Llama 3.2 90B calculateur TPS

Ouvrir les poids Meta AI 88.6B 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

43 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Radeon Instinct MI200

64 GB · Q4_K_M · 14.1 tok/s

Carte la plus rapide

B200

38.2 tok/s · 180 GB

Quelles GPU peuvent exécuter Llama 3.2 90B?

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.

43 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
38.2 tok/s 23–61 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	95.6 GB	Q8_0	Confortable
38.2 tok/s 23–61 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	95.6 GB	Q8_0	Confortable
30.5 tok/s 18–49 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	95.6 GB	Q8_0	Confortable
30.5 tok/s 18–49 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	95.6 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	64.6 GB	Q5_K_M	À l'étroit
28.7 tok/s 17–46 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	64.6 GB	Q5_K_M	À l'étroit
27.4 tok/s 16–44 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	74.9 GB	Q6_K	À l'étroit
24.4 tok/s 15–39 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	95.6 GB	Q8_0	Confortable
23.4 tok/s 14–37 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	95.6 GB	Q8_0	Confortable
23.4 tok/s 14–37 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	95.6 GB	Q8_0	Confortable
23.3 tok/s 14–37 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.9 GB	Q6_K	À l'étroit
23.3 tok/s 14–37 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	74.9 GB	Q6_K	À l'étroit
23.3 tok/s 14–37 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.9 GB	Q6_K	À l'étroit
22.4 tok/s 13–36 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	95.6 GB	Q8_0	Confortable
22.3 tok/s 13–36 · faible confiance	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.3 GB	Q4_K_M	À l'étroit
19.9 tok/s 12–32 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	95.6 GB	Q8_0	Confortable
19.9 tok/s 12–32 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	95.6 GB	Q8_0	Confortable
19.9 tok/s 12–32 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	95.6 GB	Q8_0	Confortable
17.4 tok/s 10–28 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	64.6 GB	Q5_K_M	À l'étroit
17.4 tok/s 10–28 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	64.6 GB	Q5_K_M	À l'étroit
17.4 tok/s 10–28 · faible confiance	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	64.6 GB	Q5_K_M	À l'étroit
17.4 tok/s 10–28 · faible confiance	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	64.6 GB	Q5_K_M	À l'étroit
17.4 tok/s 10–28 · faible confiance	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	64.6 GB	Q5_K_M	À l'étroit
17.4 tok/s 10–28 · faible confiance	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	64.6 GB	Q5_K_M	À l'étroit
16.6 tok/s 10–27 · faible confiance	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	64.6 GB	Q5_K_M	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: Meta AI
Type d'organisation: Industry
Pays: United States of America
Publié: 24 September 2024

Ce qu'il fait

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

Domaine: Multimodal, Vision, Language
Tâche: Visual question answering, Image captioning, Object detection
Modèle de base: Llama 3.1-70B

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: 88.6B
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.

Comment cela a été établi: Hardware
Ajustement fin des calculs: 2.5 × 10²⁴ 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
Heures de puce: 1,770,000

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 (restricted use)
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.

Probablement au-dessus de 10²³ FLOP: Yes
Confiance d'enregistrement: Confident

Sources

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

Référence: Llama 3.2: Revolutionizing edge AI and vision with open, customizable models
Dernière mise à jour: 28 November 2025

Les extrêmes

Les dix GPU les plus rapides qui exécutent Llama 3.2 90B

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 Llama 3.2 90B

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

Le côté matériel

Carte minimale

Radeon Instinct MI200

Mémoire requise

54.3 GB

Le plus rapide

38.2 tok/s

Llama 3.2 90B atteint un nombre de paramètres de 88.6B. 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 : 43.

À l'extrémité inférieure, cela est géré par Radeon Instinct MI200, avec une capacité de mémoire de 64 GB, le faisant fonctionner à une compression de Q4_K_M et produisant environ 14.1 tokens par seconde

Le plus rapide que nous calculons pour cela est B200, générant à peu près 38.2 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

Ce que ce modèle est

Llama 3.2 90B a été publié par Meta AI, dans le pays enregistré comme United States of America, durant September 2024. Cela provient d'une organisation classée comme industry.

Il fonctionne dans le domaine de Multimodal, Vision, Language, et est enregistré comme exécutant la tâche de visual question answering, Image captioning, Object detection.

Son point de départ était un modèle de base existant, Llama 3.1-70B. 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.

Qu'est-ce qui détermine la vitesse

Le résultat médian est d'environ 17.4 tokens par seconde. Produire du texte plus vite que la plupart des gens ne le lisent. 38 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.

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.

Étape par étape

Comment choisir un GPU pour Llama 3.2 90B

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

Commencez par la colonne mémoire

La table répertorie chaque carte capable de supporter Llama 3.2 90B, ayant besoin d'environ 54.3 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

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. Llama 3.2 90B.
03

Décidez combien de compression vous allez accepter

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

La commande de vitesse est effectivement un classement par bande passante mémoire, pour Llama 3.2 90B. 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 38.2 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 Llama 3.2 90B. 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 Llama 3.2 90B.

Réponses

Llama 3.2 90B — questions courantes

Llama 3.2 90B— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 54.3 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.

Llama 3.2 90B— 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.

Llama 3.2 90B— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 88.6B. https://huggingface.co/meta-llama/Llama-3.2-90B-Vision. 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.

Llama 3.2 90B— qui l'a créé ?

Il a été publié par Meta AI, basé sur United States of America, une organisation catégorisée comme industry.

Llama 3.2 90B— 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.

Llama 3.2 90B— à quoi ça sert ?

Il fonctionne dans le domaine de Multimodal, Vision, Language, et est enregistré comme gérant la tâche de visual question answering, Image captioning, Object detection. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.

Llama 3.2 90B— 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.

Llama 3.2 90B— 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 11.1 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

Llama 3.2 90B— 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 : 43. Ainsi, une seconde carte est rarement la réponse ici.

Llama 3.2 90B— 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.

Llama 3.2 90B— 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 : 23–61 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.

Llama 3.2 90B— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Radeon Instinct MI200, avec une capacité de mémoire de 64 GB. Il exécute le modèle à une compression de Q4_K_M environ 54.3 GB, et produit environ 14.1 tous les GPU capables de l'exécuter en total 43.

Llama 3.2 90B— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 38.2 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 : 38.

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