NLLB calculateur TPS

Ouvrir les poids Meta AI 54.5B paramètres July 2022

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

92 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

FirePro S9170

32 GB · Q3_K_M · 5.2 tok/s

Carte la plus rapide

B200

62.2 tok/s · 180 GB

Quelles GPU peuvent exécuter NLLB?

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.

92 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
62.2 tok/s 37–99 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	59.0 GB	Q8_0	Confortable
62.2 tok/s 37–99 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	59.0 GB	Q8_0	Confortable
49.6 tok/s 30–79 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	59.0 GB	Q8_0	Confortable
49.6 tok/s 30–79 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	59.0 GB	Q8_0	Confortable
39.7 tok/s 24–64 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	59.0 GB	Q8_0	Confortable
39.2 tok/s 24–63 · faible confiance	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.3 GB	Q3_K_M	À l'étroit
39.2 tok/s 24–63 · faible confiance	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.3 GB	Q3_K_M	À l'étroit
38.0 tok/s 23–61 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	59.0 GB	Q8_0	Confortable
38.0 tok/s 23–61 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	59.0 GB	Q8_0	Confortable
37.5 tok/s 23–60 · faible confiance	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.3 GB	Q3_K_M	À l'étroit
37.5 tok/s 23–60 · faible confiance	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.3 GB	Q3_K_M	À l'étroit
36.4 tok/s 22–58 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	59.0 GB	Q8_0	Confortable
32.3 tok/s 19–52 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	59.0 GB	Q8_0	Confortable
32.3 tok/s 19–52 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	59.0 GB	Q8_0	Confortable
32.3 tok/s 19–52 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	59.0 GB	Q8_0	Confortable
30.6 tok/s 18–49 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	59.0 GB	Q8_0	Confortable
28.0 tok/s 17–45 · faible confiance	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	33.7 GB	Q4_K_M	À l'étroit
28.0 tok/s 17–45 · faible confiance	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	33.7 GB	Q4_K_M	À l'étroit
28.0 tok/s 17–45 · faible confiance	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	33.7 GB	Q4_K_M	À l'étroit
26.1 tok/s 16–42 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	59.0 GB	Q8_0	Confortable
26.1 tok/s 16–42 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	59.0 GB	Q8_0	Confortable
26.1 tok/s 16–42 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	59.0 GB	Q8_0	Confortable
26.1 tok/s 16–42 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	59.0 GB	Q8_0	Confortable
26.1 tok/s 16–42 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	59.0 GB	Q8_0	Confortable
26.0 tok/s 16–42 · faible confiance	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	40.0 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: Meta AI
Type d'organisation: Industry
Pays: United States of America
Publié: 6 July 2022
Auteurs: Marta R. Costa-jussà, James Cross, Onur Çelebi, Maha Elbayad, Kenneth Heafield, Kevin Heffernan, Elahe Kalbassi, Janice Lam, Daniel Licht, Jean Maillard, Anna Sun, Skyler Wang, Guillaume Wenzek, Al Youngblood, Bapi Akula, Loic Barrault, Gabriel Mejia Gonzalez, Prangthip Hansanti, John Hoffman, Semarley Jarrett, Kaushik Ram Sadagopan, Dirk Rowe, Shannon Spruit, Chau Tran, Pierre Andrews, Necip Fazi…

Ce qu'il fait

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

Domaine: Language
Tâche: Translation
Approche: Self-supervised learning
Format numérique: FP16

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: 54.5B
Données d'entraînement: 300,000,000,000 tokens
Taille de lot: 1,000,000

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: 1.8 × 10²² FLOP
Comment cela a été établi: Hardware

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 SXM4 80 GB
Heures de puce: 59,168
Coût de calcul: $50,667

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: Open source

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.

Pourquoi c'est suivi: SOTA improvement
Confiance d'enregistrement: Confident
Citations: 1,569

Sources

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

Référence: No Language Left Behind: Scaling Human-Centered Machine Translation
Dernière mise à jour: 1 January 2026

Les extrêmes

Les dix GPU les plus rapides qui exécutent NLLB

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 NLLB

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

FirePro S9170

Mémoire requise

27.3 GB

Le plus rapide

62.2 tok/s

NLLB atteint un nombre de paramètres de 54.5B. Cela se situe dans la gamme qu'une carte de bureau sérieuse peut gérer une fois les poids compressés. Le nombre de cartes que nous suivons qui peuvent l'exécuter : 92.

Le point d'entrée est FirePro S9170, avec une capacité de mémoire de 32 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 5.2 tokens par seconde

Le résultat le plus rapide vient de B200, générant à peu près 62.2 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

À propos de ce modèle

NLLB a été publié par Meta AI, dans le pays enregistré comme United States of America, durant July 2022. La catégorie à laquelle appartient l'éditeur est industry.

Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de translation.

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

À quelle vitesse cela fonctionne-t-il, et pourquoi

Le résultat médian est d'environ 15.9 tokens par seconde. Dépassement direct de la vitesse de lecture. 72 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 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 consommé environ 1.8 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 80 GB. 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 300,000,000,000 jetons de texte

Son critère d'inclusion : sOTA improvement.

Étape par étape

Comment choisir un GPU pour NLLB

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

Chaque carte ici a été vérifiée contre NLLB, ayant besoin d'environ 27.3 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. NLLB.
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

Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour NLLB. 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 62.2 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 NLLB. 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

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 NLLB.

Réponses

NLLB — questions courantes

NLLB— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 54.5B. Section 8.2.4: "The model has a total of 54.5B parameters and FLOPs similar to that of a 3.3B dense model". 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.

NLLB— qui l'a créé ?

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

NLLB— quand a-t-il été publié ?

Il a été publié dans July 2022. 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.

NLLB— à quoi ça sert ?

Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de 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.

NLLB— 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.

NLLB— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 1.8 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 80 GB. 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.

NLLB— Puis-je l'exécuter s'il ne tient pas dans ma GPU?

Seulement en déchargeant, ce qui est généralement une fausse économie : la partie maintenue en mémoire système tire l'ensemble vers le bas. La plus proche approximation que nous calculons est inférieure de 8.5 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

NLLB— 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 : 92. Ainsi, une seconde carte est rarement la réponse ici.

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

NLLB— 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 : 37–99 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.

NLLB— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est FirePro S9170, avec une capacité de mémoire de 32 GB. Il exécute le modèle à une compression de Q3_K_M environ 27.3 GB, et produit environ 5.2 tous les GPU capables de l'exécuter en total 92.

NLLB— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 62.2 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 : 72.

NLLB— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 27.3 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.

NLLB— 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.

Source

Publication originale

Dernière mise à jour enregistrée 1 January 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