s1 calculateur TPS

Ouvrir les poids Stanford University,University of Washington,Allen Institute for AI,Contextual AI 32B paramètres January 2025

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

132 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

RTX A4500

20 GB · Q3_K_M · 22.9 tok/s

Carte la plus rapide

B200

106 tok/s · 180 GB

Quelles GPU peuvent exécuter s1?

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.

132 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
106 tok/s 64–169 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.0 GB	Q8_0	Confortable
106 tok/s 64–169 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.0 GB	Q8_0	Confortable
84.6 tok/s 51–135 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Confortable
84.6 tok/s 51–135 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.0 GB	Q8_0	Confortable
67.6 tok/s 41–108 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.0 GB	Q8_0	Confortable
64.7 tok/s 39–104 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Confortable
64.7 tok/s 39–104 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.0 GB	Q8_0	Confortable
61.9 tok/s 37–99 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.0 GB	Q8_0	Confortable
55.0 tok/s 33–88 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Confortable
55.0 tok/s 33–88 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Confortable
55.0 tok/s 33–88 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.0 GB	Q8_0	Confortable
52.2 tok/s 31–83 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.0 GB	Q8_0	Confortable
44.5 tok/s 27–71 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Confortable
44.5 tok/s 27–71 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.0 GB	Q8_0	Confortable
44.5 tok/s 27–71 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Confortable
44.5 tok/s 27–71 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Confortable
44.5 tok/s 27–71 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.0 GB	Q8_0	Confortable
40.9 tok/s 25–66 · faible confiance	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.1 GB	Q4_K_M	À l'étroit
37.3 tok/s 22–60 · faible confiance	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.1 GB	Q4_K_M	À l'étroit
36.0 tok/s 22–58 · faible confiance	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	À l'étroit
36.0 tok/s 22–58 · faible confiance	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	Q6_K	À l'étroit
34.4 tok/s 21–55 · faible confiance	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	À l'étroit
34.4 tok/s 21–55 · faible confiance	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	Q6_K	À l'étroit
33.9 tok/s 20–54 · faible confiance	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.0 GB	Q8_0	Confortable
33.9 tok/s 20–54 · faible confiance	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.0 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: Stanford University,University of Washington,Allen Institute for AI,Contextual AI
Type d'organisation: Academia,Academia,Research collective,Industry
Pays: United States of America
Publié: 14 January 2025
Auteurs: Niklas Muennighoff, Zitong Yang, Weijia Shi, Xiang Lisa Li, Li Fei-Fei, Hannaneh Hajishirzi, Luke Zettlemoyer, Percy Liang, Emmanuel Candès, Tatsunori Hashimoto

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, Question answering, Quantitative reasoning
Modèle de base: Qwen2.5 Instruct (72B)

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: 32B
Données d'entraînement: tokens
Époques: 5

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.

Comment cela a été établi: Hardware,Operation counting
Ajustement fin des calculs: 5.8 × 10¹⁸ FLOP

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 H100 SXM5 80GB
Chips utilisés: 16
Temps en temps réel: 0 hours
Consommation d'énergie: 22.0 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: Open source
Hugging Face: simplescaling

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: Confident
Citations: 1,219

Sources

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

Référence: s1: Simple test-time scaling
Dernière mise à jour: 25 May 2026

Les extrêmes

Les dix GPU les plus rapides qui exécutent s1

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 s1

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

RTX A4500

Mémoire requise

16.3 GB

Le plus rapide

106 tok/s

s1 atteint un nombre de paramètres de 32B. 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 : 132.

Le matériel minimum qui fonctionne est RTX A4500, avec une capacité de mémoire de 20 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 22.9 tokens par seconde

Haut de gamme est B200, générant à peu près 106 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

À propos de ce modèle

s1 a été publié par Stanford University,University of Washington,Allen Institute for AI,Contextual AI, dans le pays enregistré comme United States of America, durant January 2025. La catégorie à laquelle appartient l'éditeur est academia,Academia,Research collective,Industry.

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

Plutôt que d'être entraîné depuis le début, il est dérivé de Qwen2.5 Instruct (72B). La plupart des modèles à cette échelle sont adaptés d'une base existante plutôt que construits de rien.

Les poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel indéfiniment, hors ligne, sans compte associé. Sur Hugging Face, il est publié sous l'organisation simplescaling.

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

Au milieu de la gamme, toutes les cartes capables de l'exécuter se situent à 20.7 tokens par seconde. Dépassement direct de la vitesse de lecture. 103 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.

La mémoire ici est estimée à partir de la taille plutôt que calculée à partir de l'architecture, qui n'est pas enregistrée pour ce modèle — les chiffres sont indicatifs plutôt qu'exacts.

Étape par étape

Comment choisir un GPU pour s1

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

Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de s1, ayant besoin d'environ 16.3 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

Définissez la LONGUEUR DE CONTEXTE à laquelle vous travaillerez.

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. s1.
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

Trier par vitesse

La commande de vitesse est effectivement un classement par bande passante mémoire, pour s1. 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 106 tok/s
05

Regardez la marge de manœuvre, pas seulement le fit.

La colonne d'adéquation sépare les cartes qui y parviennent juste de celles qui ont de la marge, dans le cas de s1. 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

Ouvrez la carte sur laquelle vous vous êtes arrêté.

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 s1.

Réponses

s1 — questions courantes

s1— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est RTX A4500, avec une capacité de mémoire de 20 GB. Il exécute le modèle à une compression de Q3_K_M environ 16.3 GB, et produit environ 22.9 tous les GPU capables de l'exécuter en total 132.

s1— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 106 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 : 103.

s1— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 16.3 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.

s1— 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 Q4_K_M, environ 20.1 GO et générant à peu près 40.9 tokens par seconde. L'ajustement est serré.

s1— 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.

s1— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 32B. 32B. 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.

s1— qui l'a créé ?

Il a été publié par Stanford University,University of Washington,Allen Institute for AI,Contextual AI, basé sur United States of America, une organisation catégorisée comme academia,Academia,Research collective,Industry.

s1— quand a-t-il été publié ?

Il a été publié dans January 2025.

s1— à quoi ça sert ?

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

s1— où puis-je le télécharger ?

Ses poids sont publiés sur Hugging Face, sous l'organisation simplescaling. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.

s1— 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 5.7 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

s1— 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 : 132. Ainsi, une seconde carte est rarement la réponse ici.

s1— 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.

s1— 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 : 64–169 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.

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