LLaMA-7B (protein-oriented instruction-tuned) TPS kalkulátor

Nyitott súlyok Zhejiang University (ZJU) 7B Paraméterek October 2023

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

582 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Quadro 6000

6 GB · IQ4_XS · 18.1 tok/s

Leggyorsabb kártya

B200

484 tok/s · 180 GB

Melyik GPU képes futtatni LLaMA-7B (protein-oriented instruction-tuned)?

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.

582 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
484 tok/s 411–581	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.8 GB	Q8_0	Kényelmes
484 tok/s 411–581	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.8 GB	Q8_0	Kényelmes
387 tok/s 232–618 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.8 GB	Q8_0	Kényelmes
387 tok/s 232–618 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.8 GB	Q8_0	Kényelmes
309 tok/s 185–495 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.8 GB	Q8_0	Kényelmes
296 tok/s 251–355	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.8 GB	Q8_0	Kényelmes
296 tok/s 251–355	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.8 GB	Q8_0	Kényelmes
283 tok/s 170–453 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.8 GB	Q8_0	Kényelmes
251 tok/s 151–402 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Kényelmes
251 tok/s 151–402 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Kényelmes
251 tok/s 151–402 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Kényelmes
238 tok/s 203–286	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
203 tok/s 173–244	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
203 tok/s 173–244	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.8 GB	Q8_0	Kényelmes
203 tok/s 173–244	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
203 tok/s 173–244	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
203 tok/s 173–244	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Kényelmes
155 tok/s 93–248 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.8 GB	Q8_0	Kényelmes
155 tok/s 93–248 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.8 GB	Q8_0	Kényelmes
131 tok/s 111–157	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.1 GB	Q6_K	Szoros
129 tok/s 77–206 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.8 GB	Q8_0	Kényelmes
126 tok/s 76–202 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.8 GB	Q8_0	Kényelmes
123 tok/s 105–148	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.8 GB	Q8_0	Kényelmes
123 tok/s 105–148	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.8 GB	Q8_0	Kényelmes
123 tok/s 105–148	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.8 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: Zhejiang University (ZJU)
Szervezet típusa: Academia
Ország: China
Közölt: 2 October 2023
Szerzők: Yin Fang, Xiaozhuan Liang, Ningyu Zhang, Kangwei Liu, Rui Huang, Zhuo Chen, Xiaohui Fan, Huajun Chen

Mit csinál

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

Tartomány: Language, Biology
Feladat: Protein folding prediction, Protein generation, Other Biological Modeling, Protein or nucleotide language model (pLM/nLM), Protein question answering
Alapmodell: LLaMA-7B

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: 7B
Képzési adatok: 5,068,266,667 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: 2.8 × 10²² FLOP
Hogyan jött létre: Hardware,Operation counting

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

Hogyan van besorolva

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

Nyilvántartási bizalom: Confident
Hivatkozások: 145

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Mol-Instructions: A Large-Scale Biomolecular Instruction Dataset for Large Language Models
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni LLaMA-7B (protein-oriented instruction-tuned)

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 LLaMA-7B (protein-oriented instruction-tuned)

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

Quadro 6000

Szükséges memória

5.1 GB

Leggyorsabb

484 tok/s

LLaMA-7B (protein-oriented instruction-tuned) eléri a paraméterek számát 7B. 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: 582.

A legkisebb kártya, ami elbírja, az Quadro 6000, memória kapacitással rendelkezik 6 GB, futtatás egy tömörítési arányon IQ4_XS és körülbelül előállítva 18.1 tokenek másodpercenként

A leggyorsabb, amit erre számolunk, az B200, nagyjából generálás 484 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Mit jelent ez a modell

LLaMA-7B (protein-oriented instruction-tuned) ki lett adva által Zhejiang University (ZJU), az országban rögzítve mint China, alatt October 2023. A kiadó szervezet a következő kategóriába tartozik academia.

Működik a területen a Language, Biology, és úgy van rögzítve, mint a feladat végrehajtása protein folding prediction, Protein generation, Other Biological Modeling, Protein or nucleotide language model (pLM/nLM), Protein question answering.

Ahelyett, hogy nulláról lenne betanítva, az származik LLaMA-7B. Ez a szokásos módja egy specializált modell előállításának.

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.

Mi dönti el a sebességet

A kártyák felének, amelyek tartják, több mint 26.1 másodpercenkénti tokenek 552 tőlük

A sűrűsége miatt minden egyes tokent önállóan olvas, ezért a sebesség szerinti rendezés alább annyira közel követi a memória sávszélesség szerinti rendezést.

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

Hogyan lett betanítva

A betanításhoz körülbelül egy számítási költségvetés kellett 2.8 × 10²² FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.

A tanító készlet kb. futott 5,068,266,667 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a LLaMA-7B (protein-oriented instruction-tuned)

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.

Kezdj a tényleges szükségletekből, ami a követelményének a LLaMA-7B (protein-oriented instruction-tuned), körülbelül szükséges 5.1 GB a tömörítésnél IQ4_XS. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
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. LLaMA-7B (protein-oriented instruction-tuned).
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 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

Rendezés sebesség szerint

A rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért LLaMA-7B (protein-oriented instruction-tuned). Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 484 tok/s
05

Olvasd el az illeszkedés oszlopot utoljára.

Tömör jelentése, hogy betölti és működik, nincs hely a későbbi kontextus növelésére, a következő esetben LLaMA-7B (protein-oriented instruction-tuned). 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 LLaMA-7B (protein-oriented instruction-tuned).

Válaszok

LLaMA-7B (protein-oriented instruction-tuned) — gyakori kérdések

LLaMA-7B (protein-oriented instruction-tuned)— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 484 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: 552.

LLaMA-7B (protein-oriented instruction-tuned)— mennyi VRAM-ra van szüksége?

Kb. 5.1 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.

LLaMA-7B (protein-oriented instruction-tuned)— futtathatom egy GPU-n tartva 8 GB?

Igen. A KÁRTYA CMP 170HX 8 GB, tartás 8 GB, futtatja egy tömörítési arány mellett Q6_K, használva körülbelül 7.1 GB és körülbelül generálás 131 tokensek másodpercenként. A fit szoros.

LLaMA-7B (protein-oriented instruction-tuned)— 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 8.8 GB és körülbelül generálás 55.2 másodpercenkénti tokenek. A illeszkedés kényelmes.

LLaMA-7B (protein-oriented instruction-tuned)— 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 8.8 GB és körülbelül generálás 68.4 másodpercenkénti tokenek. A illeszkedés kényelmes.

LLaMA-7B (protein-oriented instruction-tuned)— 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 8.8 GB és körülbelül generálás 81.1 másodpercenkénti tokenek. A illeszkedés kényelmes.

LLaMA-7B (protein-oriented instruction-tuned)— 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.

LLaMA-7B (protein-oriented instruction-tuned)— Hány paramétere van?

Paraméterszáma 7B. In the name. 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.

LLaMA-7B (protein-oriented instruction-tuned)— Ki készítette ezt?

Kiadta Zhejiang University (ZJU), alapján China, egy szervezet, amelyet kategorizáltak mint academia.

LLaMA-7B (protein-oriented instruction-tuned)— Mikor adták ki?

Kibocsátották a October 2023. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

LLaMA-7B (protein-oriented instruction-tuned)— Mire használják?

Működik a területen a Language, Biology, és rögzítve van, hogy kezeli a feladatot protein folding prediction, Protein generation, Other Biological Modeling, Protein or nucleotide language model (pLM/nLM), Protein question answering. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

LLaMA-7B (protein-oriented instruction-tuned)— Hol tudom letölteni?

A súlyok közzététele megtörtént, bár nem rendelkezünk tárolólinkkel erre. Ez az oldal a hardverkövetelményeket számítja ki, nem pedig modellfájlokat tárol.

LLaMA-7B (protein-oriented instruction-tuned)— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 2.8 × 10²² 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.

LLaMA-7B (protein-oriented instruction-tuned)— Futtathatom, ha nem fér el a GPU-mban?

Csak a terhelés áthelyezésével, amely általában téves gazdaságosság: a rendszermemóriában tárolt rész az egészet visszahúzza. A legközelebbi hiba, amit számítunk, alulmúlja 1.0 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

LLaMA-7B (protein-oriented instruction-tuned)— Futtatna-e két GPU gyorsabban?

A kapacitás kártyánként összeadódik; a teljesítmény nem. A kártyák számának már saját magukban tartva: 582. Tehát egy második KÁRTYA ritkán a megoldás itt.

LLaMA-7B (protein-oriented instruction-tuned)— miért különbözik a kvantálás a kártyák között?

Egy nagyobb KÁRTYA pontosabb másolatot tárol. Azoknak a tömörítési szinteknek a száma, amelyeket a futó KÁRTYÁK használnak: 3. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

LLaMA-7B (protein-oriented instruction-tuned)— 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: 411–581 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

LLaMA-7B (protein-oriented instruction-tuned)— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Quadro 6000, memória kapacitással rendelkezik 6 GB. A modell egy tömörítéssel fut. IQ4_XS használva körülbelül 5.1 GB, és körülbelül 18.1 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 582.

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