Qwen-72B calculateur TPS

Ouvrir les poids Alibaba 72B paramètres November 2023

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 · IQ4_XS · 18.5 tok/s

Carte la plus rapide

B200

47.1 tok/s · 180 GB

Quelles GPU peuvent exécuter Qwen-72B?

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
47.1 tok/s 40–56	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	93.3 GB	Q8_0	Confortable
47.1 tok/s 40–56	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	93.3 GB	Q8_0	Confortable
37.6 tok/s 23–60 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	93.3 GB	Q8_0	Confortable
37.6 tok/s 23–60 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	93.3 GB	Q8_0	Confortable
35.3 tok/s 30–42	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	68.1 GB	Q5_K_M	À l'étroit
35.3 tok/s 30–42	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	68.1 GB	Q5_K_M	À l'étroit
33.7 tok/s 29–40	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	76.5 GB	Q6_K	À l'étroit
30.1 tok/s 18–48 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	93.3 GB	Q8_0	Confortable
29.2 tok/s 25–35	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.6 GB	IQ4_XS	À l'étroit
28.8 tok/s 24–35	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	93.3 GB	Q8_0	Confortable
28.8 tok/s 24–35	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	93.3 GB	Q8_0	Confortable
28.7 tok/s 24–34	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	À l'étroit
28.7 tok/s 24–34	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	À l'étroit
28.7 tok/s 24–34	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q6_K	À l'étroit
27.5 tok/s 17–44 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	93.3 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	93.3 GB	Q8_0	Confortable
21.4 tok/s 18–26	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	68.1 GB	Q5_K_M	À l'étroit
21.4 tok/s 18–26	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	68.1 GB	Q5_K_M	À l'étroit
21.4 tok/s 18–26	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	68.1 GB	Q5_K_M	À l'étroit
21.4 tok/s 18–26	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.1 GB	Q5_K_M	À l'étroit
21.4 tok/s 18–26	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	68.1 GB	Q5_K_M	À l'étroit
21.4 tok/s 18–26	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	68.1 GB	Q5_K_M	À l'étroit
20.4 tok/s 17–24	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	68.1 GB	Q5_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: Alibaba
Type d'organisation: Industry
Pays: China
Publié: 30 November 2023
Auteurs: Jinze Bai, Shuai Bai, Yunfei Chu, Zeyu Cui, Kai Dang, Xiaodong Deng, Yang Fan, Wenbin Ge, Yu Han, Fei Huang, Binyuan Hui, Luo Ji, Mei Li, Junyang Lin, Runji Lin, Dayiheng Liu, Gao Liu, Chengqiang Lu, Keming Lu, Jianxin Ma, Rui Men, Xingzhang Ren, Xuancheng Ren, Chuanqi Tan, Sinan Tan, Jianhong Tu, Peng Wang, Shijie Wang, Wei Wang, Shengguang Wu, Benfeng Xu, Jin Xu, An Yang, Hao Yang, Jian Yang, Sh…

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, Code generation, Language modeling/generation, 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: 72B
Données d'entraînement: 3,000,000,000,000 tokens
Taille de lot: 4,000,000

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: 1.3 × 10²⁴ FLOP
Comment cela a été établi: Operation counting

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.

Centre de données: The paper does not mention any hardware, GPUs or any information regarding the hardware used.

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
Pourquoi c'est suivi: SOTA improvement
Confiance d'enregistrement: Confident

Sources

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

Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Qwen-72B

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 Qwen-72B

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

Radeon Instinct MI200

Mémoire requise

55.6 GB

Le plus rapide

47.1 tok/s

Qwen-72B atteint un nombre de paramètres de 72B. 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.

À l'extrémité inférieure, cela est géré par Radeon Instinct MI200, avec une capacité de mémoire de 64 GB, le faisant fonctionner à une compression de IQ4_XS et produisant environ 18.5 tokens par seconde

À l'autre extrémité se trouve B200, générant à peu près 47.1 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

D'où cela vient-il

Qwen-72B a été publié par Alibaba, dans le pays enregistré comme China, durant November 2023. La catégorie à laquelle appartient l'éditeur est industry.

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

Les poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel indéfiniment, hors ligne, sans compte associé.

Comprendre les vitesses

La moitié des cartes qui le détiennent gèrent plus de 21.4 tokens par seconde 39 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.

Parce que l'architecture est enregistrée, la colonne de mémoire est dérivée plutôt qu'estimée.

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

La production a nécessité des calculs totalisant environ 1.3 × 10²⁴ FLOP. 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 3,000,000,000,000 jetons de texte

Son critère d'inclusion : sOTA improvement.

Étape par étape

Comment choisir un GPU pour Qwen-72B

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

Vérifiez ce dont cela a besoin avant toute autre chose

Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de Qwen-72B, ayant besoin d'environ 55.6 GB à une compression de IQ4_XS. Aucun montant de puissance de traitement ne compense une carte qui ne peut pas la supporter.
02

Décidez combien de temps vos conversations tournent

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. Qwen-72B.
03

Choisissez jusqu'où vous allez le compresser

Chaque carte exécute la copie la moins compressée qu'elle peut contenir., 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

Comparez les tokens par seconde, pas les spécifications.

Trier par vitesse pour voir comment les cartes se classent pour Qwen-72B. 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 47.1 tok/s
05

Lisez la colonne de compatibilité en dernier.

La colonne d'adéquation sépare les cartes qui y parviennent juste de celles qui ont de la marge, dans le cas de Qwen-72B. 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 Qwen-72B.

Réponses

Qwen-72B — questions courantes

Qwen-72B— qui l'a créé ?

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

Qwen-72B— quand a-t-il été publié ?

Il a été publié dans November 2023. 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.

Qwen-72B— à quoi ça sert ?

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

Qwen-72B— 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.

Qwen-72B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 1.3 × 10²⁴ 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.

Qwen-72B— 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 16.6 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Qwen-72B— 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.

Qwen-72B— 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 : 5. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

Qwen-72B— quelle est la précision de ces estimations de vitesse ?

Chaque chiffre est dérivé de la bande passante de la mémoire et de la taille du modèle, non vérifié par des tests, c'est pourquoi chacun est publié sous forme d'une plage plutôt que d'un nombre unique. Un exemple : 40–56 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.

Qwen-72B— 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 IQ4_XS environ 55.6 GB, et produit environ 18.5 tous les GPU capables de l'exécuter en total 43.

Qwen-72B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 47.1 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 : 39.

Qwen-72B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 55.6 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.

Qwen-72B— 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.

Qwen-72B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 72B. 72B. 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.

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