TinyLlama-1.1B (1T token checkpoint) TPS kalkulátor

Nyitott súlyok Singapore University of Technology & Design 1.1B 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

818 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Tesla C1080

4 GB · Q8_0 · 33.5 tok/s

Leggyorsabb kártya

B200

3,080 tok/s · 180 GB

Melyik GPU képes futtatni TinyLlama-1.1B (1T token checkpoint)?

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
3,080 tok/s 1,848–4,928 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	1.9 GB	Q8_0	Kényelmes
3,080 tok/s 1,848–4,928 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	1.9 GB	Q8_0	Kényelmes
2,460 tok/s 1,476–3,935 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	1.9 GB	Q8_0	Kényelmes
2,460 tok/s 1,476–3,935 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	1.9 GB	Q8_0	Kényelmes
1,967 tok/s 1,180–3,147 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	1.9 GB	Q8_0	Kényelmes
1,883 tok/s 1,130–3,012 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.9 GB	Q8_0	Kényelmes
1,883 tok/s 1,130–3,012 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	1.9 GB	Q8_0	Kényelmes
1,802 tok/s 1,081–2,883 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	1.9 GB	Q8_0	Kényelmes
1,599 tok/s 960–2,559 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	1.9 GB	Q8_0	Kényelmes
1,599 tok/s 960–2,559 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	1.9 GB	Q8_0	Kényelmes
1,599 tok/s 960–2,559 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	1.9 GB	Q8_0	Kényelmes
1,517 tok/s 910–2,427 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	1.9 GB	Q8_0	Kényelmes
1,294 tok/s 776–2,070 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.9 GB	Q8_0	Kényelmes
1,294 tok/s 776–2,070 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	1.9 GB	Q8_0	Kényelmes
1,294 tok/s 776–2,070 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	1.9 GB	Q8_0	Kényelmes
1,294 tok/s 776–2,070 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	1.9 GB	Q8_0	Kényelmes
1,294 tok/s 776–2,070 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	1.9 GB	Q8_0	Kényelmes
985 tok/s 591–1,576 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	1.9 GB	Q8_0	Kényelmes
985 tok/s 591–1,576 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	1.9 GB	Q8_0	Kényelmes
821 tok/s 493–1,313 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	1.9 GB	Q8_0	Kényelmes
803 tok/s 482–1,285 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	1.9 GB	Q8_0	Kényelmes
785 tok/s 471–1,257 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	1.9 GB	Q8_0	Kényelmes
785 tok/s 471–1,257 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	1.9 GB	Q8_0	Kényelmes
785 tok/s 471–1,257 · alacsony bizalom	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	1.9 GB	Q8_0	Kényelmes
785 tok/s 471–1,257 · alacsony bizalom	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	1.9 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: Singapore University of Technology & Design
Szervezet típusa: Academia
Ország: Singapore
Közölt: 1 October 2023
Szerzők: Peiyuan Zhang, Guangtao Zeng, Tianduo Wang, Wei Lu

Mit csinál

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

Tartomány: Language
Feladat: Chat, Language modeling/generation, Translation, Question answering
Megközelítés: Self-supervised learning

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: 1.1B
Képzési adatok: 1,000,000,000,000 tokens
Tételméret: 2,000,000

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: 7.2 × 10²¹ FLOP
Hogyan jött létre: Hardware,Operation counting

A tréning futás

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

Képzési hardver: NVIDIA A100 SXM4 40 GB
Használt chipek: 16
Chip-óra: 11,520
Fali óra idő: 720 hours (30 days)
Hardverhasználat: MFU 56.0%
Teljesítményfogyasztás: 12.7 kW

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: Open source

Hogyan van besorolva

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

Nyilvántartási bizalom: Confident
Hivatkozások: 722

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: TinyLlama: An Open-Source Small Language Model
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni TinyLlama-1.1B (1T token checkpoint)

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 TinyLlama-1.1B (1T token checkpoint)

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

Tesla C1080

Szükséges memória

1.9 GB

Leggyorsabb

3,080 tok/s

TinyLlama-1.1B (1T token checkpoint) eléri a paraméterek számát 1.1B. 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 legkisebb kártya, ami elbírja, az Tesla C1080, memória kapacitással rendelkezik 4 GB, futtatás egy tömörítési arányon Q8_0 és körülbelül előállítva 33.5 tokenek másodpercenként

A másik végén ül B200, nagyjából generálás 3,080 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Erről a modelről

TinyLlama-1.1B (1T token checkpoint) ki lett adva által Singapore University of Technology & Design, az országban rögzítve mint Singapore, alatt October 2023. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia.

Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása chat, Language modeling/generation, Translation, Question answering.

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.

Milyen gyorsan fut, és miért

A kártyák felének, amelyek tartják, több mint 86.5 másodpercenkénti tokenek 799 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.

Hogyan lett betanítva

A létrehozásához körülbelül összesítő aritmetikára volt szükség. 7.2 × 10²¹ FLOP, hardveren rögzítve NVIDIA A100 SXM4 40 GB. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.

A képzés körülbelül egy korpuszt fogyasztott 1,000,000,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a TinyLlama-1.1B (1T token checkpoint)

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 TinyLlama-1.1B (1T token checkpoint), körülbelül szükséges 1.9 GB a tömörítésnél Q8_0. Semennyi feldolgozási teljesítmény nem kompenzálja azt a kártyát, amelyik nem tudja megtartani.
02

Állítsa be a használt CONTEXT LENGTH-et.

A beszélgetés is elfoglalja a VRAM-ot, és ahogy halad, nő. Állítsa be a csúszkát a várt hosszúságra, mert hosszú kontextusnál egy kártya, amely könnyen kezeli a rövid kérdéseket, lemaradhat. TinyLlama-1.1B (1T token checkpoint).
03

Állítsa be a minőségi minimumot

A kvantálási oszlop kártyánként változik, mert egy nagyobb kártya pontosabb másolatot tartalmaz., elérni egy tömörítést a Q8_0 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 TinyLlama-1.1B (1T token checkpoint). Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 3,080 tok/s
05

Ellenőrizd a megfelelő ítéletet vásárlás előtt.

A megfelelő oszlop elválasztja azokat a kártyákat, amelyek épp hogy elboldogulnak, azoktól, amelyeknek van szabad helyük, az esetében TinyLlama-1.1B (1T token checkpoint). 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. TinyLlama-1.1B (1T token checkpoint).

Válaszok

TinyLlama-1.1B (1T token checkpoint) — gyakori kérdések

TinyLlama-1.1B (1T token checkpoint)— 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: 1. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

TinyLlama-1.1B (1T token checkpoint)— 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: 1,848–4,928 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

TinyLlama-1.1B (1T token checkpoint)— 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. Q8_0 használva körülbelül 1.9 GB, és körülbelül 33.5 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 818.

TinyLlama-1.1B (1T token checkpoint)— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 3,080 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: 799.

TinyLlama-1.1B (1T token checkpoint)— mennyi VRAM-ra van szüksége?

Kb. 1.9 GB tömörítési arányban Q8_0, 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.

TinyLlama-1.1B (1T token checkpoint)— 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 1.9 GB és körülbelül generálás 574 másodpercenkénti tokenek. A illeszkedés kényelmes.

TinyLlama-1.1B (1T token checkpoint)— 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 1.9 GB és körülbelül generálás 351 másodpercenkénti tokenek. A illeszkedés kényelmes.

TinyLlama-1.1B (1T token checkpoint)— 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 1.9 GB és körülbelül generálás 435 másodpercenkénti tokenek. A illeszkedés kényelmes.

TinyLlama-1.1B (1T token checkpoint)— 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 1.9 GB és körülbelül generálás 516 másodpercenkénti tokenek. A illeszkedés kényelmes.

TinyLlama-1.1B (1T token checkpoint)— 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.

TinyLlama-1.1B (1T token checkpoint)— Hány paramétere van?

Paraméterszáma 1.1B. 1.1B. 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.

TinyLlama-1.1B (1T token checkpoint)— Ki készítette ezt?

Kiadta Singapore University of Technology & Design, alapján Singapore, egy szervezet, amelyet kategorizáltak mint academia.

TinyLlama-1.1B (1T token checkpoint)— 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.

TinyLlama-1.1B (1T token checkpoint)— Mire használják?

Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot chat, Language modeling/generation, Translation, Question answering. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.

TinyLlama-1.1B (1T token checkpoint)— Hol tudom letölteni?

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

TinyLlama-1.1B (1T token checkpoint)— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 7.2 × 10²¹ FLOP, hardveren rögzítve NVIDIA A100 SXM4 40 GB. 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.

TinyLlama-1.1B (1T token checkpoint)— 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. Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

TinyLlama-1.1B (1T token checkpoint)— 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: 818. Tehát egy második KÁRTYA ritkán a megoldás itt.

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