, Jie Gao, Jingyu Hu, Longfei Li, Meng Li, Mingyang Zhang, Peijie Jiang, Peng Jiao, Qian Zhao, Qingyuan Yang, Wenbo Shen, Xinxing Yang, Yalin Zhang, Yankun Ren, Yao Zhao, Yibo Cao, Yixuan Sun, Yue Zhang, Yuchen Fang, Zibin Lin, Zixuan Cheng, Jun Zhou

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, Quantitative reasoning, Code generation, Mathematical reasoning
Modèle de base: Ling-flash-base-2.0-20T
Format numérique: FP8

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: 104.2B
Données d'entraînement: 1,000,000,000,000 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: 7.7 × 10²³ FLOP
Comment cela a été établi: Operation counting
Ajustement fin des calculs: 3.7 × 10²² FLOP

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 H800 SXM5
Chips utilisés: 32
Consommation d'énergie: 43.7 kW

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: inclusionAI

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.

Confiance d'enregistrement: Confident

Sources

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

Référence: Every Attention Matters: An Efficient Hybrid Architecture for Long-Context Reasoning
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Ring-flash-linear-2.0

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 Ring-flash-linear-2.0

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

Radeon Instinct MI200

Mémoire requise

51.6 GB

Le plus rapide

32.5 tok/s

Ring-flash-linear-2.0 atteint un nombre de paramètres de 104.2B. 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 : 43.

Le matériel minimum qui fonctionne est Radeon Instinct MI200, avec une capacité de mémoire de 64 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 14.0 tokens par seconde

Le résultat le plus rapide vient de B200, générant à peu près 32.5 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

D'où cela vient-il

Ring-flash-linear-2.0 a été publié par Ant Group, dans le pays enregistré comme China, durant October 2025. L'organisation de publication est catégorisée comme industry.

Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering, Quantitative reasoning, Code generation, Mathematical reasoning.

Plutôt que d'être entraîné depuis le début, il est dérivé de Ling-flash-base-2.0-20T. La plupart des modèles à cette échelle sont adaptés d'une base existante plutôt que construits de rien.

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. Sur Hugging Face, il est publié sous l'organisation inclusionAI.

Comprendre les vitesses

Le résultat médian est d'environ 18.2 tokens par seconde 37 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 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.

Comment il a été entraîné

L'entraînement a nécessité un budget de calcul d'environ 7.7 × 10²³ FLOP, sur matériel enregistré comme NVIDIA H800 SXM5. 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 1,000,000,000,000 jetons de texte

Étape par étape

Comment choisir un GPU pour Ring-flash-linear-2.0

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 Ring-flash-linear-2.0, ayant besoin d'environ 51.6 GB à une compression de Q3_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. Ring-flash-linear-2.0.
03

Décidez combien de compression vous allez accepter

Chaque carte exécute la copie la moins compressée qu'elle peut contenir., 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 Ring-flash-linear-2.0. 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 32.5 tok/s
05

Vérifiez le verdict de compatibilité avant d'acheter

Tight signifie qu'il se charge et fonctionne sans possibilité d'augmenter le contexte plus tard, dans le cas de Ring-flash-linear-2.0. 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 Ring-flash-linear-2.0.

Réponses

Ring-flash-linear-2.0 — questions courantes

Ring-flash-linear-2.0— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Radeon Instinct MI200, avec une capacité de mémoire de 64 GB. Il exécute le modèle à une compression de Q3_K_M environ 51.6 GB, et produit environ 14.0 tous les GPU capables de l'exécuter en total 43.

Ring-flash-linear-2.0— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 32.5 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 : 37.

Ring-flash-linear-2.0— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 51.6 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.

Ring-flash-linear-2.0— 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.

Ring-flash-linear-2.0— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 104.2B. Ring-flash-linear-2.0 contains 104B parameters and 6.1B activations. 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.

Ring-flash-linear-2.0— qui l'a créé ?

Il a été publié par Ant Group, basé sur China, une organisation catégorisée comme industry.

Ring-flash-linear-2.0— quand a-t-il été publié ?

Il a été publié dans October 2025.

Ring-flash-linear-2.0— à quoi ça sert ?

Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, Quantitative reasoning, Code generation, Mathematical reasoning. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.

Ring-flash-linear-2.0— où puis-je le télécharger ?

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

Ring-flash-linear-2.0— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 7.7 × 10²³ FLOP, sur matériel enregistré comme NVIDIA H800 SXM5. 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.

Ring-flash-linear-2.0— 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 20.5 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Ring-flash-linear-2.0— 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 : 43. Ainsi, une seconde carte est rarement la réponse ici.

Ring-flash-linear-2.0— 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 : 4. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

Ring-flash-linear-2.0— 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 : 20–52 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.

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