Playground v2.5 TPS kalkulátor

Nyitott súlyok Playground 3.5B Paraméterek February 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

818 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Tesla C1080

4 GB · Q5_K_M · 18.8 tok/s

Leggyorsabb kártya

B200

968 tok/s · 180 GB

Melyik GPU képes futtatni Playground v2.5?

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.

818 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
968 tok/s 581–1,549 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	4.4 GB	Q8_0	Kényelmes
968 tok/s 581–1,549 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	4.4 GB	Q8_0	Kényelmes
773 tok/s 464–1,237 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	4.4 GB	Q8_0	Kényelmes
773 tok/s 464–1,237 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	4.4 GB	Q8_0	Kényelmes
618 tok/s 371–989 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	4.4 GB	Q8_0	Kényelmes
592 tok/s 355–947 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.4 GB	Q8_0	Kényelmes
592 tok/s 355–947 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.4 GB	Q8_0	Kényelmes
566 tok/s 340–906 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	4.4 GB	Q8_0	Kényelmes
503 tok/s 302–804 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Kényelmes
503 tok/s 302–804 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Kényelmes
503 tok/s 302–804 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Kényelmes
477 tok/s 286–763 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	4.4 GB	Q8_0	Kényelmes
407 tok/s 244–651 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Kényelmes
407 tok/s 244–651 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	4.4 GB	Q8_0	Kényelmes
407 tok/s 244–651 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Kényelmes
407 tok/s 244–651 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Kényelmes
407 tok/s 244–651 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Kényelmes
310 tok/s 186–495 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	4.4 GB	Q8_0	Kényelmes
310 tok/s 186–495 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	4.4 GB	Q8_0	Kényelmes
258 tok/s 155–413 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	4.4 GB	Q8_0	Kényelmes
252 tok/s 151–404 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	4.4 GB	Q8_0	Kényelmes
247 tok/s 148–395 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	4.4 GB	Q8_0	Kényelmes
247 tok/s 148–395 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	4.4 GB	Q8_0	Kényelmes
247 tok/s 148–395 · alacsony bizalom	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	4.4 GB	Q8_0	Kényelmes
247 tok/s 148–395 · alacsony bizalom	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	4.4 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: Playground
Szervezet típusa: Industry
Ország: United States of America
Közölt: 27 February 2024
Szerzők: Daiqing Li, Aleks Kamko, Ehsan Akhgari, Ali Sabet, Linmiao Xu, Suhail Doshi

Mit csinál

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

Tartomány: Image generation
Feladat: Text-to-image, Image generation

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: 3.5B
Képzési adatok: tokens

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: playgroundai

Hogyan van besorolva

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

Nyilvántartási bizalom: Unknown
Hivatkozások: 234

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Playground v2.5: Three Insights towards Enhancing Aesthetic Quality in Text-to-Image Generation
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni Playground v2.5

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 Playground v2.5

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 C1080

Szükséges memória

3.2 GB

Leggyorsabb

968 tok/s

Playground v2.5 eléri a paraméterek számát 3.5B. 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: 818.

A legkevesebb hardver, ami működik, az Tesla C1080, memória kapacitással rendelkezik 4 GB, futtatás egy tömörítési arányon Q5_K_M és körülbelül előállítva 18.8 tokenek másodpercenként

A leggyorsabb, amit erre számolunk, az B200, nagyjából generálás 968 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Erről a modelről

Playground v2.5 ki lett adva által Playground, az országban rögzítve mint United States of America, alatt February 2024. A kiadó szervezet a következő kategóriába tartozik industry.

Működik a területen a Image generation, és úgy van rögzítve, mint a feladat végrehajtása text-to-image, Image generation.

A nyílt súlyok az okai annak, hogy ez az oldal a kalkulátorban van, és nem csak a katalógusban: ez egy olyan modell, amit valójában meg tudsz tartani. A Hugging Face-en az alábbi szervezet alatt van publikálva playgroundai.

Milyen gyorsan fut, és miért

Minden olyan kártya esetében, amely képes futtatni, a közép tartományban ül 32.5 másodpercenkénti tokenek 778 tőlük

Ez egy sűrű modell, így minden paramétert minden előállított tokenhez elolvasnak. Ez szinte pontosan nyomon követi a memória-sávszélességet — egy kártya, amelynek kétszer akkora a sávszélessége, körülbelül kétszer olyan gyorsan generál.

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.

Lépésről lépésre

Hogyan válasszunk GPU-t a Playground v2.5

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.

A táblázat felsorolja az összes kártyát, amely képes tartani Playground v2.5, körülbelül szükséges 3.2 GB a tömörítésnél Q5_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. Playground v2.5.
03

Döntsd el, mennyi tömörítést fogadsz el.

Minden KÁRTYA a legkevésbé tömörített másolatot futtatja, amelyet el tud tartani., elérni egy tömörítést a Q5_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 rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért Playground v2.5. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 968 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 Playground v2.5. 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.

Minden kártyaoldal megismétli ezt a vizsgálatot minden modellre, amelyet birtoklunk, válaszolva arra, hogy mi másra jó a hardver, azon kívül, hogy Playground v2.5.

Válaszok

Playground v2.5 — gyakori kérdések

Playground v2.5— Futtathatom, ha nem fér el a GPU-mban?

Csak a terhelés áthelyezésével, amely általában téves gazdaságosság: a rendszermemóriában tárolt rész az egészet visszahúzza. Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

Playground v2.5— Futtatna-e két GPU gyorsabban?

A kapacitás kártyánként összeadódik; a teljesítmény nem. A kártyák számának már saját magukban tartva: 818. Tehát egy második KÁRTYA ritkán a megoldás itt.

Playground v2.5— miért különbözik a kvantálás a kártyák között?

Egy nagyobb KÁRTYA pontosabb másolatot tárol. Azoknak a tömörítési szinteknek a száma, amelyeket a futó KÁRTYÁK használnak: 2. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

Playground v2.5— Mennyire pontosak ezek a sebességbecslések?

A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 581–1,549 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

Playground v2.5— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Tesla C1080, memória kapacitással rendelkezik 4 GB. A modell egy tömörítéssel fut. Q5_K_M használva körülbelül 3.2 GB, és körülbelül 18.8 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 818.

Playground v2.5— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 968 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: 778.

Playground v2.5— mennyi VRAM-ra van szüksége?

Kb. 3.2 GB tömörítési arányban Q5_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.

Playground v2.5— futtathatom egy GPU-n tartva 8 GB?

Igen. A KÁRTYA CMP 170HX 8 GB, tartás 8 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 4.4 GB és körülbelül generálás 180 másodpercenkénti tokenek. A illeszkedés kényelmes.

Playground v2.5— 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 4.4 GB és körülbelül generálás 110 másodpercenkénti tokenek. A illeszkedés kényelmes.

Playground v2.5— 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 4.4 GB és körülbelül generálás 137 másodpercenkénti tokenek. A illeszkedés kényelmes.

Playground v2.5— 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 4.4 GB és körülbelül generálás 162 másodpercenkénti tokenek. A illeszkedés kényelmes.

Playground v2.5— 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.

Playground v2.5— Hány paramétere van?

Paraméterszáma 3.5B. The Model Description section of [1] says that the model “follows the same architecture as Stable Diffusion XL.” It also says that the model is a latent diffusion model that uses OpenCLIP-ViT/G and CLIP-ViT/L as text encoders, which seemingly would make it identical to Stable Diffusion XL [2]. Therefore, I will assume that Playground v2.5 has the same number of parameters as the Stable Diffusion XL 1.0 base model, which has 3.5B model parameters [3]. 1. https://huggingface.co/playgroundai/playground-v2.5-1024px-aesthetic 2. https://arxiv.org/pdf/2307.01952 3. https://stability.ai/news/stable-diffusion-sdxl-1-announcement. 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.

Playground v2.5— Ki készítette ezt?

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

Playground v2.5— Mikor adták ki?

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

Playground v2.5— Mire használják?

Működik a területen a Image generation, és rögzítve van, hogy kezeli a feladatot text-to-image, Image generation. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

Playground v2.5— Hol tudom letölteni?

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

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