Zidong Taichu calculateur TPS

Ouvrir les poids Chinese Academy of Sciences,Wuhan AI Computing Center 3.2B paramètres August 2021

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

818 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Tesla C1080

4 GB · Q6_K · 16.7 tok/s

Carte la plus rapide

B200

1,059 tok/s · 180 GB

Quelles GPU peuvent exécuter Zidong Taichu?

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.

818 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
1,059 tok/s 635–1,694 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	4.1 GB	Q8_0	Confortable
1,059 tok/s 635–1,694 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	4.1 GB	Q8_0	Confortable
846 tok/s 507–1,353 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	4.1 GB	Q8_0	Confortable
846 tok/s 507–1,353 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	4.1 GB	Q8_0	Confortable
676 tok/s 406–1,082 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	4.1 GB	Q8_0	Confortable
647 tok/s 388–1,036 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.1 GB	Q8_0	Confortable
647 tok/s 388–1,036 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.1 GB	Q8_0	Confortable
619 tok/s 372–991 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	4.1 GB	Q8_0	Confortable
550 tok/s 330–880 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	4.1 GB	Q8_0	Confortable
550 tok/s 330–880 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	4.1 GB	Q8_0	Confortable
550 tok/s 330–880 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	4.1 GB	Q8_0	Confortable
521 tok/s 313–834 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	4.1 GB	Q8_0	Confortable
445 tok/s 267–712 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.1 GB	Q8_0	Confortable
445 tok/s 267–712 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	4.1 GB	Q8_0	Confortable
445 tok/s 267–712 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	4.1 GB	Q8_0	Confortable
445 tok/s 267–712 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.1 GB	Q8_0	Confortable
445 tok/s 267–712 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	4.1 GB	Q8_0	Confortable
339 tok/s 203–542 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	4.1 GB	Q8_0	Confortable
339 tok/s 203–542 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	4.1 GB	Q8_0	Confortable
282 tok/s 169–451 · faible confiance	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	4.1 GB	Q8_0	Confortable
276 tok/s 166–442 · faible confiance	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	4.1 GB	Q8_0	Confortable
270 tok/s 162–432 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	4.1 GB	Q8_0	Confortable
270 tok/s 162–432 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	4.1 GB	Q8_0	Confortable
270 tok/s 162–432 · faible confiance	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	4.1 GB	Q8_0	Confortable
270 tok/s 162–432 · faible confiance	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	4.1 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: Chinese Academy of Sciences,Wuhan AI Computing Center
Type d'organisation: Academia,Government
Pays: China
Publié: 11 August 2021

Ce qu'il fait

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

Domaine: Multimodal, Speech, Vision, Language
Tâche: Language modeling/generation, Speech recognition (ASR), Image captioning

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: 3.2B
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: 8 × 10²⁰ FLOP
Comment cela a été établi: Operation counting

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.

Pourquoi c'est suivi: Historical significance
Confiance d'enregistrement: Confident

Sources

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

Référence: Zidong Ancestral multi-modal large model
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Zidong Taichu

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 Zidong Taichu

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

Tesla C1080

Mémoire requise

3.4 GB

Le plus rapide

1,059 tok/s

Zidong Taichu atteint un nombre de paramètres de 3.2B. 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 : 818.

Le point d'entrée est Tesla C1080, avec une capacité de mémoire de 4 GB, le faisant fonctionner à une compression de Q6_K et produisant environ 16.7 tokens par seconde

À l'autre extrémité se trouve B200, générant à peu près 1,059 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Ce que ce modèle est

Zidong Taichu a été publié par Chinese Academy of Sciences,Wuhan AI Computing Center, dans le pays enregistré comme China, durant August 2021. L'organisation de publication est catégorisée comme academia,Government.

Il fonctionne dans le domaine de Multimodal, Speech, Vision, Language, et est enregistré comme exécutant la tâche de language modeling/generation, Speech recognition (ASR), Image captioning.

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

Qu'est-ce qui détermine la vitesse

La moitié des cartes qui le détiennent gèrent plus de 33.6 tokens par seconde. Dépassement direct de la vitesse de lecture. 779 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

L'entraînement a nécessité un budget de calcul d'environ 8 × 10²⁰ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

La raison pour laquelle il apparaît dans ce catalogue. historical significance.

Étape par étape

Comment choisir un GPU pour Zidong Taichu

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 Zidong Taichu, ayant besoin d'environ 3.4 GB à une compression de Q6_K. La capacité est la porte — une carte soit la détient soit ne la détient pas.
02

Décidez combien de temps vos conversations tournent

Définissez le contexte de ce que vous allez réellement utiliser. Le cache augmente avec la conversation, et c'est la raison habituelle pour laquelle une carte qui semblait convenir cesse de s'adapter. Zidong Taichu.
03

Choisissez jusqu'où vous allez le compresser

Chaque carte exécute la copie la moins compressée qu'elle peut contenir., atteignant une compression de Q6_K 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 Zidong Taichu. 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 1,059 tok/s
05

Vérifiez le verdict de compatibilité avant d'acheter

Un ajustement serré fonctionne, mais ne laisse rien de libre pour une conversation plus longue, dans le cas de Zidong Taichu. 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 Zidong Taichu.

Réponses

Zidong Taichu — questions courantes

Zidong Taichu— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 3.2B. 共32亿参数 translated as A total of 3.2 billion parameters. 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.

Zidong Taichu— qui l'a créé ?

Il a été publié par Chinese Academy of Sciences,Wuhan AI Computing Center, basé sur China, une organisation catégorisée comme academia,Government.

Zidong Taichu— quand a-t-il été publié ?

Il a été publié dans August 2021. 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.

Zidong Taichu— à quoi ça sert ?

Il fonctionne dans le domaine de Multimodal, Speech, Vision, Language, et est enregistré comme gérant la tâche de language modeling/generation, Speech recognition (ASR), Image captioning. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.

Zidong Taichu— 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.

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

L'entraînement a consommé environ 8 × 10²⁰ 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.

Zidong Taichu— 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. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Zidong Taichu— 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 : 818. Ainsi, une seconde carte est rarement la réponse ici.

Zidong Taichu— 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 : 2. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.

Zidong Taichu— quelle est la précision de ces estimations de vitesse ?

Ils sont calculés à partir des spécifications plutôt que mesurés, et chacun a une plage. Un exemple : 635–1,694 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.

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

La plus petite CARTE de notre catalogue qui le supporte est Tesla C1080, avec une capacité de mémoire de 4 GB. Il exécute le modèle à une compression de Q6_K environ 3.4 GB, et produit environ 16.7 tous les GPU capables de l'exécuter en total 818.

Zidong Taichu— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 1,059 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 : 779.

Zidong Taichu— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 3.4 GB à une compression de Q6_K, 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.

Zidong Taichu— Puis-je l'exécuter sur un GPU détenant 8 GB ?

Oui. La carte CMP 170HX 8 GB, tenue 8 GB, l'exécute à une compression de Q8_0, environ 4.1 GO et générant à peu près 197 jetons par seconde. L'adéquation est confortable.

Zidong Taichu— 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 Q8_0, environ 4.1 GO et générant à peu près 121 jetons par seconde. L'adéquation est confortable.

Zidong Taichu— 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 Q8_0, environ 4.1 GO et générant à peu près 150 jetons par seconde. L'adéquation est confortable.

Zidong Taichu— 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 4.1 GO et générant à peu près 177 jetons par seconde. L'adéquation est confortable.

Zidong Taichu— 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 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