IDEFICS-80B TPS kalkulátor

Nyitott súlyok Hugging Face 80B Paraméterek August 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

58 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Quadro RTX 8000

48 GB · Q3_K_M · 9.6 tok/s

Leggyorsabb kártya

B200

42.4 tok/s · 180 GB

Melyik GPU képes futtatni IDEFICS-80B?

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.

58 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
42.4 tok/s 25–68 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	86.4 GB	Q8_0	Kényelmes
42.4 tok/s 25–68 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	86.4 GB	Q8_0	Kényelmes
33.8 tok/s 20–54 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Kényelmes
33.8 tok/s 20–54 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Kényelmes
30.3 tok/s 18–48 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	67.7 GB	Q6_K	Kényelmes
27.1 tok/s 16–43 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	86.4 GB	Q8_0	Kényelmes
26.7 tok/s 16–43 · alacsony bizalom	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	39.8 GB	Q3_K_M	Szoros
25.9 tok/s 16–41 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Kényelmes
25.9 tok/s 16–41 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Kényelmes
25.9 tok/s 16–41 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	67.7 GB	Q6_K	Szoros
25.9 tok/s 16–41 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	Kényelmes
25.9 tok/s 16–41 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	Szoros
24.8 tok/s 15–40 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	86.4 GB	Q8_0	Kényelmes
24.7 tok/s 15–40 · alacsony bizalom	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	49.1 GB	Q4_K_M	Szoros
22.0 tok/s 13–35 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Kényelmes
22.0 tok/s 13–35 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Kényelmes
22.0 tok/s 13–35 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Kényelmes
19.1 tok/s 11–31 · alacsony bizalom	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	39.8 GB	Q3_K_M	Szoros
17.8 tok/s 11–28 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	Szoros
17.8 tok/s 11–28 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	Szoros
15.7 tok/s 9–25 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	67.7 GB	Q6_K	Szoros
15.7 tok/s 9–25 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	67.7 GB	Q6_K	Szoros
15.7 tok/s 9–25 · alacsony bizalom	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	67.7 GB	Q6_K	Szoros
15.7 tok/s 9–25 · alacsony bizalom	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.7 GB	Q6_K	Szoros
15.7 tok/s 9–25 · alacsony bizalom	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	67.7 GB	Q6_K	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: Hugging Face
Szervezet típusa: Industry
Ország: United States of America
Közölt: 22 August 2023
Szerzők: Hugo Laurencon, Daniel van Strien, Stas Bekman, Leo Tronchon, Lucile Saulnier, Thomas Wang, Siddharth Karamcheti, Amanpreet Singh, Giada Pistilli, Yacine Jernite, Victor Sanh

Mit csinál

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

Tartomány: Multimodal, Language, Vision
Feladat: Language modeling, Image captioning, Visual question answering
Alapmodell: LLaMA-65B,CLIP ViT-H/14 - LAION-2B
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: 80B
Képzési adatok: 149,600,000,000 tokens
Tételméret: 3,670,000

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: 1.2 × 10²³ 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
Használt chipek: 512
Fali óra idő: 672 hours (28 days)
Teljesítményfogyasztás: 407.0 kW
Felhőszolgáltató: AWS

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 (non-commercial)
Képzés kód: Unreleased
Hugging Face: HuggingFaceM4

Hogyan van besorolva

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

Alapmodell: Yes
Valószínűleg 10²³ FLOP felett: Yes
Nyilvántartási bizalom: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Introducing IDEFICS: An Open Reproduction of State-of-the-Art Visual Language Model
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni IDEFICS-80B

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 IDEFICS-80B

A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..

Mit jelentenek a számok

Hardverkövetelmények a gyakorlatban

Minimális kártya

Quadro RTX 8000

Szükséges memória

39.8 GB

Leggyorsabb

42.4 tok/s

IDEFICS-80B eléri a paraméterek számát 80B. 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: 58.

A belépési pont a Quadro RTX 8000, memória kapacitással rendelkezik 48 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 9.6 tokenek másodpercenként

A leggyorsabb eredmény a következőből származik B200, nagyjából generálás 42.4 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Mit jelent ez a modell

IDEFICS-80B ki lett adva által Hugging Face, az országban rögzítve mint United States of America, alatt August 2023. A kiadó kategóriája alá tartozik industry.

Működik a területen a Multimodal, Language, Vision, és úgy van rögzítve, mint a feladat végrehajtása language modeling, Image captioning, Visual question answering.

Ez alapoz. LLaMA-65B,CLIP ViT-H/14 - LAION-2B. 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. A Hugging Face-en az alábbi szervezet alatt van publikálva HuggingFaceM4.

Mi dönti el a sebességet

A medián eredmény körül 14.9 másodpercenkénti tokenek. Jogosultsági olvasási sebesség: 43 tőlük

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

Nélkül az attention elrendezés a nyilvántartásban, a memory oszlop egy közelítés. Elég közel van ahhoz, hogy hardver kiválasztását lehessen végezni, és a leghitványosabb hosszú context esetén.

Mi került a felépítésébe

A képzés futás körülbelül 1.2 × 10²³ FLOP, hardveren rögzítve NVIDIA A100. 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 149,600,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a IDEFICS-80B

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.

A táblázat felsorolja az összes kártyát, amely képes tartani IDEFICS-80B, körülbelül szükséges 39.8 GB a tömörítésnél Q3_K_M. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
02

Állítsa be a használt CONTEXT LENGTH-et.

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. IDEFICS-80B.
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

Rangsoroljon átbocsátás alapján, nem pedig specifikációs lap szerint.

Rendezze sebesség szerint, hogy lássa, hogyan rangsorolnak a kártyák. IDEFICS-80B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 42.4 tok/s
05

Nézd a mozgásteret, ne csak a passzolást.

Tömör jelentése, hogy betölti és működik, nincs hely a későbbi kontextus növelésére, a következő esetben IDEFICS-80B. 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 IDEFICS-80B.

Válaszok

IDEFICS-80B — gyakori kérdések

IDEFICS-80B— 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.

IDEFICS-80B— Hány paramétere van?

Paraméterszáma 80B. IDEFICS... comes in two variants—the base version and the instructed version. Each variant is available at the 9 billion and 80 billion parameter sizes. 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.

IDEFICS-80B— Ki készítette ezt?

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

IDEFICS-80B— Mikor adták ki?

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

IDEFICS-80B— Mire használják?

Működik a területen a Multimodal, Language, Vision, és rögzítve van, hogy kezeli a feladatot language modeling, Image captioning, Visual question answering. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.

IDEFICS-80B— Hol tudom letölteni?

Súlyait a Hugging Face-en tette közzé, a szervezet alatt HuggingFaceM4. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.

IDEFICS-80B— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 1.2 × 10²³ FLOP, hardveren rögzítve NVIDIA A100. 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.

IDEFICS-80B— 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 13.1 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

IDEFICS-80B— Futtatna-e két GPU gyorsabban?

A kapacitás kártyánként összeadódik; a teljesítmény nem. A kártyák számának már saját magukban tartva: 58. Tehát egy második KÁRTYA ritkán a megoldás itt.

IDEFICS-80B— 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.

IDEFICS-80B— Mennyire pontosak ezek a sebességbecslések?

Ezek becslések valós hibahatárokkal, és bármelyikük ésszerűen bárhol elhelyezkedhet a közzétett tartományán belül, attól függően, hogy milyen futtatási időt használsz. A leggyorsabb eredmény itt: 25–68 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

IDEFICS-80B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Quadro RTX 8000, memória kapacitással rendelkezik 48 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 39.8 GB, és körülbelül 9.6 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 58.

IDEFICS-80B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 42.4 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: 43.

IDEFICS-80B— mennyi VRAM-ra van szüksége?

Kb. 39.8 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.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 28 November 2025

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