YaLM calculateur TPS

Ouvrir les poids Yandex 100B paramètres June 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

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 · 13.3 tok/s

Carte la plus rapide

B200

33.9 tok/s · 180 GB

Quelles GPU peuvent exécuter YaLM?

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
33.9 tok/s 20–54 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	107.8 GB	Q8_0	Confortable
33.9 tok/s 20–54 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	107.8 GB	Q8_0	Confortable
32.9 tok/s 20–53 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	61.2 GB	Q4_K_M	À l'étroit
32.9 tok/s 20–53 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	61.2 GB	Q4_K_M	À l'étroit
27.1 tok/s 16–43 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	107.8 GB	Q8_0	Confortable
27.1 tok/s 16–43 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	107.8 GB	Q8_0	Confortable
24.3 tok/s 15–39 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	84.5 GB	Q6_K	À l'étroit
21.6 tok/s 13–35 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	107.8 GB	Q8_0	À l'étroit
21.0 tok/s 13–34 · faible confiance	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.4 GB	IQ4_XS	À l'étroit
20.7 tok/s 12–33 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.8 GB	Q8_0	À l'étroit
20.7 tok/s 12–33 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.8 GB	Q8_0	À l'étroit
20.7 tok/s 12–33 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	À l'étroit
20.7 tok/s 12–33 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	À l'étroit
20.7 tok/s 12–33 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	À l'étroit
20.0 tok/s 12–32 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	61.2 GB	Q4_K_M	À l'étroit
20.0 tok/s 12–32 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	61.2 GB	Q4_K_M	À l'étroit
20.0 tok/s 12–32 · faible confiance	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	61.2 GB	Q4_K_M	À l'étroit
20.0 tok/s 12–32 · faible confiance	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	61.2 GB	Q4_K_M	À l'étroit
20.0 tok/s 12–32 · faible confiance	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	61.2 GB	Q4_K_M	À l'étroit
20.0 tok/s 12–32 · faible confiance	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	61.2 GB	Q4_K_M	À l'étroit
19.8 tok/s 12–32 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	107.8 GB	Q8_0	Confortable
19.0 tok/s 11–30 · faible confiance	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	61.2 GB	Q4_K_M	À l'étroit
19.0 tok/s 11–30 · faible confiance	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	61.2 GB	Q4_K_M	À l'étroit
17.6 tok/s 11–28 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	107.8 GB	Q8_0	À l'étroit
17.6 tok/s 11–28 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	107.8 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: Yandex
Type d'organisation: Industry
Pays: Russia
Publié: 23 June 2022
Auteurs: Mikhail Khrushchev, Ruslan Vasilev, Alexey Petrov, Nikolay Zinov

Ce qu'il fait

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

Domaine: Language
Tâche: Language modeling, Chat
Approche: Self-supervised learning

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: 100B
Données d'entraînement: 300,000,000,000 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: 2.2 × 10²³ 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
Chips utilisés: 800
Heures de puce: 1,248,000
Temps en temps réel: 1,560 hours (65 days)
Consommation d'énergie: 642.0 kW

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

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: Likely

Sources

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

Référence: Yandex Publishes YaLM 100B. It’s the Largest GPT-Like Neural Network in Open Source
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent YaLM

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 YaLM

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

Radeon Instinct MI200

Mémoire requise

55.4 GB

Le plus rapide

33.9 tok/s

YaLM atteint un nombre de paramètres de 100B. 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.

Le point d'entrée est Radeon Instinct MI200, avec une capacité de mémoire de 64 GB, le faisant fonctionner à une compression de IQ4_XS et produisant environ 13.3 tokens par seconde

Le plus rapide que nous calculons pour cela est B200, générant à peu près 33.9 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

D'où cela vient-il

YaLM a été publié par Yandex, dans le pays enregistré comme Russia, durant June 2022. L'organisation de publication est catégorisée comme industry.

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

Les poids publiés signifient que le modèle fonctionne sur votre machine plutôt que sur celle de quelqu'un d'autre, ce qui rend la question matérielle ci-dessous répondable.

Comprendre les vitesses

Au milieu de la gamme, toutes les cartes capables de l'exécuter se situent à 19.0 tokens par seconde 36 d'eux

C'est un modèle dense, donc chaque paramètre est lu pour chaque jeton produit. Cela rend la vitesse presque exactement proportionnelle à la bande passante mémoire — une carte avec le double de la bande passante génère environ deux fois plus rapidement.

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.

Comment il a été entraîné

La production a nécessité des calculs totalisant environ 2.2 × 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 300,000,000,000 jetons de texte

Étape par étape

Comment choisir un GPU pour YaLM

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

Chaque carte ici a été vérifiée contre YaLM, ayant besoin d'environ 55.4 GB à une compression de IQ4_XS. La capacité est la porte — une carte soit la détient soit ne la détient pas.
02

Décidez combien de temps vos conversations tournent

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 YaLM.
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

Comparez les tokens par seconde, pas les spécifications.

Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour YaLM. 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 33.9 tok/s
05

Vérifiez le verdict de compatibilité avant d'acheter

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

Voir ce que cette carte exécute d'autre.

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 YaLM.

Réponses

YaLM — questions courantes

YaLM— 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.

YaLM— 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.

YaLM— 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 : 20–54 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.

YaLM— 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 55.4 GB, et produit environ 13.3 tous les GPU capables de l'exécuter en total 43.

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

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 33.9 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 : 36.

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

Cela nécessite environ 55.4 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.

YaLM— 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.

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

Il a un nombre de paramètres de 100B. 100B. 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.

YaLM— qui l'a créé ?

Il a été publié par Yandex, basé sur Russia, une organisation catégorisée comme industry.

YaLM— quand a-t-il été publié ?

Il a été publié dans June 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.

YaLM— à quoi ça sert ?

Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling, Chat. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.

YaLM— 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.

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

L'entraînement a consommé environ 2.2 × 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.

YaLM— 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 18.0 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

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