Qwen1.5-14B calculateur TPS

Ouvrir les poids Alibaba 14B 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

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 · IQ4_XS · 17.0 tok/s

Carte la plus rapide

B200

242 tok/s · 180 GB

Quelles GPU peuvent exécuter Qwen1.5-14B?

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
242 tok/s 206–290	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	21.1 GB	Q8_0	Confortable
242 tok/s 206–290	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	21.1 GB	Q8_0	Confortable
193 tok/s 116–309 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	21.1 GB	Q8_0	Confortable
193 tok/s 116–309 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	21.1 GB	Q8_0	Confortable
155 tok/s 93–247 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	21.1 GB	Q8_0	Confortable
148 tok/s 126–178	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.1 GB	Q8_0	Confortable
148 tok/s 126–178	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.1 GB	Q8_0	Confortable
142 tok/s 85–227 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	21.1 GB	Q8_0	Confortable
126 tok/s 75–201 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	21.1 GB	Q8_0	Confortable
126 tok/s 75–201 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	21.1 GB	Q8_0	Confortable
126 tok/s 75–201 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	21.1 GB	Q8_0	Confortable
119 tok/s 101–143	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	21.1 GB	Q8_0	Confortable
102 tok/s 86–122	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Confortable
102 tok/s 86–122	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	21.1 GB	Q8_0	Confortable
102 tok/s 86–122	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Confortable
102 tok/s 86–122	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Confortable
102 tok/s 86–122	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	21.1 GB	Q8_0	Confortable
83.9 tok/s 71–101	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.7 GB	IQ4_XS	À l'étroit
77.4 tok/s 46–124 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	21.1 GB	Q8_0	Confortable
77.4 tok/s 46–124 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	21.1 GB	Q8_0	Confortable
71.3 tok/s 61–86	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.7 GB	IQ4_XS	À l'étroit
66.6 tok/s 57–80	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.7 GB	IQ4_XS	À l'étroit
66.6 tok/s 57–80	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.7 GB	IQ4_XS	À l'étroit
66.6 tok/s 57–80	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.7 GB	IQ4_XS	À l'étroit
66.6 tok/s 57–80	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	13.7 GB	IQ4_XS	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: Alibaba
Type d'organisation: Industry
Pays: China
Publié: 4 February 2024
Auteurs: Qwen Team

Ce qu'il fait

Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.

Domaine: Language
Tâche: Chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation

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: 14B
Données d'entraînement: 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: 3.4 × 10²³ FLOP
Comment cela a été établi: Operation counting

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: Qwen

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: Introducing Qwen1.5
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Qwen1.5-14B

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 Qwen1.5-14B

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

Le côté matériel

Carte minimale

Xeon Phi 7120P

Mémoire requise

13.7 GB

Le plus rapide

242 tok/s

Qwen1.5-14B atteint un nombre de paramètres de 14B. 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 : 241.

À l'extrémité inférieure, cela est géré par Xeon Phi 7120P, avec une capacité de mémoire de 16 GB, le faisant fonctionner à une compression de IQ4_XS et produisant environ 17.0 tokens par seconde

Haut de gamme est B200, générant à peu près 242 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Contexte

Qwen1.5-14B a été publié par Alibaba, dans le pays enregistré comme China, durant February 2024. L'organisation de publication est catégorisée comme industry.

Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation.

Les poids étant ouverts, c'est ce qui place cette page dans le calculateur plutôt que seulement dans le catalogue : c'est un modèle que vous pouvez réellement tenir. Sur Hugging Face, il est publié sous l'organisation Qwen.

Lire les chiffres de débit

Le résultat médian est d'environ 28.5 tokens par seconde. Produire du texte plus vite que la plupart des gens ne le lisent. 220 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.

Qu'est-ce qui a été nécessaire pour le construire

L'entraînement a consommé environ 3.4 × 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 Qwen1.5-14B

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

Lisez d'abord le chiffre de mémoire

Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de Qwen1.5-14B, ayant besoin d'environ 13.7 GB à une compression de IQ4_XS. 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.

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 Qwen1.5-14B.
03

Décidez combien de compression vous allez accepter

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 IQ4_XS 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

Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour Qwen1.5-14B. 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 242 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 Qwen1.5-14B. 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.

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 Qwen1.5-14B.

Réponses

Qwen1.5-14B — questions courantes

Qwen1.5-14B— où puis-je le télécharger ?

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

Qwen1.5-14B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 3.4 × 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.

Qwen1.5-14B— 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 3.7 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Qwen1.5-14B— 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 : 241. Ainsi, une seconde carte est rarement la réponse ici.

Qwen1.5-14B— 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.

Qwen1.5-14B— 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 : 206–290 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.

Qwen1.5-14B— 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 IQ4_XS environ 13.7 GB, et produit environ 17.0 tous les GPU capables de l'exécuter en total 241.

Qwen1.5-14B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 242 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 : 220.

Qwen1.5-14B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 13.7 GB à une compression de IQ4_XS, 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.

Qwen1.5-14B— 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 IQ4_XS, environ 13.7 GO et générant à peu près 83.9 tokens par seconde. L'ajustement est serré.

Qwen1.5-14B— 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 21.1 GO et générant à peu près 40.5 tokens par seconde. L'ajustement est serré.

Qwen1.5-14B— 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.

Qwen1.5-14B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 14B. 14B. 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.

Qwen1.5-14B— qui l'a créé ?

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

Qwen1.5-14B— 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.

Qwen1.5-14B— à quoi ça sert ?

Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de chat, Language modeling/generation, Quantitative reasoning, Code generation, Translation. 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.

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