InternVL2-40B TPS kalkulátor

Nyitott súlyok Shanghai AI Lab 40.1B Paraméterek July 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

126 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Tesla M40 24 GB

24 GB · Q3_K_M · 7.0 tok/s

Leggyorsabb kártya

B200

84.5 tok/s · 180 GB

Melyik GPU képes futtatni InternVL2-40B?

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.

126 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
84.5 tok/s 51–135 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	43.6 GB	Q8_0	Kényelmes
84.5 tok/s 51–135 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	43.6 GB	Q8_0	Kényelmes
67.5 tok/s 40–108 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	43.6 GB	Q8_0	Kényelmes
67.5 tok/s 40–108 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	43.6 GB	Q8_0	Kényelmes
54.0 tok/s 32–86 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	43.6 GB	Q8_0	Kényelmes
51.7 tok/s 31–83 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.6 GB	Q8_0	Kényelmes
51.7 tok/s 31–83 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.6 GB	Q8_0	Kényelmes
49.4 tok/s 30–79 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	43.6 GB	Q8_0	Kényelmes
45.6 tok/s 27–73 · alacsony bizalom	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	25.0 GB	Q4_K_M	Szoros
45.6 tok/s 27–73 · alacsony bizalom	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	25.0 GB	Q4_K_M	Szoros
43.9 tok/s 26–70 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	43.6 GB	Q8_0	Kényelmes
43.9 tok/s 26–70 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	43.6 GB	Q8_0	Kényelmes
43.9 tok/s 26–70 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	43.6 GB	Q8_0	Kényelmes
43.7 tok/s 26–70 · alacsony bizalom	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.0 GB	Q4_K_M	Szoros
43.7 tok/s 26–70 · alacsony bizalom	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.0 GB	Q4_K_M	Szoros
41.6 tok/s 25–67 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	43.6 GB	Q8_0	Kényelmes
38.2 tok/s 23–61 · alacsony bizalom	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.3 GB	Q3_K_M	Szoros
35.5 tok/s 21–57 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Kényelmes
35.5 tok/s 21–57 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	43.6 GB	Q8_0	Kényelmes
35.5 tok/s 21–57 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Kényelmes
35.5 tok/s 21–57 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Kényelmes
35.5 tok/s 21–57 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Kényelmes
34.8 tok/s 21–56 · alacsony bizalom	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.3 GB	Q3_K_M	Szoros
28.8 tok/s 17–46 · alacsony bizalom	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	20.3 GB	Q3_K_M	Szoros
28.8 tok/s 17–46 · alacsony bizalom	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	20.3 GB	Q3_K_M	Szoros

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: Shanghai AI Lab
Szervezet típusa: Academia
Ország: China
Közölt: 4 July 2024

Mit csinál

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

Tartomány: Multimodal, Language, Vision, Video
Feladat: Visual question answering, Language modeling/generation, Question answering, Video description, Character recognition (OCR)
Alapmodell: Nous-Hermes-2-Yi-34B,InternViT-6B

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: 40.1B
Képzési adatok: tokens
Epochok: 1

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: OpenGVLab

Hogyan van besorolva

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

Nyilvántartási bizalom: Confident
Hivatkozások: 190

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: InternVL2: Better than the Best—Expanding Performance Boundaries of Open-Source Multimodal Models with the Progressive Scaling Strategy
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni InternVL2-40B

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 InternVL2-40B

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

Mit jelentenek a számok

Ami szükséges a futtatásához

Minimális kártya

Tesla M40 24 GB

Szükséges memória

20.3 GB

Leggyorsabb

84.5 tok/s

InternVL2-40B eléri a paraméterek számát 40.1B. Ez a tartományba esik, amelyet egy komoly asztali KÁRTYA kezelni tud, miután a súlyok tömörítve vannak. Azoknak a KÁRTYÁKNAK a száma, amelyeket nyomon követünk, és amelyek képesek futtatni: 126.

A legkevesebb hardver, ami működik, az Tesla M40 24 GB, memória kapacitással rendelkezik 24 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 7.0 tokenek másodpercenként

A leggyorsabb eredmény a következőből származik B200, nagyjából generálás 84.5 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Háttér

InternVL2-40B ki lett adva által Shanghai AI Lab, az országban rögzítve mint China, alatt July 2024. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia.

Működik a területen a Multimodal, Language, Vision, Video, és úgy van rögzítve, mint a feladat végrehajtása visual question answering, Language modeling/generation, Question answering, Video description, Character recognition (OCR).

Ez alapoz. Nous-Hermes-2-Yi-34B,InternViT-6B. A legtöbb modell ezen a skálán egy meglévő alaphoz van igazítva, ahelyett, hogy semmiből épült volna.

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 OpenGVLab.

A átbocsátási számadatok olvasása

A kártyák felének, amelyek tartják, több mint 21.2 másodpercenkénti tokenek 106 tőlük

Minden súly részt vesz minden tokenben itt, így a sávszélesség a teljes történet: az alábbi rangsor lényegében a memória átbocsátóképességének rangsora.

Nélkül az attention elrendezés a nyilvántartásban, a memory oszlop egy közelítés. Elég közel van ahhoz, hogy hardver kiválasztását lehessen végezni, és a leghitványosabb hosszú context esetén.

Lépésről lépésre

Hogyan válasszunk GPU-t a InternVL2-40B

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

01

Olvasd el a MEMORY adatokat először.

Minden kártyát itt leellenőriztünk a következőkkel szemben InternVL2-40B, körülbelül szükséges 20.3 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. InternVL2-40B.
03

Döntsd el, mennyi tömörítést fogadsz el.

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.

A sebességsorrend lényegében egy sorrend a MEMÓRIA-SÁV szerint, a InternVL2-40B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 84.5 tok/s
05

Olvasd el az illeszkedés oszlopot utoljára.

Tömör jelentése, hogy betölti és működik, nincs hely a későbbi kontextus növelésére, a következő esetben InternVL2-40B. A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

Nézd meg, mit futtat még az a kártya.

Minden kártyaoldal megismétli ezt a vizsgálatot minden modellre, amelyet birtoklunk, válaszolva arra, hogy mi másra jó a hardver, azon kívül, hogy InternVL2-40B.

Válaszok

InternVL2-40B — gyakori kérdések

InternVL2-40B— 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 7.0 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

InternVL2-40B— Futtatna-e két GPU gyorsabban?

Egy második Kártya körülbelül megduplázza a rendelkezésre álló MEMÓRIÁT, de nem a generálási sebességet. A szám, amely már képes egyedül futtatni: 126. Tehát egy második KÁRTYA ritkán a megoldás itt.

InternVL2-40B— miért különbözik a kvantálás a kártyák között?

Minden kártya a lehető legkevésbé tömörített másolatát futtatva jelenik meg, amit képes tárolni. A kártyákon elférő különböző tömörítési szintek száma: 4. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

InternVL2-40B— Mennyire pontosak ezek a sebességbecslések?

Minden szám a memória sávszélességből és a modell méretéből származik, nem benchmarkolták, ezért mindet tartományként tették közzé, nem pedig egyetlen számként. Egy például: 51–135 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

InternVL2-40B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Tesla M40 24 GB, memória kapacitással rendelkezik 24 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 20.3 GB, és körülbelül 7.0 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 126.

InternVL2-40B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 84.5 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: 106.

InternVL2-40B— mennyi VRAM-ra van szüksége?

Kb. 20.3 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.

InternVL2-40B— futtathatom egy GPU-n tartva 24 GB?

Igen. A KÁRTYA GeForce RTX 5090 D V2, tartás 24 GB, futtatja egy tömörítési arány mellett Q3_K_M, használva körülbelül 20.3 GB és körülbelül generálás 38.2 tokensek másodpercenként. A fit szoros.

InternVL2-40B— 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.

InternVL2-40B— Hány paramétere van?

Paraméterszáma 40.1B. 40.1B. 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.

InternVL2-40B— Ki készítette ezt?

Kiadta Shanghai AI Lab, alapján China, egy szervezet, amelyet kategorizáltak mint academia.

InternVL2-40B— Mikor adták ki?

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

InternVL2-40B— Mire használják?

Működik a területen a Multimodal, Language, Vision, Video, és rögzítve van, hogy kezeli a feladatot visual question answering, Language modeling/generation, Question answering, Video description, Character recognition (OCR). A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.

InternVL2-40B— Hol tudom letölteni?

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

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 28 November 2025

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