SambaLingo-Thai-Chat-70B 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
A100 PCIe 40 GB
40 GB · Q3_K_M · 25.5 tok/s
Leggyorsabb kártya
B200
48.4 tok/s · 180 GB
Melyik GPU képes futtatni SambaLingo-Thai-Chat-70B?
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..
61 kártyák illeszkednek
Számítás| Szükséges | Kvantisálás | Illeszkedik | |||||
|---|---|---|---|---|---|---|---|
|
48.4
tok/s
29–77 · alacsony bizalom |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 75.6 GB | Q8_0 | Kényelmes |
|
48.4
tok/s
29–77 · alacsony bizalom |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 75.6 GB | Q8_0 | Kényelmes |
|
38.7
tok/s
23–62 · alacsony bizalom |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 75.6 GB | Q8_0 | Kényelmes |
|
38.7
tok/s
23–62 · alacsony bizalom |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 75.6 GB | Q8_0 | Kényelmes |
|
30.9
tok/s
19–49 · alacsony bizalom |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 75.6 GB | Q8_0 | Kényelmes |
|
29.6
tok/s
18–47 · alacsony bizalom |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 75.6 GB | Q8_0 | Kényelmes |
|
29.6
tok/s
18–47 · alacsony bizalom |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 75.6 GB | Q8_0 | Kényelmes |
|
29.5
tok/s
18–47 · alacsony bizalom |
H100 SXM5 80 GB NVIDIA | 80 GB | 3,360 GB/s | Oct 2022 | 59.3 GB | Q6_K | Kényelmes |
|
29.5
tok/s
18–47 · alacsony bizalom |
H800 SXM5 NVIDIA | 80 GB | 3,360 GB/s | Mar 2023 | 59.3 GB | Q6_K | Kényelmes |
|
28.3
tok/s
17–45 · alacsony bizalom |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 75.6 GB | Q8_0 | Kényelmes |
|
26.1
tok/s
16–42 · alacsony bizalom |
GRID A100B NVIDIA | 48 GB | 1,870 GB/s | May 2020 | 43.0 GB | Q4_K_M | Szoros |
|
25.5
tok/s
15–41 · alacsony bizalom |
A100 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Jun 2020 | 34.9 GB | Q3_K_M | Szoros |
|
25.5
tok/s
15–41 · alacsony bizalom |
A100 SXM4 40 GB NVIDIA | 40 GB | 1,560 GB/s | May 2020 | 34.9 GB | Q3_K_M | Szoros |
|
25.5
tok/s
15–41 · alacsony bizalom |
A800 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Nov 2022 | 34.9 GB | Q3_K_M | Szoros |
|
25.1
tok/s
15–40 · alacsony bizalom |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Kényelmes |
|
25.1
tok/s
15–40 · alacsony bizalom |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Kényelmes |
|
25.1
tok/s
15–40 · alacsony bizalom |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Kényelmes |
|
23.8
tok/s
14–38 · alacsony bizalom |
H100 NVL 94 GB NVIDIA | 94 GB | 3,940 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Szoros |
|
21.8
tok/s
13–35 · alacsony bizalom |
H100 SXM5 64 GB NVIDIA | 64 GB | 2,020 GB/s | Mar 2023 | 51.2 GB | Q5_K_M | Szoros |
|
20.3
tok/s
12–33 · alacsony bizalom |
H100 PCIe 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Szoros |
|
20.3
tok/s
12–33 · alacsony bizalom |
H100 SXM5 94 GB NVIDIA | 94 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Szoros |
|
20.3
tok/s
12–33 · alacsony bizalom |
H100 SXM5 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Szoros |
|
18.7
tok/s
11–30 · alacsony bizalom |
RTX PRO 5000 Blackwell NVIDIA | 48 GB | 1,340 GB/s | Mar 2025 | 43.0 GB | Q4_K_M | Szoros |
|
17.9
tok/s
11–29 · alacsony bizalom |
A100 SXM4 80 GB NVIDIA | 80 GB | 2,040 GB/s | Nov 2020 | 59.3 GB | Q6_K | Kényelmes |
|
17.9
tok/s
11–29 · alacsony bizalom |
A100X NVIDIA | 80 GB | 2,040 GB/s | Jun 2021 | 59.3 GB | Q6_K | 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
- SambaNova Systems, Inc
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 8 April 2024
- Szerzők
- Zoltan Csaki, Bo Li, Jonathan Li, Qiantong Xu, Pian Pawakapan, Leon Zhang, Yun Du, Hengyu Zhao, Changran Hu, Urmish Thakker
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Chat
- Alapmodell
- Llama 2-70B
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
- 70B
- Képzési adatok
- tokens
- Epochok
- 0.4
- Tételméret
- 32
https://huggingface.co/sambanovasystems/SambaLingo-Thai-Chat-70B
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
- 8.1 × 10²³ FLOP
- Finomhangolás számítás
- 1.7 × 10²¹ FLOP
"Continuous Pre-training: We pack the pretraining mixture into sequences of length 4096 and pretrain with document attention as described in Section 3.2 of Iyer et al. (2022) to ensure we only attend to tokens in the context of the corresponding text document. We train with a global batch size of 1024, sequence length of 4096, maximum learning rate of 1e-4 with cosine decay, warm-up ratio of 0.01 and a weight decay of 0.1. Each expert is trained for a maximum of 4 epochs, following (Muennighoff …
"The alignment phase follows the recipe for Zephyr-7B, and comprises two stages: supervised fine-tuning (SFT) and Direct Performance Optimization (DPO). The SFT phase was done on the ultrachat_200k dataset mixed with the Google translated version of the ultrachat_200k dataset. It was trained for one epoch with global batch size 512 and max sequence length 2048 tokens. We used a linear decay learning rate of 2e-5 and 10% warmup. The DPO phase was done on the ultrafeedback dataset and cai-conver…
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
- sambanovasystems
Llama 2 license "You will not use the Llama Materials or any output or results of the Llama Materials to improve any other large language model" "Meta may terminate this Agreement if you are in breach of any term or condition of this Agreement" [If MAU] "is greater than 700 million monthly active users in the preceding calendar month, you must request a license from Meta" https://huggingface.co/sambanovasystems/SambaLingo-Thai-Chat-70B
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
- SambaLingo: Teaching Large Language Models New Languages
- Utoljára frissítve
- 28 November 2025
Az extremitások
A tíz leggyorsabb GPU, amely képes futtatni SambaLingo-Thai-Chat-70B
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 · Q8_0 48.4 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
- 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
- 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
- 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
- 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
- 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
- 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
- 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
- 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s
A legkisebb GPU-k, amik még futnak SambaLingo-Thai-Chat-70B
A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..
- 01 A800 PCIe 40 GB 40 GB · Szükséges 34.9 GB · Q3_K_M · Szoros 25.5 tok/s
- 02 A100 PCIe 40 GB 40 GB · Szükséges 34.9 GB · Q3_K_M · Szoros 25.5 tok/s
- 03 A100 SXM4 40 GB 40 GB · Szükséges 34.9 GB · Q3_K_M · Szoros 25.5 tok/s
- 04 Radeon PRO W7900D 48 GB · Szükséges 43.0 GB · Q4_K_M · Szoros 9.4 tok/s
- 05 RTX PRO 5000 Blackwell 48 GB · Szükséges 43.0 GB · Q4_K_M · Szoros 18.7 tok/s
- 06 RTX 5880 Ada Generation 48 GB · Szükséges 43.0 GB · Q4_K_M · Szoros 12.1 tok/s
- 07 L20 48 GB · Szükséges 43.0 GB · Q4_K_M · Szoros 12.1 tok/s
- 08 Radeon PRO W7800 48 GB 48 GB · Szükséges 43.0 GB · Q4_K_M · Szoros 9.4 tok/s
- 09 Radeon PRO W7900 48 GB · Szükséges 43.0 GB · Q4_K_M · Szoros 9.4 tok/s
- 10 Data Center GPU Max 1100 48 GB · Szükséges 43.0 GB · Q4_K_M · Szoros 11.2 tok/s
Mit jelentenek a számok
A hardver oldal
Minimális kártya
A100 PCIe 40 GB
Szükséges memória
34.9 GB
Leggyorsabb
48.4 tok/s
SambaLingo-Thai-Chat-70B eléri a paraméterek számát 70B. Ez a fogyasztói hardveren felül helyezi, abba a tartományba, ahol egy kártyát ezért a célért vásárolnak, nem pedig átalakítanak erre. Az általunk nyomon követett kártyák száma, amelyek elférnek benne: 61.
az alsó végén ezt kezelik A100 PCIe 40 GB, memória kapacitással rendelkezik 40 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 25.5 tokenek másodpercenként
A leggyorsabb eredmény a következőből származik B200, nagyjából generálás 48.4 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.
Erről a modelről
SambaLingo-Thai-Chat-70B ki lett adva által SambaNova Systems, Inc, az országban rögzítve mint United States of America, alatt April 2024. A kiadó szervezet a következő kategóriába tartozik industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása chat.
Ahelyett, hogy nulláról lenne betanítva, az származik Llama 2-70B. Ezért osztja a bázismodell általános formáját és méretét.
A súlyok közzétéve vannak, így letölthető és futtatható a saját hardveren határozatlan ideig, offline, felhasználói fiók nélkül. A Hugging Face-en az alábbi szervezet alatt van publikálva sambanovasystems.
Milyen gyorsan fut, és miért
A medián eredmény körül 17.1 másodpercenkénti tokenek 50 tőlük
A sűrűsége miatt minden egyes tokent önállóan olvas, ezért a sebesség szerinti rendezés alább annyira közel követi a memória sávszélesség szerinti rendezést.
Itt a memória méret alapján van megbecsülve, nem pedig az architektúrából számítva, amely nincs rögzítve ennél a modellnél — a számok tájékoztató jellegűek, nem pontosak.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 8.1 × 10²³ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Lépésről lépésre
Hogyan válasszunk GPU-t a SambaLingo-Thai-Chat-70B
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.
Kezdj a tényleges szükségletekből, ami a követelményének a SambaLingo-Thai-Chat-70B, körülbelül szükséges 34.9 GB a tömörítésnél Q3_K_M. Ez a szám, nem a kártya címválaszték teljesítménye, az, ami eldönti, hogy fut-e.
-
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. SambaLingo-Thai-Chat-70B.
-
03
Válaszd ki, milyen messzire fogod tömöríteni.
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
Rendezés sebesség szerint
A rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért SambaLingo-Thai-Chat-70B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 48.4 tok/s
-
05
Ellenőrizd a megfelelő ítéletet vásárlás előtt.
Egy szűk elhelyezés fut, de nem hagy semmit egy hosszabb beszélgetésre, az esetében SambaLingo-Thai-Chat-70B. 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. SambaLingo-Thai-Chat-70B.
Válaszok
SambaLingo-Thai-Chat-70B — gyakori kérdések
SambaLingo-Thai-Chat-70B— 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: 5. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.
SambaLingo-Thai-Chat-70B— Mennyire pontosak ezek a sebességbecslések?
A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 29–77 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.
SambaLingo-Thai-Chat-70B— Milyen GPU-ra van szükségem, hogy futtathassam?
A katalógusunk legkisebb kártyája, ami ezt tartja, az A100 PCIe 40 GB, memória kapacitással rendelkezik 40 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 34.9 GB, és körülbelül 25.5 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 61.
SambaLingo-Thai-Chat-70B— mennyi idő alatt fut a GPU-n?
A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 48.4 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: 50.
SambaLingo-Thai-Chat-70B— mennyi VRAM-ra van szüksége?
Kb. 34.9 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.
SambaLingo-Thai-Chat-70B— 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.
SambaLingo-Thai-Chat-70B— Hány paramétere van?
Paraméterszáma 70B. https://huggingface.co/sambanovasystems/SambaLingo-Thai-Chat-70B. 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.
SambaLingo-Thai-Chat-70B— Ki készítette ezt?
Kiadta SambaNova Systems, Inc, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
SambaLingo-Thai-Chat-70B— Mikor adták ki?
Kibocsátották a April 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
SambaLingo-Thai-Chat-70B— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot chat. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
SambaLingo-Thai-Chat-70B— Hol tudom letölteni?
Súlyait a Hugging Face-en tette közzé, a szervezet alatt sambanovasystems. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.
SambaLingo-Thai-Chat-70B— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 8.1 × 10²³ FLOP. 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.
SambaLingo-Thai-Chat-70B— Futtathatom, ha nem fér el a GPU-mban?
Elosztható a kártya és a rendszer MEMÓRIA között, de így fájdalmasan lassan generálódik. A legközelebbi hiba, amit számítunk, alulmúlja 14.2 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.
SambaLingo-Thai-Chat-70B— 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: 61. Tehát egy második KÁRTYA ritkán a megoldás itt.
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..