GLM-10B calculateur TPS

Ouvrir les poids Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI,Massachusetts Institute of Technology (MIT),Shanghai Qi Zhi institute 10B paramètres March 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

509 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Xeon Phi 5110P

8 GB · Q4_K_M · 20.3 tok/s

Carte la plus rapide

B200

339 tok/s · 180 GB

Quelles GPU peuvent exécuter GLM-10B?

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.

509 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
339 tok/s 203–542 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	11.4 GB	Q8_0	Confortable
339 tok/s 203–542 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	11.4 GB	Q8_0	Confortable
271 tok/s 162–433 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	11.4 GB	Q8_0	Confortable
271 tok/s 162–433 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	11.4 GB	Q8_0	Confortable
216 tok/s 130–346 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	11.4 GB	Q8_0	Confortable
207 tok/s 124–331 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.4 GB	Q8_0	Confortable
207 tok/s 124–331 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.4 GB	Q8_0	Confortable
198 tok/s 119–317 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	11.4 GB	Q8_0	Confortable
176 tok/s 106–281 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	11.4 GB	Q8_0	Confortable
176 tok/s 106–281 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	11.4 GB	Q8_0	Confortable
176 tok/s 106–281 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	11.4 GB	Q8_0	Confortable
167 tok/s 100–267 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	11.4 GB	Q8_0	Confortable
146 tok/s 87–233 · faible confiance	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.7 GB	Q4_K_M	À l'étroit
142 tok/s 85–228 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.4 GB	Q8_0	Confortable
142 tok/s 85–228 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	11.4 GB	Q8_0	Confortable
142 tok/s 85–228 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	11.4 GB	Q8_0	Confortable
142 tok/s 85–228 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.4 GB	Q8_0	Confortable
142 tok/s 85–228 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	11.4 GB	Q8_0	Confortable
118 tok/s 71–189 · faible confiance	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.9 GB	Q5_K_M	À l'étroit
108 tok/s 65–173 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	11.4 GB	Q8_0	Confortable
108 tok/s 65–173 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	11.4 GB	Q8_0	Confortable
90.3 tok/s 54–144 · faible confiance	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	11.4 GB	Q8_0	Confortable
88.4 tok/s 53–141 · faible confiance	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	11.4 GB	Q8_0	Confortable
86.4 tok/s 52–138 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	11.4 GB	Q8_0	Confortable
86.4 tok/s 52–138 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	11.4 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: Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI,Massachusetts Institute of Technology (MIT),Shanghai Qi Zhi institute
Type d'organisation: Academia,Academia,Academia
Pays: China, United States of America
Publié: 18 March 2021
Auteurs: Zhengxiao Du, Yujie Qian, Xiao Liu, Ming Ding, Jiezhong Qiu, Zhilin Yang, Jie Tang

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

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: 10B
Données d'entraînement: tokens
Époques: 1
Taille de lot: 524,288

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: 4.9 × 10²¹ 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 V100
Chips utilisés: 64
Temps en temps réel: 1,791 hours (74.6 days)
Consommation d'énergie: 38.9 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: 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.

Confiance d'enregistrement: Likely
Citations: 1,919
Données de référence: GLM-10B

Sources

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

Référence: GLM: General Language Model Pretraining with Autoregressive Blank Infilling
Dernière mise à jour: 25 May 2026

Les extrêmes

Les dix GPU les plus rapides qui exécutent GLM-10B

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 GLM-10B

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

Xeon Phi 5110P

Mémoire requise

6.7 GB

Le plus rapide

339 tok/s

GLM-10B atteint un nombre de paramètres de 10B. 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 : 509.

Le matériel minimum qui fonctionne est Xeon Phi 5110P, avec une capacité de mémoire de 8 GB, le faisant fonctionner à une compression de Q4_K_M et produisant environ 20.3 tokens par seconde

Haut de gamme est B200, générant à peu près 339 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Ce que ce modèle est

GLM-10B a été publié par Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI,Massachusetts Institute of Technology (MIT),Shanghai Qi Zhi institute, dans le pays enregistré comme China, durant March 2021. L'organisation de publication est catégorisée comme academia,Academia,Academia.

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

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

Le résultat médian est d'environ 22.0 tokens par seconde 469 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.

Entraînement et provenance

L'entraînement a nécessité un budget de calcul d'environ 4.9 × 10²¹ FLOP, sur matériel enregistré comme NVIDIA V100. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

Étape par étape

Comment choisir un GPU pour GLM-10B

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 GLM-10B, ayant besoin d'environ 6.7 GB à une compression de Q4_K_M. Cette figure, pas la performance principale d'une carte, est ce qui décide si elle fonctionne.
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 GLM-10B.
03

Définir un seuil de qualité

Chaque carte exécute la copie la moins compressée qu'elle peut contenir., atteignant une compression de Q4_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 GLM-10B. 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 339 tok/s
05

Lisez la colonne de compatibilité en dernier.

Tight signifie qu'il se charge et fonctionne sans possibilité d'augmenter le contexte plus tard, dans le cas de GLM-10B. 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 GLM-10B.

Réponses

GLM-10B — questions courantes

GLM-10B— 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 11.4 GO et générant à peu près 47.9 jetons par seconde. L'adéquation est confortable.

GLM-10B— 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 11.4 GO et générant à peu près 56.8 jetons par seconde. L'adéquation est confortable.

GLM-10B— 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.

GLM-10B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 10B. 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.

GLM-10B— qui l'a créé ?

Il a été publié par Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI,Massachusetts Institute of Technology (MIT),Shanghai Qi Zhi institute, basé sur China, une organisation catégorisée comme academia,Academia,Academia.

GLM-10B— quand a-t-il été publié ?

Il a été publié dans March 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.

GLM-10B— à quoi ça sert ?

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

GLM-10B— 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.

GLM-10B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 4.9 × 10²¹ FLOP, sur matériel enregistré comme NVIDIA V100. 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.

GLM-10B— 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 1.3 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

GLM-10B— 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 : 509. Ainsi, une seconde carte est rarement la réponse ici.

GLM-10B— 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.

GLM-10B— 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 : 203–542 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.

GLM-10B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Xeon Phi 5110P, avec une capacité de mémoire de 8 GB. Il exécute le modèle à une compression de Q4_K_M environ 6.7 GB, et produit environ 20.3 tous les GPU capables de l'exécuter en total 509.

GLM-10B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 339 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 : 469.

GLM-10B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 6.7 GB à une compression de Q4_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.

GLM-10B— 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 Q4_K_M, environ 6.7 GO et générant à peu près 146 tokens par seconde. L'ajustement est serré.

GLM-10B— 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 Q6_K, environ 9.1 GO et générant à peu près 56.2 tokens par seconde. L'ajustement est serré.

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