GPT-NeoX-20B calculateur TPS

Ouvrir les poids EleutherAI 20B paramètres February 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

293 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Quadro K6000

12 GB · Q3_K_M · 14.0 tok/s

Carte la plus rapide

B200

169 tok/s · 180 GB

Quelles GPU peuvent exécuter GPT-NeoX-20B?

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.

293 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
169 tok/s 102–271 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	22.1 GB	Q8_0	Confortable
169 tok/s 102–271 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	22.1 GB	Q8_0	Confortable
135 tok/s 81–216 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	22.1 GB	Q8_0	Confortable
135 tok/s 81–216 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	22.1 GB	Q8_0	Confortable
108 tok/s 65–173 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	22.1 GB	Q8_0	Confortable
104 tok/s 62–166 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.1 GB	Q8_0	Confortable
104 tok/s 62–166 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.1 GB	Q8_0	Confortable
99.1 tok/s 59–159 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	22.1 GB	Q8_0	Confortable
88.0 tok/s 53–141 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Confortable
88.0 tok/s 53–141 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Confortable
88.0 tok/s 53–141 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Confortable
83.4 tok/s 50–134 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	22.1 GB	Q8_0	Confortable
71.2 tok/s 43–114 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Confortable
71.2 tok/s 43–114 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	22.1 GB	Q8_0	Confortable
71.2 tok/s 43–114 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Confortable
71.2 tok/s 43–114 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Confortable
71.2 tok/s 43–114 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Confortable
55.2 tok/s 33–88 · faible confiance	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	12.8 GB	Q4_K_M	À l'étroit
54.2 tok/s 33–87 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	22.1 GB	Q8_0	Confortable
54.2 tok/s 33–87 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	22.1 GB	Q8_0	Confortable
52.1 tok/s 31–83 · faible confiance	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.5 GB	Q3_K_M	À l'étroit
52.1 tok/s 31–83 · faible confiance	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.5 GB	Q3_K_M	À l'étroit
46.9 tok/s 28–75 · faible confiance	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	12.8 GB	Q4_K_M	À l'étroit
45.2 tok/s 27–72 · faible confiance	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	22.1 GB	Q8_0	Confortable
44.2 tok/s 27–71 · faible confiance	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	22.1 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: EleutherAI
Type d'organisation: Research collective
Pays: United States of America
Publié: 9 February 2022
Auteurs: Sid Black, Stella Biderman, Eric Hallahan, Quentin Anthony, Leo Gao, Laurence Golding, Horace He, Connor Leahy, Kyle McDonell, Jason Phang, Michael Pieler, USVSN Sai Prashanth, Shivanshu Purohit, Laria Reynolds, Jonathan Tow, Ben Wang, Samuel Weinbach

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/generation
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: 20B
Données d'entraînement: 341,173,367,965 tokens
Époques: 1.4
Taille de lot: 3,150,000

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: 9.3 × 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 40 GB
Chips utilisés: 96
Heures de puce: 207,360
Temps en temps réel: 2,160 hours (90 days)
Consommation d'énergie: 77.3 kW
Coût de calcul: $184,273

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: Historical significance
Confiance d'enregistrement: Confident
Citations: 998
Données de référence: GPT-NeoX-20B

Sources

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

Référence: GPT-NeoX-20B: An Open-Source Autoregressive Language Model
Dernière mise à jour: 25 May 2026

Les extrêmes

Les dix GPU les plus rapides qui exécutent GPT-NeoX-20B

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 GPT-NeoX-20B

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

Quadro K6000

Mémoire requise

10.5 GB

Le plus rapide

169 tok/s

GPT-NeoX-20B atteint un nombre de paramètres de 20B. 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 : 293.

Le matériel minimum qui fonctionne est Quadro K6000, avec une capacité de mémoire de 12 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 14.0 tokens par seconde

À l'autre extrémité se trouve B200, générant à peu près 169 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

D'où cela vient-il

GPT-NeoX-20B a été publié par EleutherAI, dans le pays enregistré comme United States of America, durant February 2022. La catégorie à laquelle appartient l'éditeur est research collective.

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

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.

Comprendre les vitesses

Le résultat médian est d'environ 20.6 tokens par seconde. Dépassement direct de la vitesse de lecture. 248 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.

Entraînement et provenance

La production a nécessité des calculs totalisant environ 9.3 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 40 GB. 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 341,173,367,965 jetons de texte

Il est suivi dans le ensemble de données sous-jacent pour une raison particulière : historical significance.

Étape par étape

Comment choisir un GPU pour GPT-NeoX-20B

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

La table répertorie chaque carte capable de supporter GPT-NeoX-20B, ayant besoin d'environ 10.5 GB à une compression de Q3_K_M. Aucun montant de puissance de traitement ne compense une carte qui ne peut pas la supporter.
02

Décidez combien de temps vos conversations tournent

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. GPT-NeoX-20B.
03

Choisissez jusqu'où vous allez le compresser

La colonne de quantification varie selon la carte, car une plus grande carte contient une copie plus précise., 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.

La commande de vitesse est effectivement un classement par bande passante mémoire, pour GPT-NeoX-20B. 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 169 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 GPT-NeoX-20B. 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 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 GPT-NeoX-20B.

Réponses

GPT-NeoX-20B — questions courantes

GPT-NeoX-20B— 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 : 102–271 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.

GPT-NeoX-20B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Quadro K6000, avec une capacité de mémoire de 12 GB. Il exécute le modèle à une compression de Q3_K_M environ 10.5 GB, et produit environ 14.0 tous les GPU capables de l'exécuter en total 293.

GPT-NeoX-20B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 169 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 : 248.

GPT-NeoX-20B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 10.5 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.

GPT-NeoX-20B— 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 Q3_K_M, environ 10.5 GO et générant à peu près 52.1 tokens par seconde. L'ajustement est serré.

GPT-NeoX-20B— 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 Q4_K_M, environ 12.8 GO et générant à peu près 55.2 tokens par seconde. L'ajustement est serré.

GPT-NeoX-20B— 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 Q6_K, environ 17.5 GO et générant à peu près 41.2 jetons par seconde. L'adéquation est confortable.

GPT-NeoX-20B— 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.

GPT-NeoX-20B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 20B. 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.

GPT-NeoX-20B— qui l'a créé ?

Il a été publié par EleutherAI, basé sur United States of America, une organisation catégorisée comme research collective.

GPT-NeoX-20B— quand a-t-il été publié ?

Il a été publié dans February 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.

GPT-NeoX-20B— à quoi ça sert ?

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

GPT-NeoX-20B— 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.

GPT-NeoX-20B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 9.3 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 40 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.

GPT-NeoX-20B— 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 2.9 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

GPT-NeoX-20B— 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 : 293. Ainsi, une seconde carte est rarement la réponse ici.

GPT-NeoX-20B— 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 : 4. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

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