Nemotron-4 340B TPS kalkulátor
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
818 kártyák, amelyek specifikációs adataink vannak
Legkisebb kártya, ami elfér
Radeon Instinct MI300X
192 GB · Q3_K_M · 14.0 tok/s
Leggyorsabb kártya
B300
17.8 tok/s · 288 GB
Melyik GPU képes futtatni Nemotron-4 340B?
Állítsa be a bemeneteket, olvassa el a választ
Egy hosszabb beszélgetés több memóriaigényt támaszt, ami kiszoríthatja ezt a modellt a kisebb kártyákról..
Elrejti azokat a GPU-kártyákat, amelyek csak a modellbe illeszkednének a compressziójuk ezen pont alá..
6 kártyák illeszkednek
Számítás| Szükséges | Kvantisálás | Illeszkedik | |||||
|---|---|---|---|---|---|---|---|
|
17.8
tok/s
11–28 · alacsony bizalom |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 246.0 GB | Q5_K_M | Szoros |
|
14.2
tok/s
9–23 · alacsony bizalom |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 246.0 GB | Q5_K_M | Szoros |
|
14.2
tok/s
9–23 · alacsony bizalom |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 246.0 GB | Q5_K_M | Szoros |
|
14.0
tok/s
8–22 · alacsony bizalom |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 166.8 GB | Q3_K_M | Szoros |
|
14.0
tok/s
8–22 · alacsony bizalom |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 166.8 GB | Q3_K_M | Szoros |
|
13.5
tok/s
8–22 · alacsony bizalom |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 206.4 GB | Q4_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
- NVIDIA
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 14 June 2024
- Szerzők
- Bo Adler, Niket Agarwal, Ashwath Aithal, Dong H. Anh, Pallab Bhattacharya, Annika Brundyn, Jared Casper, Bryan Catanzaro, Sharon Clay, Jonathan Cohen, Sirshak Das, Ayush Dattagupta, Olivier Delalleau, Leon Derczynski, Yi Dong, Daniel Egert, Ellie Evans, Aleksander Ficek, Denys Fridman, Shaona Ghosh, Boris Ginsburg, Igor Gitman, Tomasz Grzegorzek, Robert Hero, Jining Huang, Vibhu Jawa, Joseph Jenni…
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation, Chat, Question answering
- 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
- 340B
- Képzési adatok
- 9,000,000,000,000 tokens
- Tételméret
- 9,437,184
340B
9T training tokens. They first train on an 8T token dataset and then an additional 1T tokens, it's slightly unclear if that's more data or a partial second epoch 6.75T words using 1 token = 0.75 words
2304 * 4096
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
- 1.8 × 10²⁵ FLOP
- Hogyan jött létre
- Operation counting,Hardware
9 trillion tokens for training 6 * 340B * 9T = 1.8E25 alternatively, can do a hardware estimate with a few extra steps: According to the technical report, Nemotron-4 340B was trained using up to 6144 H100 GPUs. Helpfully, they also report the model FLOP utilization (MFU), which was 41-42% (Table 2). This is the ratio of the actual output of their GPUs, in FLOP used for training, relative to their theoretical max of 989 teraFLOP/s per GPU. Unfortunately, the report omits the last ingredient, w…
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA H100 SXM5 80GB
- Használt chipek
- 6,144
- Fali óra idő
- 2,200 hours (91.7 days)
- Hardverhasználat
- MFU 41.1%
- Teljesítményfogyasztás
- 8.5 MW
- Számítási költség
- $21,271,018
see training compute notes, this is an inferred estimate
Table 2 indicates MFU at different stages of training. ((42.4% * 200B) + (42.3% * 200B) + (41.0% * 7600B)) / (200B + 200B + 7600B) = 0.410675, averaged over training.
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
- Unreleased
- Hugging Face
- nvidia
Permissive commercial license: https://developer.download.nvidia.com/licenses/nvidia-open-model-license-agreement-june-2024.pdf
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Határmodell
- Yes
- Valószínűleg 10²³ FLOP felett
- Yes
- Miért követik nyomon
- Training cost
- Nyilvántartási bizalom
- Confident
~2e25 FLOP, so high training cost, likely >5M
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- NVIDIA Releases Open Synthetic Data Generation Pipeline for Training Large Language Models
- Utoljára frissítve
- 18 December 2025
Az extremitások
A tíz leggyorsabb GPU, amely képes futtatni Nemotron-4 340B
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..
- 01 B300 288 GB · 8,000 GB/s · Q5_K_M 17.8 tok/s
- 02 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q5_K_M 14.2 tok/s
- 03 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q5_K_M 14.2 tok/s
- 04 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q3_K_M 14.0 tok/s
- 05 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q3_K_M 14.0 tok/s
- 06 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q4_K_M 13.5 tok/s
A legkisebb GPU-k, amik még futnak Nemotron-4 340B
A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..
- 01 Radeon Instinct MI300X 192 GB · Szükséges 166.8 GB · Q3_K_M · Szoros 14.0 tok/s
- 02 Radeon Instinct MI308X 192 GB · Szükséges 166.8 GB · Q3_K_M · Szoros 14.0 tok/s
- 03 Radeon Instinct MI325X 256 GB · Szükséges 206.4 GB · Q4_K_M · Szoros 13.5 tok/s
- 04 B300 288 GB · Szükséges 246.0 GB · Q5_K_M · Szoros 17.8 tok/s
- 05 Radeon Instinct MI350X 288 GB · Szükséges 246.0 GB · Q5_K_M · Szoros 14.2 tok/s
- 06 Radeon Instinct MI355X 288 GB · Szükséges 246.0 GB · Q5_K_M · Szoros 14.2 tok/s
Mit jelentenek a számok
Mi szükséges ehhez a modellhez való futtatáshoz
Minimális kártya
Radeon Instinct MI300X
Szükséges memória
166.8 GB
Leggyorsabb
17.8 tok/s
Nemotron-4 340B eléri a paraméterek számát 340B. Ez túl van azon, amit bármelyik egyedi GPU kártya kezelni tud. A futtatása azt jelenti, hogy vagy több kártyára osztja, vagy olyan hardvert bérel, amelyet erre a feladatra terveztek, és minden olyan kártya, amely egyedül képes kezelni, egy adatközponti alkatrész. Az a szám, amely képes rá: 6.
A legkisebb kártya, ami elbírja, az Radeon Instinct MI300X, memória kapacitással rendelkezik 192 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 14.0 tokenek másodpercenként
A leggyorsabb, amit erre számolunk, az B300, nagyjából generálás 17.8 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.
Mit jelent ez a modell
Nemotron-4 340B ki lett adva által NVIDIA, az országban rögzítve mint United States of America, alatt June 2024. A kiadó kategóriája alá tartozik industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Chat, Question answering.
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 nvidia.
Mi dönti el a sebességet
A kártyák felének, amelyek tartják, több mint 14.1 másodpercenkénti tokenek 6 tőlük
Minden súly részt vesz minden tokenben itt, így a sávszélesség a teljes történet: az alábbi rangsor lényegében a memória átbocsátóképességének rangsora.
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
A képzés futás körülbelül 1.8 × 10²⁵ FLOP, hardveren rögzítve NVIDIA H100 SXM5 80GB. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 9,000,000,000,000 szöveg tokenjei
A kiválasztási kritériuma: training cost.
Lépésről lépésre
Hogyan válasszunk GPU-t a Nemotron-4 340B
A fenti táblázat már értékelte az összes kártyát, amelynek specifikációi elérhetők ennek a modellen. A válaszod megszerzése hat lépést igényel..
-
01
Kezdj a GPU VRAM oszloptól.
Minden kártyát itt leellenőriztünk a következőkkel szemben Nemotron-4 340B, körülbelül szükséges 166.8 GB a tömörítésnél Q3_K_M. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
-
02
Állítsa be a használt CONTEXT LENGTH-et.
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. Nemotron-4 340B.
-
03
Állítsa be a minőségi minimumot
A tömörítés az, ami lehetővé teszi, hogy egy modell kisebb kártyákra illeszkedjen, bizonyos költséggel a pontosság terén., 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
Rangsoroljon átbocsátás alapján, nem pedig specifikációs lap szerint.
A sebességsorrend lényegében egy sorrend a MEMÓRIA-SÁV szerint, a Nemotron-4 340B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B300, at 17.8 tok/s
-
05
Nézd a mozgásteret, ne csak a passzolást.
Egy szűk elhelyezés fut, de nem hagy semmit egy hosszabb beszélgetésre, az esetében Nemotron-4 340B. 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. Nemotron-4 340B.
Válaszok
Nemotron-4 340B — gyakori kérdések
Nemotron-4 340B— 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 44.4 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.
Nemotron-4 340B— Futtatna-e két GPU gyorsabban?
A kapacitás kártyánként összeadódik; a teljesítmény nem. A kártyák számának már saját magukban tartva: 6. Tehát egy második KÁRTYA ritkán a megoldás itt.
Nemotron-4 340B— 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: 3. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.
Nemotron-4 340B— Mennyire pontosak ezek a sebességbecslések?
A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 11–28 tok/s a fájlban B300. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.
Nemotron-4 340B— Milyen GPU-ra van szükségem, hogy futtathassam?
A katalógusunk legkisebb kártyája, ami ezt tartja, az Radeon Instinct MI300X, memória kapacitással rendelkezik 192 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 166.8 GB, és körülbelül 14.0 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 6.
Nemotron-4 340B— mennyi idő alatt fut a GPU-n?
A kártyától függ. A leggyorsabb, amit számolunk, az B300, körülbelül 17.8 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: 6.
Nemotron-4 340B— mennyi VRAM-ra van szüksége?
Kb. 166.8 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.
Nemotron-4 340B— 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.
Nemotron-4 340B— Hány paramétere van?
Paraméterszáma 340B. 340B. 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.
Nemotron-4 340B— Ki készítette ezt?
Kiadta NVIDIA, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
Nemotron-4 340B— 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.
Nemotron-4 340B— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation, Chat, Question answering. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
Nemotron-4 340B— Hol tudom letölteni?
Súlyait a Hugging Face-en tette közzé, a szervezet alatt nvidia. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.
Nemotron-4 340B— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 1.8 × 10²⁵ FLOP, hardveren rögzítve NVIDIA H100 SXM5 80GB. 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.
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..