Gemma 2 9B TPS kalkulátor

Nyitott súlyok Google DeepMind 9B Paraméterek June 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

509 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Xeon Phi 5110P

8 GB · IQ4_XS · 24.0 tok/s

Leggyorsabb kártya

B200

376 tok/s · 180 GB

Melyik GPU képes futtatni Gemma 2 9B?

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.

509 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
376 tok/s 320–452	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	11.7 GB	Q8_0	Kényelmes
376 tok/s 320–452	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	11.7 GB	Q8_0	Kényelmes
301 tok/s 180–481 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	11.7 GB	Q8_0	Kényelmes
301 tok/s 180–481 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	11.7 GB	Q8_0	Kényelmes
240 tok/s 144–385 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	11.7 GB	Q8_0	Kényelmes
230 tok/s 196–276	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.7 GB	Q8_0	Kényelmes
230 tok/s 196–276	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.7 GB	Q8_0	Kényelmes
220 tok/s 132–352 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	11.7 GB	Q8_0	Kényelmes
195 tok/s 117–313 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Kényelmes
195 tok/s 117–313 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Kényelmes
195 tok/s 117–313 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	11.7 GB	Q8_0	Kényelmes
185 tok/s 158–222	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	11.7 GB	Q8_0	Kényelmes
172 tok/s 146–207	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.0 GB	IQ4_XS	Szoros
158 tok/s 134–190	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Kényelmes
158 tok/s 134–190	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	11.7 GB	Q8_0	Kényelmes
158 tok/s 134–190	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Kényelmes
158 tok/s 134–190	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Kényelmes
158 tok/s 134–190	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	11.7 GB	Q8_0	Kényelmes
131 tok/s 111–157	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q5_K_M	Szoros
120 tok/s 72–193 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	11.7 GB	Q8_0	Kényelmes
120 tok/s 72–193 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	11.7 GB	Q8_0	Kényelmes
100 tok/s 60–161 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	11.7 GB	Q8_0	Kényelmes
98.2 tok/s 59–157 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	11.7 GB	Q8_0	Kényelmes
96.0 tok/s 82–115	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	11.7 GB	Q8_0	Kényelmes
96.0 tok/s 82–115	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	11.7 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: Google DeepMind
Szervezet típusa: Industry
Ország: United States of America
Közölt: 24 June 2024
Szerzők: Gemma Team, Google DeepMind

Mit csinál

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

Tartomány: Language
Feladat: Language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning

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: 9B
Képzési adatok: 8,000,000,000,000 tokens

Képzés számítás

A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.

Képzés számítás: 4.3 × 10²³ FLOP
Hogyan jött létre: Operation counting

A tréning futás

Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.

Képzési hardver: Google TPU v4
Használt chipek: 4,096
Teljesítményfogyasztás: 2.7 MW

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 (restricted use)
Képzés kód: Unreleased
Hugging Face: google

Hogyan van besorolva

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

Valószínűleg 10²³ FLOP felett: Yes
Nyilvántartási bizalom: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Gemma 2 offers best-in-class performance, runs at incredible speed across different hardware and easily integrates with other AI tools.
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni Gemma 2 9B

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 Gemma 2 9B

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

Mit jelentenek a számok

Mi szükséges ehhez a modellhez való futtatáshoz

Minimális kártya

Xeon Phi 5110P

Szükséges memória

7.0 GB

Leggyorsabb

376 tok/s

Gemma 2 9B eléri a paraméterek számát 9B. 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: 509.

A legkisebb kártya, ami elbírja, az Xeon Phi 5110P, memória kapacitással rendelkezik 8 GB, futtatás egy tömörítési arányon IQ4_XS és körülbelül előállítva 24.0 tokenek másodpercenként

A leggyorsabb eredmény a következőből származik B200, nagyjából generálás 376 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Háttér

Gemma 2 9B ki lett adva által Google DeepMind, az országban rögzítve mint United States of America, alatt June 2024. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry.

Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning.

Mivel a súlyai ki lettek adva, semmi sem függ attól, hogy egy szolgáltató elérhető marad-e - a tiéd, amint letöltötted. A Hugging Face-en az alábbi szervezet alatt van publikálva google.

A átbocsátási számadatok olvasása

A kártyák felének, amelyek tartják, több mint 26.0 másodpercenkénti tokenek. Jogosultsági olvasási sebesség: 473 tőlük

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

Mivel az architektúra rögzítve van, a memória oszlop származtatott, nem pedig becsült.

Mi került a felépítésébe

A létrehozásához körülbelül összesítő aritmetikára volt szükség. 4.3 × 10²³ FLOP, hardveren rögzítve Google TPU v4. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.

Körülbelül egy korpuszon lett betanítva 8,000,000,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a Gemma 2 9B

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.

A táblázat felsorolja az összes kártyát, amely képes tartani Gemma 2 9B, körülbelül szükséges 7.0 GB a tömörítésnél IQ4_XS. Ez a szám, nem a kártya címválaszték teljesítménye, az, ami eldönti, hogy fut-e.
02

Döntsön arról, hogy mennyi ideig tartanak a beszélgetései.

A hosszabb beszélgetések memóriaigénye van a súlyok szükségletén kívül. Húzd el a csúszkát a valódi munkahosszodra, mielőtt bármelyik sort megbízhatónak tartanád. Gemma 2 9B.
03

Döntsd el, mennyi tömörítést fogadsz el.

A kvantálási oszlop kártyánként változik, mert egy nagyobb kártya pontosabb másolatot tartalmaz., elérni egy tömörítést a IQ4_XS 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 Gemma 2 9B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 376 tok/s
05

Nézd a mozgásteret, ne csak a passzolást.

A megfelelő oszlop elválasztja azokat a kártyákat, amelyek épp hogy elboldogulnak, azoktól, amelyeknek van szabad helyük, az esetében Gemma 2 9B. 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 a kártyát a másik oldalról.

Minden kártyanév egy saját oldalra mutat, amely ugyanazt a számítást végzi el az egész modell kataloguson. Egy kártyát általában több modellhez is vásárolnak, ezért érdemes megnézni vásárlás előtt. Gemma 2 9B.

Válaszok

Gemma 2 9B — gyakori kérdések

Gemma 2 9B— miért különbözik a kvantálás a kártyák között?

Mivel a kapacitás változik, úgy az is, hogy mennyire kell összenyomni. A fenti táblázatban lévő különböző szintek száma: 4. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

Gemma 2 9B— 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: 320–452 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

Gemma 2 9B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Xeon Phi 5110P, memória kapacitással rendelkezik 8 GB. A modell egy tömörítéssel fut. IQ4_XS használva körülbelül 7.0 GB, és körülbelül 24.0 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 509.

Gemma 2 9B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 376 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: 473.

Gemma 2 9B— mennyi VRAM-ra van szüksége?

Kb. 7.0 GB tömörítési arányban IQ4_XS, 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.

Gemma 2 9B— futtathatom egy GPU-n tartva 8 GB?

Igen. A KÁRTYA CMP 170HX 8 GB, tartás 8 GB, futtatja egy tömörítési arány mellett IQ4_XS, használva körülbelül 7.0 GB és körülbelül generálás 172 tokensek másodpercenként. A fit szoros.

Gemma 2 9B— futtathatom egy GPU-n tartva 12 GB?

Igen. A KÁRTYA GeForce RTX 3080 Ti, tartás 12 GB, futtatja egy tömörítési arány mellett Q6_K, használva körülbelül 9.6 GB és körülbelül generálás 62.4 tokensek másodpercenként. A fit szoros.

Gemma 2 9B— 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 11.7 GB és körülbelül generálás 53.2 másodpercenkénti tokenek. A illeszkedés kényelmes.

Gemma 2 9B— 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 11.7 GB és körülbelül generálás 63.1 másodpercenkénti tokenek. A illeszkedés kényelmes.

Gemma 2 9B— 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.

Gemma 2 9B— Hány paramétere van?

Paraméterszáma 9B. 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.

Gemma 2 9B— Ki készítette ezt?

Kiadta Google DeepMind, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.

Gemma 2 9B— Mikor adták ki?

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

Gemma 2 9B— Mire használják?

Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation, Chat, Code generation, Question answering, Quantitative reasoning. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

Gemma 2 9B— Hol tudom letölteni?

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

Gemma 2 9B— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 4.3 × 10²³ FLOP, hardveren rögzítve Google TPU v4. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.

Gemma 2 9B— 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 2.2 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

Gemma 2 9B— Futtatna-e két GPU gyorsabban?

Két kártya memóriát vásárol, nem sebességet, ami csak akkor számít, ha az egyik kártya nem tudja tartani. Az a szám, ami tudja: 509. Tehát egy második KÁRTYA ritkán a megoldás itt.

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