CogVLM-17B calculateur TPS

Ouvrir les poids Tsinghua University,Z.ai (Zhipu AI),Beihang University 17B 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

295 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

GeForce GTX 1080 Ti

11 GB · Q3_K_M · 27.7 tok/s

Carte la plus rapide

B200

199 tok/s · 180 GB

Quelles GPU peuvent exécuter CogVLM-17B?

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.

295 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
199 tok/s 120–319 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	18.9 GB	Q8_0	Confortable
199 tok/s 120–319 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	18.9 GB	Q8_0	Confortable
159 tok/s 95–255 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	18.9 GB	Q8_0	Confortable
159 tok/s 95–255 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	18.9 GB	Q8_0	Confortable
127 tok/s 76–204 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	18.9 GB	Q8_0	Confortable
122 tok/s 73–195 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	18.9 GB	Q8_0	Confortable
122 tok/s 73–195 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	18.9 GB	Q8_0	Confortable
117 tok/s 70–187 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	18.9 GB	Q8_0	Confortable
103 tok/s 62–166 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	18.9 GB	Q8_0	Confortable
103 tok/s 62–166 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	18.9 GB	Q8_0	Confortable
103 tok/s 62–166 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	18.9 GB	Q8_0	Confortable
98.2 tok/s 59–157 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	18.9 GB	Q8_0	Confortable
83.7 tok/s 50–134 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Confortable
83.7 tok/s 50–134 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	18.9 GB	Q8_0	Confortable
83.7 tok/s 50–134 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Confortable
83.7 tok/s 50–134 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Confortable
83.7 tok/s 50–134 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	18.9 GB	Q8_0	Confortable
63.7 tok/s 38–102 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	18.9 GB	Q8_0	Confortable
63.7 tok/s 38–102 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	18.9 GB	Q8_0	Confortable
55.8 tok/s 33–89 · faible confiance	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.0 GB	IQ4_XS	À l'étroit
55.8 tok/s 33–89 · faible confiance	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.0 GB	IQ4_XS	À l'étroit
53.1 tok/s 32–85 · faible confiance	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	18.9 GB	Q8_0	Confortable
52.0 tok/s 31–83 · faible confiance	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	18.9 GB	Q8_0	Confortable
50.8 tok/s 30–81 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	18.9 GB	Q8_0	Confortable
50.8 tok/s 30–81 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	18.9 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: Tsinghua University,Z.ai (Zhipu AI),Beihang University
Type d'organisation: Academia,Industry,Academia
Pays: China
Publié: 6 November 2023
Auteurs: Weihan Wang, Qingsong Lv, Wenmeng Yu, Wenyi Hong, Ji Qi, Yan Wang, Junhui Ji, Zhuoyi Yang, Lei Zhao, Xixuan Song, Jiazheng Xu, Bin Xu, Juanzi Li, Yuxiao Dong, Ming Ding, Jie Tang

Ce qu'il fait

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

Domaine: Multimodal, Vision, Language
Tâche: Image captioning, Visual question answering, Chat
Approche: Supervised
Modèle de base: Vicuna-7B v0
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: 17B
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: 6.3 × 10²² FLOP
Comment cela a été établi: Reported
Ajustement fin des calculs: 2 × 10²² FLOP

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.

Modèle de fondation: Yes
Pourquoi c'est suivi: SOTA improvement
Confiance d'enregistrement: Confident
Citations: 794

Sources

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

Référence: CogVLM: Visual Expert for Pretrained Language Models
Dernière mise à jour: 25 May 2026

Les extrêmes

Les dix GPU les plus rapides qui exécutent CogVLM-17B

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 CogVLM-17B

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

GeForce GTX 1080 Ti

Mémoire requise

9.0 GB

Le plus rapide

199 tok/s

CogVLM-17B atteint un nombre de paramètres de 17B. 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 : 295.

Le matériel minimum qui fonctionne est GeForce GTX 1080 Ti, avec une capacité de mémoire de 11 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 27.7 tokens par seconde

Le résultat le plus rapide vient de B200, générant à peu près 199 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Contexte

CogVLM-17B a été publié par Tsinghua University,Z.ai (Zhipu AI),Beihang University, dans le pays enregistré comme China, durant November 2023. L'organisation de publication est catégorisée comme academia,Industry,Academia.

Il fonctionne dans le domaine de Multimodal, Vision, Language, et est enregistré comme exécutant la tâche de image captioning, Visual question answering, Chat.

Plutôt que d'être entraîné depuis le début, il est dérivé de Vicuna-7B v0. C'est pourquoi il partage la forme et la taille générales du modèle de base.

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.

Lire les chiffres de débit

La moitié des cartes qui le détiennent gèrent plus de 20.6 tokens par seconde 251 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.

La mémoire ici est estimée à partir de la taille plutôt que calculée à partir de l'architecture, qui n'est pas enregistrée pour ce modèle — les chiffres sont indicatifs plutôt qu'exacts.

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

L'entraînement a consommé environ 6.3 × 10²² FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

Son critère d'inclusion : sOTA improvement.

Étape par étape

Comment choisir un GPU pour CogVLM-17B

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 CogVLM-17B, ayant besoin d'environ 9.0 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.

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. CogVLM-17B.
03

Choisissez jusqu'où vous allez le compresser

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

Comparez les tokens par seconde, pas les spécifications.

Trier par vitesse pour voir comment les cartes se classent pour CogVLM-17B. 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 199 tok/s
05

Lisez la colonne de compatibilité en dernier.

Tight signifie qu'il se charge et fonctionne sans possibilité d'augmenter le contexte plus tard, dans le cas de CogVLM-17B. 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 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 CogVLM-17B.

Réponses

CogVLM-17B — questions courantes

CogVLM-17B— 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 : 5. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

CogVLM-17B— 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 : 120–319 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.

CogVLM-17B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est GeForce GTX 1080 Ti, avec une capacité de mémoire de 11 GB. Il exécute le modèle à une compression de Q3_K_M environ 9.0 GB, et produit environ 27.7 tous les GPU capables de l'exécuter en total 295.

CogVLM-17B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 199 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 : 251.

CogVLM-17B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 9.0 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.

CogVLM-17B— 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 IQ4_XS, environ 10.0 GO et générant à peu près 55.8 tokens par seconde. L'ajustement est serré.

CogVLM-17B— 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 Q5_K_M, environ 13.0 GO et générant à peu près 50.3 tokens par seconde. L'ajustement est serré.

CogVLM-17B— 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 18.9 GO et générant à peu près 33.4 tokens par seconde. L'ajustement est serré.

CogVLM-17B— 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.

CogVLM-17B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 17B. CogVLM-17B has 10 billion vision parameters and 7 billion language parameters. However, "the total number of trainable parameters is 6.5B". "CogVLM model comprises four fundamental components: a vision transformer (ViT) encoder, an MLP adapter, a pretrained large language model (GPT), and a visual expert module." ViT: EVA2-CLIP-E, last layer removed (5B params with last layer, non-trainable) MLP adapter: 2 layers, parameter count unavailable GPT: Vicuna1.5-7B (7B params) Visual expert module: parameter count unclear. 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.

CogVLM-17B— qui l'a créé ?

Il a été publié par Tsinghua University,Z.ai (Zhipu AI),Beihang University, basé sur China, une organisation catégorisée comme academia,Industry,Academia.

CogVLM-17B— 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.

CogVLM-17B— à quoi ça sert ?

Il fonctionne dans le domaine de Multimodal, Vision, Language, et est enregistré comme gérant la tâche de image captioning, Visual question answering, Chat. 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.

CogVLM-17B— 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.

CogVLM-17B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 6.3 × 10²² 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.

CogVLM-17B— 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 2.0 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

CogVLM-17B— 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 : 295. Ainsi, une seconde carte est rarement la réponse ici.

Source

Publication originale

Dernière mise à jour enregistrée 25 May 2026

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