Molmo 72B calculateur TPS

Ouvrir les poids Allen Institute for AI,University of Washington 72B paramètres September 2024

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

61 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

A100 PCIe 40 GB

40 GB · Q3_K_M · 24.8 tok/s

Carte la plus rapide

B200

47.1 tok/s · 180 GB

Quelles GPU peuvent exécuter Molmo 72B?

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.

61 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
47.1 tok/s 28–75 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	77.8 GB	Q8_0	Confortable
47.1 tok/s 28–75 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	77.8 GB	Q8_0	Confortable
37.6 tok/s 23–60 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	77.8 GB	Q8_0	Confortable
37.6 tok/s 23–60 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	77.8 GB	Q8_0	Confortable
30.1 tok/s 18–48 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	77.8 GB	Q8_0	Confortable
28.8 tok/s 17–46 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	77.8 GB	Q8_0	Confortable
28.8 tok/s 17–46 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	77.8 GB	Q8_0	Confortable
28.7 tok/s 17–46 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	61.0 GB	Q6_K	À l'étroit
28.7 tok/s 17–46 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	61.0 GB	Q6_K	À l'étroit
27.5 tok/s 17–44 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	77.8 GB	Q8_0	Confortable
27.0 tok/s 16–43 · faible confiance	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	40.1 GB	IQ4_XS	À l'étroit
24.8 tok/s 15–40 · faible confiance	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	35.9 GB	Q3_K_M	À l'étroit
24.8 tok/s 15–40 · faible confiance	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	35.9 GB	Q3_K_M	À l'étroit
24.8 tok/s 15–40 · faible confiance	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	35.9 GB	Q3_K_M	À l'étroit
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Confortable
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Confortable
23.2 tok/s 14–37 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
21.2 tok/s 13–34 · faible confiance	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	52.6 GB	Q5_K_M	À l'étroit
19.8 tok/s 12–32 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
19.8 tok/s 12–32 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
19.8 tok/s 12–32 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	À l'étroit
19.4 tok/s 12–31 · faible confiance	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	40.1 GB	IQ4_XS	À l'étroit
17.4 tok/s 10–28 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	61.0 GB	Q6_K	À l'étroit
17.4 tok/s 10–28 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	61.0 GB	Q6_K	À l'étroit

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: Allen Institute for AI,University of Washington
Type d'organisation: Research collective,Academia
Pays: United States of America
Publié: 25 September 2024
Auteurs: Matt Deitke, Christopher Clark, Sangho Lee, Rohun Tripathi, Yue Yang, Jae Sung Park, Mohammadreza Salehi, Niklas Muennighoff, Kyle Lo, Luca Soldaini, Jiasen Lu, Taira Anderson, Erin Bransom, Kiana Ehsani, Huong Ngo, YenSung Chen, Ajay Patel, Mark Yatskar, Chris Callison-Burch, Andrew Head, Rose Hendrix, Favyen Bastani, Eli VanderBilt, Nathan Lambert, Yvonne Chou, Arnavi Chheda, Jenna Sparks, Sam S…

Ce qu'il fait

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

Domaine: Language, Vision, Multimodal
Tâche: Language modeling/generation, Visual question answering, Question answering
Modèle de base: Qwen2-72B,CLIP (ViT L/14@336px)
Format numérique: BF16

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: 72B
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: 1.3 × 10²² 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 H100 SXM5 80GB

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: Confident

Sources

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

Référence: Molmo and PixMo: Open Weights and Open Data for State-of-the-Art Multimodal Models
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Molmo 72B

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 Molmo 72B

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 qu'il faut pour exécuter ce modèle

Carte minimale

A100 PCIe 40 GB

Mémoire requise

35.9 GB

Le plus rapide

47.1 tok/s

Molmo 72B atteint un nombre de paramètres de 72B. 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 : 61.

La plus petite carte qui le contient est A100 PCIe 40 GB, avec une capacité de mémoire de 40 GB, le faisant fonctionner à une compression de Q3_K_M et produisant environ 24.8 tokens par seconde

Haut de gamme est B200, générant à peu près 47.1 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

D'où cela vient-il

Molmo 72B a été publié par Allen Institute for AI,University of Washington, dans le pays enregistré comme United States of America, durant September 2024. Cela provient d'une organisation classée comme research collective,Academia.

Il fonctionne dans le domaine de Language, Vision, Multimodal, et est enregistré comme exécutant la tâche de language modeling/generation, Visual question answering, Question answering.

Il s'appuie sur Qwen2-72B,CLIP (ViT L/14@336px). C'est la façon habituelle de produire un modèle spécialisé.

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 16.6 tokens par seconde. Produire du texte plus vite que la plupart des gens ne le lisent. 51 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.

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 1.3 × 10²² FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. 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 Molmo 72B

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

La table répertorie chaque carte capable de supporter Molmo 72B, ayant besoin d'environ 35.9 GB à une compression de Q3_K_M. Cette figure, pas la performance principale d'une carte, est ce qui décide si elle fonctionne.
02

Définissez la LONGUEUR DE CONTEXTE à laquelle vous travaillerez.

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 Molmo 72B.
03

Décidez combien de compression vous allez accepter

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

Classer par débit plutôt que par fiche technique

Trier par vitesse pour voir comment les cartes se classent pour Molmo 72B. 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 47.1 tok/s
05

Lisez la colonne de compatibilité en dernier.

La colonne d'adéquation sépare les cartes qui y parviennent juste de celles qui ont de la marge, dans le cas de Molmo 72B. 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

Vérifiez la carte de l'autre côté

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 Molmo 72B.

Réponses

Molmo 72B — questions courantes

Molmo 72B— 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 : 61. Ainsi, une seconde carte est rarement la réponse ici.

Molmo 72B— 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.

Molmo 72B— 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 : 28–75 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.

Molmo 72B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est A100 PCIe 40 GB, avec une capacité de mémoire de 40 GB. Il exécute le modèle à une compression de Q3_K_M environ 35.9 GB, et produit environ 24.8 tous les GPU capables de l'exécuter en total 61.

Molmo 72B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 47.1 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 : 51.

Molmo 72B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 35.9 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.

Molmo 72B— 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.

Molmo 72B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 72B. 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.

Molmo 72B— qui l'a créé ?

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

Molmo 72B— quand a-t-il été publié ?

Il a été publié dans September 2024. 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.

Molmo 72B— à quoi ça sert ?

Il fonctionne dans le domaine de Language, Vision, Multimodal, et est enregistré comme gérant la tâche de language modeling/generation, Visual question answering, Question answering. 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.

Molmo 72B— 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.

Molmo 72B— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 1.3 × 10²² FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. 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.

Molmo 72B— 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 15.5 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