LLaMA-33B TPS kalkulátor

Nyitott súlyok Meta AI 32.5B Paraméterek February 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

132 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

RTX A4500

20 GB · Q3_K_M · 22.5 tok/s

Leggyorsabb kártya

B200

104 tok/s · 180 GB

Melyik GPU képes futtatni LLaMA-33B?

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.

132 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
104 tok/s 89–125	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	36.5 GB	Q8_0	Kényelmes
104 tok/s 89–125	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	36.5 GB	Q8_0	Kényelmes
83.3 tok/s 50–133 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	36.5 GB	Q8_0	Kényelmes
83.3 tok/s 50–133 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	36.5 GB	Q8_0	Kényelmes
66.6 tok/s 40–107 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	36.5 GB	Q8_0	Kényelmes
63.7 tok/s 54–76	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.5 GB	Q8_0	Kényelmes
63.7 tok/s 54–76	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.5 GB	Q8_0	Kényelmes
61.0 tok/s 37–98 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	36.5 GB	Q8_0	Kényelmes
54.1 tok/s 32–87 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Kényelmes
54.1 tok/s 32–87 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Kényelmes
54.1 tok/s 32–87 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Kényelmes
51.3 tok/s 44–62	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	36.5 GB	Q8_0	Kényelmes
43.8 tok/s 37–53	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Kényelmes
43.8 tok/s 37–53	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	36.5 GB	Q8_0	Kényelmes
43.8 tok/s 37–53	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Kényelmes
43.8 tok/s 37–53	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Kényelmes
43.8 tok/s 37–53	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Kényelmes
43.5 tok/s 37–52	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	25.2 GB	Q5_K_M	Szoros
43.5 tok/s 37–52	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	25.2 GB	Q5_K_M	Szoros
41.7 tok/s 35–50	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.2 GB	Q5_K_M	Szoros
41.7 tok/s 35–50	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.2 GB	Q5_K_M	Szoros
40.3 tok/s 34–48	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	21.4 GB	Q4_K_M	Szoros
36.7 tok/s 31–44	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	21.4 GB	Q4_K_M	Szoros
33.3 tok/s 20–53 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	36.5 GB	Q8_0	Kényelmes
33.3 tok/s 20–53 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	36.5 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: Meta AI
Szervezet típusa: Industry
Ország: United States of America
Közölt: 27 February 2023
Szerzők: Hugo Touvron, Thibaut Lavril, Gautier Izacard, Xavier Martinet, Marie-Anne Lachaux, Timothée Lacroix, Baptiste Rozière, Naman Goyal, Eric Hambro, Faisal Azhar, Aurelien Rodriguez, Armand Joulin, Edouard Grave, Guillaume Lample

Mit csinál

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

Tartomány: Language
Feladat: Language modeling, Code generation, Language modeling/generation, Question answering

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: 32.5B
Képzési adatok: 1,400,000,000,000 tokens
Epochok: 1.04
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: 2.7 × 10²³ FLOP
Hogyan jött létre: 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 (non-commercial)
Képzés kód: Unreleased

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
Nyilvántartási bizalom: Confident
Hivatkozások: 19,926
Benchmark adatok: LLaMA-33B

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: LLaMA: Open and Efficient Foundation Language Models
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni LLaMA-33B

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-33B

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

Mit jelentenek a számok

Ami szükséges a futtatásához

Minimális kártya

RTX A4500

Szükséges memória

17.6 GB

Leggyorsabb

104 tok/s

LLaMA-33B eléri a paraméterek számát 32.5B. 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: 132.

A legkevesebb hardver, ami működik, az RTX A4500, memória kapacitással rendelkezik 20 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 22.5 tokenek másodpercenként

A legjobb kategóriájú B200, nagyjából generálás 104 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Honnan jött

LLaMA-33B ki lett adva által Meta AI, az országban rögzítve mint United States of America, alatt February 2023. A kiadó kategóriája alá tartozik industry.

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

A közzétett súlyok azt jelentik, hogy a modell a te gépeden fut, nem pedig valaki másén, ami lehetővé teszi az alábbi hardverkérdés megválaszolását.

A sebességek megértése

A kártyák felének, amelyek tartják, több mint 22.1 másodpercenkénti tokenek 106 tőlük

Ez egy sűrű modell, így minden paramétert minden előállított tokenhez elolvasnak. Ez szinte pontosan nyomon követi a memória-sávszélességet — egy kártya, amelynek kétszer akkora a sávszélessége, körülbelül kétszer olyan gyorsan generál.

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

Képzés és származás

A képzés futás körülbelül 2.7 × 10²³ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.

Körülbelül egy korpuszon lett betanítva 1,400,000,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a LLaMA-33B

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.

Minden kártyát itt leellenőriztünk a következőkkel szemben LLaMA-33B, körülbelül szükséges 17.6 GB a tömörítésnél Q3_K_M. Semennyi feldolgozási teljesítmény nem kompenzálja azt a kártyát, amelyik nem tudja megtartani.
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-33B.
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 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.

Rendezze sebesség szerint, hogy lássa, hogyan rangsorolnak a kártyák. LLaMA-33B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 104 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-33B. 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. LLaMA-33B.

Válaszok

LLaMA-33B — gyakori kérdések

LLaMA-33B— Mennyire pontosak ezek a sebességbecslések?

A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 89–125 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

LLaMA-33B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az RTX A4500, memória kapacitással rendelkezik 20 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 17.6 GB, és körülbelül 22.5 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 132.

LLaMA-33B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 104 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.

LLaMA-33B— mennyi VRAM-ra van szüksége?

Kb. 17.6 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.

LLaMA-33B— futtathatom egy GPU-n tartva 24 GB?

Igen. A KÁRTYA GeForce RTX 5090 D V2, tartás 24 GB, futtatja egy tömörítési arány mellett Q4_K_M, használva körülbelül 21.4 GB és körülbelül generálás 40.3 tokensek másodpercenként. A fit szoros.

LLaMA-33B— 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-33B— Hány paramétere van?

Paraméterszáma 32.5B. Table 2 in the paper. 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-33B— Ki készítette ezt?

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

LLaMA-33B— Mikor adták ki?

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

LLaMA-33B— Mire használják?

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

LLaMA-33B— Hol tudom letölteni?

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

LLaMA-33B— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 2.7 × 10²³ 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-33B— 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 7.0 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

LLaMA-33B— Futtatna-e két GPU gyorsabban?

Egy második Kártya körülbelül megduplázza a rendelkezésre álló MEMÓRIÁT, de nem a generálási sebességet. A szám, amely már képes egyedül futtatni: 132. Tehát egy második KÁRTYA ritkán a megoldás itt.

LLaMA-33B— miért különbözik a kvantálás a kártyák között?

Mivel a kapacitás változik, úgy az is, hogy mennyire kell összenyomni. A fenti táblázatban lévő különböző szintek száma: 5. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

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