IDEFICS-80B calculateur TPS

Ouvrir les poids Hugging Face 80B paramètres August 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

58 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Quadro RTX 8000

48 GB · Q3_K_M · 9.6 tok/s

Carte la plus rapide

B200

42.4 tok/s · 180 GB

Quelles GPU peuvent exécuter IDEFICS-80B?

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.

58 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
42.4 tok/s 25–68 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	86.4 GB	Q8_0	Confortable
42.4 tok/s 25–68 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	86.4 GB	Q8_0	Confortable
33.8 tok/s 20–54 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Confortable
33.8 tok/s 20–54 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Confortable
30.3 tok/s 18–48 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	67.7 GB	Q6_K	Confortable
27.1 tok/s 16–43 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	86.4 GB	Q8_0	Confortable
26.7 tok/s 16–43 · faible confiance	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	39.8 GB	Q3_K_M	À l'étroit
25.9 tok/s 16–41 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Confortable
25.9 tok/s 16–41 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Confortable
25.9 tok/s 16–41 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	67.7 GB	Q6_K	À l'étroit
25.9 tok/s 16–41 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	Confortable
25.9 tok/s 16–41 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	À l'étroit
24.8 tok/s 15–40 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	86.4 GB	Q8_0	Confortable
24.7 tok/s 15–40 · faible confiance	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	49.1 GB	Q4_K_M	À l'étroit
22.0 tok/s 13–35 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Confortable
22.0 tok/s 13–35 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Confortable
22.0 tok/s 13–35 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Confortable
19.1 tok/s 11–31 · faible confiance	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	39.8 GB	Q3_K_M	À l'étroit
17.8 tok/s 11–28 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	À l'étroit
17.8 tok/s 11–28 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	À l'étroit
15.7 tok/s 9–25 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	67.7 GB	Q6_K	À l'étroit
15.7 tok/s 9–25 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	67.7 GB	Q6_K	À l'étroit
15.7 tok/s 9–25 · faible confiance	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	67.7 GB	Q6_K	À l'étroit
15.7 tok/s 9–25 · faible confiance	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.7 GB	Q6_K	À l'étroit
15.7 tok/s 9–25 · faible confiance	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	67.7 GB	Q6_K	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: Hugging Face
Type d'organisation: Industry
Pays: United States of America
Publié: 22 August 2023
Auteurs: Hugo Laurencon, Daniel van Strien, Stas Bekman, Leo Tronchon, Lucile Saulnier, Thomas Wang, Siddharth Karamcheti, Amanpreet Singh, Giada Pistilli, Yacine Jernite, Victor Sanh

Ce qu'il fait

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

Domaine: Multimodal, Language, Vision
Tâche: Language modeling, Image captioning, Visual question answering
Modèle de base: LLaMA-65B,CLIP ViT-H/14 - LAION-2B
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: 80B
Données d'entraînement: 149,600,000,000 tokens
Taille de lot: 3,670,000

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: 1.2 × 10²³ FLOP
Comment cela a été établi: Hardware,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.

Matériel d'entraînement: NVIDIA A100
Chips utilisés: 512
Temps en temps réel: 672 hours (28 days)
Consommation d'énergie: 407.0 kW
Fournisseur de cloud: AWS

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 (non-commercial)
Code d'entraînement: Unreleased
Hugging Face: HuggingFaceM4

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
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 IDEFICS: An Open Reproduction of State-of-the-Art Visual Language Model
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent IDEFICS-80B

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 IDEFICS-80B

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

Exigences matérielles en pratique

Carte minimale

Quadro RTX 8000

Mémoire requise

39.8 GB

Le plus rapide

42.4 tok/s

IDEFICS-80B atteint un nombre de paramètres de 80B. 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 : 58.

Le point d'entrée est Quadro RTX 8000, avec une capacité de mémoire de 48 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 9.6 tokens par seconde

Le résultat le plus rapide vient de B200, générant à peu près 42.4 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Ce que ce modèle est

IDEFICS-80B a été publié par Hugging Face, dans le pays enregistré comme United States of America, durant August 2023. La catégorie à laquelle appartient l'éditeur est industry.

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

Il s'appuie sur LLaMA-65B,CLIP ViT-H/14 - LAION-2B. C'est la façon habituelle de produire un modèle spécialisé.

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 HuggingFaceM4.

Qu'est-ce qui détermine la vitesse

Le résultat médian est d'environ 14.9 tokens par seconde. Dépassement direct de la vitesse de lecture. 43 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.

Sans la disposition d'attention sur fichier, la colonne de mémoire est une approximation. Elle est suffisamment proche pour choisir le matériel, et la moins fiable sur un long contexte.

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

L'entraînement a consommé environ 1.2 × 10²³ FLOP, sur matériel enregistré comme NVIDIA A100. 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 149,600,000,000 jetons de texte

Étape par étape

Comment choisir un GPU pour IDEFICS-80B

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

La table répertorie chaque carte capable de supporter IDEFICS-80B, ayant besoin d'environ 39.8 GB à une compression de Q3_K_M. 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.

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. IDEFICS-80B.
03

Choisissez jusqu'où vous allez le compresser

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 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

Trier par vitesse pour voir comment les cartes se classent pour IDEFICS-80B. 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 42.4 tok/s
05

Regardez la marge de manœuvre, pas seulement le fit.

Tight signifie qu'il se charge et fonctionne sans possibilité d'augmenter le contexte plus tard, dans le cas de IDEFICS-80B. 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 IDEFICS-80B.

Réponses

IDEFICS-80B — questions courantes

IDEFICS-80B— 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.

IDEFICS-80B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 80B. IDEFICS... comes in two variants—the base version and the instructed version. Each variant is available at the 9 billion and 80 billion parameter sizes. 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.

IDEFICS-80B— qui l'a créé ?

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

IDEFICS-80B— quand a-t-il été publié ?

Il a été publié dans August 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.

IDEFICS-80B— à quoi ça sert ?

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

IDEFICS-80B— où puis-je le télécharger ?

Ses poids sont publiés sur Hugging Face, sous l'organisation HuggingFaceM4. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.

IDEFICS-80B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 1.2 × 10²³ FLOP, sur matériel enregistré comme NVIDIA A100. 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.

IDEFICS-80B— 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 13.1 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

IDEFICS-80B— 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 : 58. Ainsi, une seconde carte est rarement la réponse ici.

IDEFICS-80B— 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.

IDEFICS-80B— 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 : 25–68 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.

IDEFICS-80B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Quadro RTX 8000, avec une capacité de mémoire de 48 GB. Il exécute le modèle à une compression de Q3_K_M environ 39.8 GB, et produit environ 9.6 tous les GPU capables de l'exécuter en total 58.

IDEFICS-80B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 42.4 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 : 43.

IDEFICS-80B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 39.8 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.

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