Falcon-40B TPS kalkulátor

Nyitott súlyok Technology Innovation Institute 40B Paraméterek March 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

126 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Tesla M40 24 GB

24 GB · Q3_K_M · 7.0 tok/s

Leggyorsabb kártya

B200

84.7 tok/s · 180 GB

Melyik GPU képes futtatni Falcon-40B?

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.

126 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
84.7 tok/s 51–136 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	43.5 GB	Q8_0	Kényelmes
84.7 tok/s 51–136 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	43.5 GB	Q8_0	Kényelmes
67.6 tok/s 41–108 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Kényelmes
67.6 tok/s 41–108 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Kényelmes
54.1 tok/s 32–87 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	43.5 GB	Q8_0	Kényelmes
51.8 tok/s 31–83 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Kényelmes
51.8 tok/s 31–83 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Kényelmes
49.6 tok/s 30–79 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	43.5 GB	Q8_0	Kényelmes
45.7 tok/s 27–73 · alacsony bizalom	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Szoros
45.7 tok/s 27–73 · alacsony bizalom	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Szoros
44.0 tok/s 26–70 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Kényelmes
44.0 tok/s 26–70 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Kényelmes
44.0 tok/s 26–70 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Kényelmes
43.8 tok/s 26–70 · alacsony bizalom	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Szoros
43.8 tok/s 26–70 · alacsony bizalom	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Szoros
41.7 tok/s 25–67 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	43.5 GB	Q8_0	Kényelmes
38.3 tok/s 23–61 · alacsony bizalom	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.2 GB	Q3_K_M	Szoros
35.6 tok/s 21–57 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Kényelmes
35.6 tok/s 21–57 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	43.5 GB	Q8_0	Kényelmes
35.6 tok/s 21–57 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Kényelmes
35.6 tok/s 21–57 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Kényelmes
35.6 tok/s 21–57 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Kényelmes
34.9 tok/s 21–56 · alacsony bizalom	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.2 GB	Q3_K_M	Szoros
28.9 tok/s 17–46 · alacsony bizalom	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	20.2 GB	Q3_K_M	Szoros
28.9 tok/s 17–46 · alacsony bizalom	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	20.2 GB	Q3_K_M	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: Technology Innovation Institute
Szervezet típusa: Government
Ország: United Arab Emirates
Közölt: 15 March 2023

Mit csinál

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

Tartomány: Language
Feladat: Language modeling, Language modeling/generation, Question answering
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: 40B
Képzési adatok: 1,000,000,000,000 tokens
Tételméret: 2,359,296

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: 2.4 × 10²³ FLOP
Hogyan jött létre: Operation counting,Reported

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: 384
Chip-óra: 552,960
Fali óra idő: 1,440 hours (60 days)
Hardverhasználat: MFU 38.6%
Teljesítményfogyasztás: 306.3 kW
Számítási költség: $319,783

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.

Alapmodell: Yes
Valószínűleg 10²³ FLOP felett: Yes
Miért követik nyomon: Historical significance
Nyilvántartási bizalom: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Abu Dhabi-based Technology Innovation Institute Introduces Falcon LLM: Foundational Large Language Model (LLM) outperforms GPT-3 with 40 Billion Parameters
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni Falcon-40B

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 Falcon-40B

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

Tesla M40 24 GB

Szükséges memória

20.2 GB

Leggyorsabb

84.7 tok/s

Falcon-40B eléri a paraméterek számát 40B. Ez a tartományba esik, amelyet egy komoly asztali KÁRTYA kezelni tud, miután a súlyok tömörítve vannak. Azoknak a KÁRTYÁKNAK a száma, amelyeket nyomon követünk, és amelyek képesek futtatni: 126.

A belépési pont a Tesla M40 24 GB, memória kapacitással rendelkezik 24 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 7.0 tokenek másodpercenként

A másik végén ül B200, nagyjából generálás 84.7 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Mit jelent ez a modell

Falcon-40B ki lett adva által Technology Innovation Institute, az országban rögzítve mint United Arab Emirates, alatt March 2023. A kiadó szervezet a következő kategóriába tartozik government.

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

Mi dönti el a sebességet

Minden olyan kártya esetében, amely képes futtatni, a közép tartományban ül 21.2 másodpercenkénti tokenek 106 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.

Képzés és származás

A betanításhoz körülbelül egy számítási költségvetés kellett 2.4 × 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 tanító készlet kb. futott 1,000,000,000,000 szöveg tokenjei

A kiválasztási kritériuma: historical significance.

Lépésről lépésre

Hogyan válasszunk GPU-t a Falcon-40B

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.

Minden kártyát itt leellenőriztünk a következőkkel szemben Falcon-40B, körülbelül szükséges 20.2 GB a tömörítésnél Q3_K_M. Semennyi feldolgozási teljesítmény nem kompenzálja azt a kártyát, amelyik nem tudja megtartani.
02

Döntsön arról, hogy mennyi ideig tartanak a beszélgetései.

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. Falcon-40B.
03

Döntsd el, mennyi tömörítést fogadsz el.

A kvantálási oszlop kártyánként változik, mert egy nagyobb kártya pontosabb másolatot tartalmaz., 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

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 Falcon-40B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 84.7 tok/s
05

Ellenőrizd a megfelelő ítéletet vásárlás előtt.

Tömör jelentése, hogy betölti és működik, nincs hely a későbbi kontextus növelésére, a következő esetben Falcon-40B. 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, mit futtat még az a kártya.

Egy KÁRTYA végigkövetése a saját oldaláig megmutatja az összes többi modellt, amelyet el tud tartani, ami az a kérdés, ami felmerül, miután döntöttél. Falcon-40B.

Válaszok

Falcon-40B — gyakori kérdések

Falcon-40B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Tesla M40 24 GB, memória kapacitással rendelkezik 24 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 20.2 GB, és körülbelül 7.0 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 126.

Falcon-40B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 84.7 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: 106.

Falcon-40B— mennyi VRAM-ra van szüksége?

Kb. 20.2 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.

Falcon-40B— futtathatom egy GPU-n tartva 24 GB?

Igen. A KÁRTYA GeForce RTX 5090 D V2, tartás 24 GB, futtatja egy tömörítési arány mellett Q3_K_M, használva körülbelül 20.2 GB és körülbelül generálás 38.3 tokensek másodpercenként. A fit szoros.

Falcon-40B— 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.

Falcon-40B— Hány paramétere van?

Paraméterszáma 40B. Model comes in 7B and 40B 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.

Falcon-40B— Ki készítette ezt?

Kiadta Technology Innovation Institute, alapján United Arab Emirates, egy szervezet, amelyet kategorizáltak mint government.

Falcon-40B— Mikor adták ki?

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

Falcon-40B— Mire használják?

Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling, Language modeling/generation, Question answering. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

Falcon-40B— Hol tudom letölteni?

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

Falcon-40B— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 2.4 × 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.

Falcon-40B— 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 6.9 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

Falcon-40B— 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: 126. Tehát egy második KÁRTYA ritkán a megoldás itt.

Falcon-40B— 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.

Falcon-40B— 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: 51–136 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

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