Llama 2-70B TPS kalkulátor

Nyitott súlyok Meta AI 70B Paraméterek July 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

61 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

A100 PCIe 40 GB

40 GB · IQ4_XS · 23.2 tok/s

Leggyorsabb kártya

B200

48.4 tok/s · 180 GB

Melyik GPU képes futtatni Llama 2-70B?

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.

61 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
48.4 tok/s 41–58	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	72.5 GB	Q8_0	Kényelmes
48.4 tok/s 41–58	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	72.5 GB	Q8_0	Kényelmes
38.7 tok/s 23–62 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	72.5 GB	Q8_0	Kényelmes
38.7 tok/s 23–62 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	72.5 GB	Q8_0	Kényelmes
30.9 tok/s 19–49 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	72.5 GB	Q8_0	Kényelmes
29.6 tok/s 25–36	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	72.5 GB	Q8_0	Kényelmes
29.6 tok/s 25–36	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	72.5 GB	Q8_0	Kényelmes
29.5 tok/s 25–35	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	56.2 GB	Q6_K	Kényelmes
29.5 tok/s 25–35	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	56.2 GB	Q6_K	Kényelmes
28.3 tok/s 17–45 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	72.5 GB	Q8_0	Kényelmes
26.1 tok/s 22–31	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	39.9 GB	Q4_K_M	Szoros
25.1 tok/s 15–40 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	72.5 GB	Q8_0	Kényelmes
25.1 tok/s 15–40 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	72.5 GB	Q8_0	Kényelmes
25.1 tok/s 15–40 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	72.5 GB	Q8_0	Kényelmes
23.8 tok/s 20–29	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	72.5 GB	Q8_0	Szoros
23.2 tok/s 20–28	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	35.8 GB	IQ4_XS	Szoros
23.2 tok/s 20–28	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	35.8 GB	IQ4_XS	Szoros
23.2 tok/s 20–28	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	35.8 GB	IQ4_XS	Szoros
20.3 tok/s 17–24	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	72.5 GB	Q8_0	Szoros
20.3 tok/s 17–24	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	72.5 GB	Q8_0	Szoros
20.3 tok/s 17–24	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	72.5 GB	Q8_0	Szoros
18.7 tok/s 16–22	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	39.9 GB	Q4_K_M	Szoros
17.9 tok/s 15–22	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	56.2 GB	Q6_K	Kényelmes
17.9 tok/s 15–22	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	56.2 GB	Q6_K	Kényelmes
17.9 tok/s 15–22	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	56.2 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: Meta AI
Szervezet típusa: Industry
Ország: United States of America
Közölt: 18 July 2023
Szerzők: Hugo Touvron, Louis Martin, Kevin Stone, Peter Albert, Amjad Almahairi, Yasmine Babaei, Nikolay Bashlykov, Soumya Batra, Prajjwal Bhargava, Shruti Bhosale, Dan Bikel, Lukas Blecher, Cristian Canton Ferrer, Moya Chen, Guillem Cucurull, David Esiobu, Jude Fernandes, Jeremy Fu, Wenyin Fu, Brian Fuller, Cynthia Gao, Vedanuj Goswami, Naman Goyal, Anthony Hartshorn, Saghar Hosseini, Rui Hou, Hakan Inan,…

Mit csinál

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

Tartomány: Language
Feladat: Language modeling, Language modeling/generation, Question answering
Megközelítés: Supervised

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: 2,000,000,000,000 tokens
Epochok: 1
Tételméret: 4,000,000

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: 8.1 × 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 SXM4 80 GB
Használt chipek: 1,000
Chip-óra: 1,720,320
Fali óra idő: 1,728 hours (72 days)
Hardverhasználat: MFU 41.9%
Teljesítményfogyasztás: 795.6 kW
Számítási költség: $1,102,561
Adatközpont: Meta’s Research Super Cluster

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: meta-llama

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
Miért követik nyomon: Historical significance,Significant use,Highly cited,Training cost
Nyilvántartási bizalom: Confident
Hivatkozások: 16,911

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Llama 2: Open Foundation and Fine-Tuned Chat Models
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni Llama 2-70B

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..

A legkisebb GPU-k, amik még futnak Llama 2-70B

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

Mit jelentenek a számok

A hardver oldal

Minimális kártya

A100 PCIe 40 GB

Szükséges memória

35.8 GB

Leggyorsabb

48.4 tok/s

Llama 2-70B 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 IQ4_XS és körülbelül előállítva 23.2 tokenek másodpercenként

A legjobb kategóriájú B200, nagyjából generálás 48.4 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Háttér

Llama 2-70B ki lett adva által Meta AI, az országban rögzítve mint United States of America, alatt July 2023. A kiadó szervezet a következő kategóriába tartozik industry.

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

Mivel a súlyai ki lettek adva, semmi sem függ attól, hogy egy szolgáltató elérhető marad-e - a tiéd, amint letöltötted. A Hugging Face-en az alábbi szervezet alatt van publikálva meta-llama.

A átbocsátási számadatok olvasása

Minden olyan kártya esetében, amely képes futtatni, a közép tartományban ül 17.1 másodpercenkénti tokenek. Jogosultsági olvasási sebesség: 49 tőlük

Minden súly részt vesz minden tokenben itt, így a sávszélesség a teljes történet: az alábbi rangsor lényegében a memória átbocsátóképességének rangsora.

A figyelem elrendezése a fájlban van, így a memóriaértékek pontosan számítva vannak, nem pedig közelítve.

Mi került a felépítésébe

A létrehozásához körülbelül összesítő aritmetikára volt szükség. 8.1 × 10²³ FLOP, hardveren rögzítve NVIDIA A100 SXM4 80 GB. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.

Körülbelül egy korpuszon lett betanítva 2,000,000,000,000 szöveg tokenjei

Egy különös okból nyomon követik az alapul szolgáló adatbázisban: historical significance,Significant use,Highly cited,Training cost.

Lépésről lépésre

Hogyan válasszunk GPU-t a Llama 2-70B

A fenti táblázat már értékelte az összes kártyát, amelynek specifikációi elérhetők ennek a modellen. A válaszod megszerzése hat lépést igényel..

01

Nézd meg, mire van szüksége, mielőtt bármi mást tennél.

Kezdj a tényleges szükségletekből, ami a követelményének a Llama 2-70B, körülbelül szükséges 35.8 GB a tömörítésnél IQ4_XS. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
02

Döntsön arról, hogy mennyi ideig tartanak a beszélgetései.

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 2-70B.
03

Állítsa be a minőségi minimumot

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

Hasonlítsd össze a TOKENS PER SECOND-t, ne a SPECIFICATIONS-t.

A rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért Llama 2-70B. 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

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 Llama 2-70B. A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

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 2-70B.

Válaszok

Llama 2-70B — gyakori kérdések

Llama 2-70B— Futtatna-e két GPU gyorsabban?

A kapacitás kártyánként összeadódik; a teljesítmény nem. A kártyák számának már saját magukban tartva: 61. Tehát egy második KÁRTYA ritkán a megoldás itt.

Llama 2-70B— 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: 4. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

Llama 2-70B— Mennyire pontosak ezek a sebességbecslések?

A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 41–58 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

Llama 2-70B— 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. IQ4_XS használva körülbelül 35.8 GB, és körülbelül 23.2 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 61.

Llama 2-70B— 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: 49.

Llama 2-70B— mennyi VRAM-ra van szüksége?

Kb. 35.8 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 2-70B— 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.

Llama 2-70B— Hány paramétere van?

Paraméterszáma 70B. Llama has been released in 7B, 13B, 34B, and 70B variants. 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 2-70B— Ki készítette ezt?

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

Llama 2-70B— Mikor adták ki?

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

Llama 2-70B— Mire használják?

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

Llama 2-70B— Hol tudom letölteni?

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

Llama 2-70B— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 8.1 × 10²³ FLOP, hardveren rögzítve NVIDIA A100 SXM4 80 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.

Llama 2-70B— 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 11.1 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

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