LLaVA-OV-7B TPS kalkulátor

Nyitott súlyok ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST) 7.6B Paraméterek August 2024

Minden kártyát az alábbiak szerint értékelünk e modell alapján a választott kontextus hossza és minimális minőség szerint. A sebesség egy becslés egyetlen kérésre, amelyet a kártya memória sávszélessége és a modell mérete alapján számítunk ki, miután tömörítettük..

Kiszámítva ehhez a MODElhez

589 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Tesla K20c

5 GB · Q3_K_M · 26.6 tok/s

Leggyorsabb kártya

B200

446 tok/s · 180 GB

Melyik GPU képes futtatni LLaVA-OV-7B?

Állítsa be a bemeneteket, olvassa el a választ

Kontekthossz tokenek

Egy hosszabb beszélgetés több memóriaigényt támaszt, ami kiszoríthatja ezt a modellt a kisebb kártyákról..

Minimum minőség

Elrejti azokat a GPU-kártyákat, amelyek csak a modellbe illeszkednének a compressziójuk ezen pont alá..

Kártyák keresése

Kártya memória

Olyan kártyákat is mutasson, amelyek nem tudják futtatni.

589 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
446 tok/s 267–713 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.8 GB	Q8_0	Kényelmes
446 tok/s 267–713 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.8 GB	Q8_0	Kényelmes
356 tok/s 214–570 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.8 GB	Q8_0	Kényelmes
356 tok/s 214–570 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.8 GB	Q8_0	Kényelmes
285 tok/s 171–456 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.8 GB	Q8_0	Kényelmes
273 tok/s 164–436 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.8 GB	Q8_0	Kényelmes
273 tok/s 164–436 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.8 GB	Q8_0	Kényelmes
261 tok/s 156–417 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.8 GB	Q8_0	Kényelmes
231 tok/s 139–370 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Kényelmes
231 tok/s 139–370 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Kényelmes
231 tok/s 139–370 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Kényelmes
220 tok/s 132–351 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
187 tok/s 112–300 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
187 tok/s 112–300 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.8 GB	Q8_0	Kényelmes
187 tok/s 112–300 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
187 tok/s 112–300 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
187 tok/s 112–300 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
143 tok/s 86–228 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.8 GB	Q8_0	Kényelmes
143 tok/s 86–228 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.8 GB	Q8_0	Kényelmes
121 tok/s 72–193 · alacsony bizalom	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.1 GB	Q6_K	Szoros
119 tok/s 71–190 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.8 GB	Q8_0	Kényelmes
116 tok/s 70–186 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.8 GB	Q8_0	Kényelmes
114 tok/s 68–182 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.8 GB	Q8_0	Kényelmes
114 tok/s 68–182 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.8 GB	Q8_0	Kényelmes
114 tok/s 68–182 · alacsony bizalom	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.8 GB	Q8_0	Kényelmes

A sebességek egyetlen kérésre - egy beszélgetés egy időben - vonatkozó becslések, amelyeket a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítanak ki. A valós áteresztőképesség változik az INFERENCE RUNTIME és annak verziója szerint. A HARDWARE VENDORS által közzétett számok sok párhuzamos kérést mérnek, és sokkal magasabbak..

Nyilvántartásban

Teljes specifikáció

Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..

Eredet

Ki építette ezt a modellt, hol, és mikor publikálták.

Szervezet: ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST)
Szervezet típusa: Industry,Academia,Academia,Academia
Ország: China, Singapore, Hong Kong
Közölt: 6 August 2024
Szerzők: Bo Li, Yuanhan Zhang, Dong Guo, Renrui Zhang, Feng Li, Hao Zhang, Kaichen Zhang, Peiyuan Zhang, Yanwei Li, Ziwei Liu, Chunyuan Li

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány: Multimodal, Video, Vision, Language
Feladat: Image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation
Alapmodell: Qwen2-7B
Numerikus formátum: BF16

Méret

Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.

Paraméterek: 7.6B
Képzési adatok: 945,138,000 tokens
Epochok: 1
Tételméret: 256

Elérhetőség

Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.

Súlyok: Open — downloadable
Modell hozzáférés: Open weights (unrestricted)
Képzés kód: Open source
Hugging Face: lmms-lab

Hogyan van besorolva

Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.

Nyilvántartási bizalom: Confident
Hivatkozások: 2,428

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: LLaVA-OneVision: Easy Visual Task Transfer
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni LLaVA-OV-7B

A másodpercenkénti becsült tokenek alapján rangsorolva, a legújabb kártyát először, ahol a sebességek azonosak. Mivel a generálás a MEMÓRIA SZÉLESSÉGÉhez van kötve, ez a sorrend a sávszélességet követi, nem pedig bármilyen játékbeli tesztet..

A legkisebb GPU-k, amik még futnak LLaVA-OV-7B

A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..

Mit jelentenek a számok

A hardver oldal

Minimális kártya

Tesla K20c

Szükséges memória

4.4 GB

Leggyorsabb

446 tok/s

LLaVA-OV-7B eléri a paraméterek számát 7.6B. Ez elég kicsi ahhoz, hogy a hardver ritkán legyen az akadály, beleértve a több éves kártyákat is. Azoknak a kártyáknak a száma, amelyeket nyomon követünk, és amelyek el tudják futtatni: 589.

az alsó végén ezt kezelik Tesla K20c, memória kapacitással rendelkezik 5 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 26.6 tokenek másodpercenként

A legjobb kategóriájú B200, nagyjából generálás 446 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Honnan jött

LLaVA-OV-7B ki lett adva által ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST), az országban rögzítve mint China, alatt August 2024. A kiadó kategóriája alá tartozik industry,Academia,Academia,Academia.

Működik a területen a Multimodal, Video, Vision, Language, és úgy van rögzítve, mint a feladat végrehajtása image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation.

Ahelyett, hogy nulláról lenne betanítva, az származik Qwen2-7B. Ez a szokásos módja egy specializált modell előállításának.

A közzétett súlyok azt jelentik, hogy a modell a te gépeden fut, nem pedig valaki másén, ami lehetővé teszi az alábbi hardverkérdés megválaszolását. A Hugging Face-en az alábbi szervezet alatt van publikálva lmms-lab.

A sebességek megértése

A kártyák felének, amelyek tartják, több mint 24.1 másodpercenkénti tokenek. Jogosultsági olvasási sebesség: 557 tőlük

A sűrűsége miatt minden egyes tokent önállóan olvas, ezért a sebesség szerinti rendezés alább annyira közel követi a memória sávszélesség szerinti rendezést.

A belső architektúrája nincs nyilvántartásban, így a memória a paraméterek száma alapján van megbecsülve és ennek megfelelően van megjelölve. Várhatóan a tényleges érték eltér, különösen hosszú CONTEXT LENGTH esetén.

Képzés és származás

Körülbelül egy korpuszon lett betanítva 945,138,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a LLaVA-OV-7B

A fenti táblázat már értékelte az összes kártyát, amelynek specifikációi elérhetők ennek a modellen. A válaszod megszerzése hat lépést igényel..

01

Nézd meg, mire van szüksége, mielőtt bármi mást tennél.

Minden kártyát itt leellenőriztünk a következőkkel szemben LLaVA-OV-7B, körülbelül szükséges 4.4 GB a tömörítésnél Q3_K_M. Ez a szám, nem a kártya címválaszték teljesítménye, az, ami eldönti, hogy fut-e.
02

Illeszd a kontextust a tényleges használatodhoz.

Állítsa be a kontextust arra, amit valójában használni fog. A cache a beszélgetéssel nő, és ez a szokásos oka annak, hogy egy kártya, amelynek korábban rendben kellett volna lennie, egyszer csak nem fér el. LLaVA-OV-7B.
03

Állítsa be a minőségi minimumot

Minden KÁRTYA a legkevésbé tömörített másolatot futtatja, amelyet el tud tartani., elérni egy tömörítést a Q3_K_M a legkisebb kártyán, ami elfér. A minimális minőség beállítása eldobja azokat a kártyákat, amelyek csak úgy tudják kezelni, hogy tovább szorítanak, mint amit szeretnél, és egy szinten tartja az összehasonlítást.
04

Hasonlítsd össze a TOKENS PER SECOND-t, ne a SPECIFICATIONS-t.

Rendezze sebesség szerint, hogy lássa, hogyan rangsorolnak a kártyák. LLaVA-OV-7B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 446 tok/s
05

Olvasd el az illeszkedés oszlopot utoljára.

A megfelelő oszlop elválasztja azokat a kártyákat, amelyek épp hogy elboldogulnak, azoktól, amelyeknek van szabad helyük, az esetében LLaVA-OV-7B. A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

Nyisd meg a kiválasztott kártyát.

Egy KÁRTYA végigkövetése a saját oldaláig megmutatja az összes többi modellt, amelyet el tud tartani, ami az a kérdés, ami felmerül, miután döntöttél. LLaVA-OV-7B.

Válaszok

LLaVA-OV-7B — gyakori kérdések

LLaVA-OV-7B— futtathatom egy GPU-n tartva 8 GB?

Igen. A KÁRTYA CMP 170HX 8 GB, tartás 8 GB, futtatja egy tömörítési arány mellett Q6_K, használva körülbelül 7.1 GB és körülbelül generálás 121 tokensek másodpercenként. A fit szoros.

LLaVA-OV-7B— futtathatom egy GPU-n tartva 12 GB?

Igen. A KÁRTYA GeForce RTX 3080 Ti, tartás 12 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 8.8 GB és körülbelül generálás 50.9 másodpercenkénti tokenek. A illeszkedés kényelmes.

LLaVA-OV-7B— futtathatom egy GPU-n tartva 16 GB?

Igen. A KÁRTYA Tesla V100 SXM2 16 GB, tartás 16 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 8.8 GB és körülbelül generálás 63.0 másodpercenkénti tokenek. A illeszkedés kényelmes.

LLaVA-OV-7B— futtathatom egy GPU-n tartva 24 GB?

Igen. A KÁRTYA GeForce RTX 5090 D V2, tartás 24 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 8.8 GB és körülbelül generálás 74.7 másodpercenkénti tokenek. A illeszkedés kényelmes.

LLaVA-OV-7B— Nyílt forráskódú?

Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.

LLaVA-OV-7B— Hány paramétere van?

Paraméterszáma 7.6B. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.

LLaVA-OV-7B— Ki készítette ezt?

Kiadta ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST), alapján China, egy szervezet, amelyet kategorizáltak mint industry,Academia,Academia,Academia.

LLaVA-OV-7B— Mikor adták ki?

Kibocsátották a August 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

LLaVA-OV-7B— Mire használják?

Működik a területen a Multimodal, Video, Vision, Language, és rögzítve van, hogy kezeli a feladatot image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

LLaVA-OV-7B— Hol tudom letölteni?

Súlyait a Hugging Face-en tette közzé, a szervezet alatt lmms-lab. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.

LLaVA-OV-7B— Futtathatom, ha nem fér el a GPU-mban?

Részben. Azok a rétegek, amelyek nem férnek el a GPU VRAM-ban, a rendszer memóriájában ülnek és a sebesség egy töredékén futnak, így egy túlnyomórészt áthelyezett AI model használata ritkán éri meg. A legközelebbi hiba, amit számítunk, alulmúlja 1.7 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

LLaVA-OV-7B— Futtatna-e két GPU gyorsabban?

A kapacitás kártyánként összeadódik; a teljesítmény nem. A kártyák számának már saját magukban tartva: 589. Tehát egy második KÁRTYA ritkán a megoldás itt.

LLaVA-OV-7B— miért különbözik a kvantálás a kártyák között?

Egy nagyobb KÁRTYA pontosabb másolatot tárol. Azoknak a tömörítési szinteknek a száma, amelyeket a futó KÁRTYÁK használnak: 4. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

LLaVA-OV-7B— Mennyire pontosak ezek a sebességbecslések?

Ezek becslések valós hibahatárokkal, és bármelyikük ésszerűen bárhol elhelyezkedhet a közzétett tartományán belül, attól függően, hogy milyen futtatási időt használsz. A leggyorsabb eredmény itt: 267–713 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

LLaVA-OV-7B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Tesla K20c, memória kapacitással rendelkezik 5 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 4.4 GB, és körülbelül 26.6 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 589.

LLaVA-OV-7B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 446 tokenek másodpercenként; a leglassabb, ami még fut, jelentősen kevesebbet képes kezelni. Az olvasási sebesség körülbelül tíz token másodpercenként, és a kártyák száma, amelyek ezt meg tudják tisztítani: 557.

LLaVA-OV-7B— mennyi VRAM-ra van szüksége?

Kb. 4.4 GB tömörítési arányban Q3_K_M, melyik az a legkisebb KÁRTYA, amelyik futtatni tudja. Kevesebb tömörítés több szükséges: a fentebbi memória oszlop számai minden KÁRTYÁRA újraszámításra kerülnek, mert mindegyik tartalmazza a legkevésbé tömörített verziót, amit csak tud.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 25 May 2026

A másik irány

Másik oldalról nézve?

Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..

Minden AI modell