LLaMA-65B TPS kalkulátor

Nyitott súlyok Meta AI 65.2B 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

61 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

A100 PCIe 40 GB

40 GB · Q3_K_M · 27.3 tok/s

Leggyorsabb kártya

B200

52.0 tok/s · 180 GB

Melyik GPU képes futtatni LLaMA-65B?

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
52.0 tok/s 44–62	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	71.4 GB	Q8_0	Kényelmes
52.0 tok/s 44–62	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	71.4 GB	Q8_0	Kényelmes
41.5 tok/s 25–66 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	71.4 GB	Q8_0	Kényelmes
41.5 tok/s 25–66 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	71.4 GB	Q8_0	Kényelmes
33.2 tok/s 20–53 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	71.4 GB	Q8_0	Kényelmes
31.8 tok/s 27–38	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	71.4 GB	Q8_0	Kényelmes
31.8 tok/s 27–38	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	71.4 GB	Q8_0	Kényelmes
30.4 tok/s 18–49 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	71.4 GB	Q8_0	Kényelmes
28.0 tok/s 24–34	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	41.1 GB	Q4_K_M	Szoros
27.3 tok/s 23–33	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	33.5 GB	Q3_K_M	Szoros
27.3 tok/s 23–33	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	33.5 GB	Q3_K_M	Szoros
27.3 tok/s 23–33	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	33.5 GB	Q3_K_M	Szoros
27.0 tok/s 16–43 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	71.4 GB	Q8_0	Kényelmes
27.0 tok/s 16–43 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	71.4 GB	Q8_0	Kényelmes
27.0 tok/s 16–43 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	71.4 GB	Q8_0	Kényelmes
25.6 tok/s 22–31	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	71.4 GB	Q8_0	Szoros
21.8 tok/s 19–26	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Kényelmes
21.8 tok/s 19–26	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	71.4 GB	Q8_0	Szoros
21.8 tok/s 19–26	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Szoros
21.8 tok/s 19–26	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Kényelmes
21.8 tok/s 19–26	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Szoros
20.1 tok/s 17–24	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	41.1 GB	Q4_K_M	Szoros
19.1 tok/s 16–23	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	56.3 GB	Q6_K	Szoros
16.6 tok/s 10–27 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	71.4 GB	Q8_0	Kényelmes
16.6 tok/s 10–27 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	71.4 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: 24 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
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: 65.2B
Képzési adatok: 1,400,000,000,000 tokens
Epochok: 1.09
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: 5.5 × 10²³ FLOP
Hogyan jött létre: 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: 2,048
Chip-óra: 1,024,000
Fali óra idő: 500 hours (20.8 days)
Hardverhasználat: MFU 47.5%
Teljesítményfogyasztás: 1.6 MW
Számítási költség: $578,026

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.

Alapmodell: Yes
Valószínűleg 10²³ FLOP felett: Yes
Miért követik nyomon: Historical significance,Highly cited
Nyilvántartási bizalom: Confident
Hivatkozások: 19,926
Benchmark adatok: LLaMA-65B

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-65B

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-65B

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

A100 PCIe 40 GB

Szükséges memória

33.5 GB

Leggyorsabb

52.0 tok/s

LLaMA-65B eléri a paraméterek számát 65.2B. 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.

A belépési pont a A100 PCIe 40 GB, memória kapacitással rendelkezik 40 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 27.3 tokenek másodpercenként

A leggyorsabb eredmény a következőből származik B200, nagyjából generálás 52.0 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Mit jelent ez a modell

LLaMA-65B ki lett adva által Meta AI, az országban rögzítve mint United States of America, alatt February 2023. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry.

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

A súlyok közzétéve vannak, így letölthető és futtatható a saját hardveren határozatlan ideig, offline, felhasználói fiók nélkül.

Mi dönti el a sebességet

A medián eredmény körül 13.3 másodpercenkénti tokenek 56 tőlük

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

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

Mi került a felépítésébe

A betanításhoz körülbelül egy számítási költségvetés kellett 5.5 × 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 1,400,000,000,000 szöveg tokenjei

A kiválasztási kritériuma: historical significance,Highly cited.

Lépésről lépésre

Hogyan válasszunk GPU-t a LLaMA-65B

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 LLaMA-65B, körülbelül szükséges 33.5 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. LLaMA-65B.
03

Válaszd ki, milyen messzire fogod tömöríteni.

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

Rendezés sebesség szerint

A rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért LLaMA-65B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 52.0 tok/s
05

Nézd a mozgásteret, ne csak a passzolást.

Egy szűk elhelyezés fut, de nem hagy semmit egy hosszabb beszélgetésre, az esetében LLaMA-65B. 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. LLaMA-65B.

Válaszok

LLaMA-65B — gyakori kérdések

LLaMA-65B— 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-65B— 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: 4. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

LLaMA-65B— 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: 44–62 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

LLaMA-65B— 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. Q3_K_M használva körülbelül 33.5 GB, és körülbelül 27.3 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 61.

LLaMA-65B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 52.0 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: 56.

LLaMA-65B— mennyi VRAM-ra van szüksége?

Kb. 33.5 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-65B— 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-65B— Hány paramétere van?

Paraméterszáma 65.2B. Model card, table 1: https://github.com/facebookresearch/llama/blob/53011c3d7946dadb8274a4c5c7586ab54edf792d/MODEL_CARD.md. 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-65B— Ki készítette ezt?

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

LLaMA-65B— 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-65B— Mire használják?

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

LLaMA-65B— Hol tudom letölteni?

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

LLaMA-65B— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 5.5 × 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.

LLaMA-65B— 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 12.3 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