OPT-IML (175B) TPS kalkulátor

Nyitott súlyok Meta AI 175B Paraméterek December 2022

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

24 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

H100 PCIe 96 GB

96 GB · Q3_K_M · 21.9 tok/s

Leggyorsabb kártya

Radeon Instinct MI300

28.6 tok/s · 128 GB

Melyik GPU képes futtatni OPT-IML (175B)?

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.

24 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
28.6 tok/s 17–46 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	106.6 GB	Q4_K_M	Szoros
28.1 tok/s 17–45 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	147.3 GB	Q6_K	Szoros
27.3 tok/s 16–44 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	106.6 GB	Q4_K_M	Szoros
27.3 tok/s 16–44 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	106.6 GB	Q4_K_M	Szoros
23.2 tok/s 14–37 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	106.6 GB	Q4_K_M	Szoros
21.9 tok/s 13–35 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.2 GB	Q3_K_M	Szoros
21.9 tok/s 13–35 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.2 GB	Q3_K_M	Szoros
19.4 tok/s 12–31 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	188.1 GB	Q8_0	Kényelmes
15.5 tok/s 9–25 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	188.1 GB	Q8_0	Kényelmes
15.5 tok/s 9–25 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	188.1 GB	Q8_0	Kényelmes
14.6 tok/s 9–23 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	147.3 GB	Q6_K	Szoros
14.6 tok/s 9–23 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	147.3 GB	Q6_K	Szoros
14.3 tok/s 9–23 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	106.6 GB	Q4_K_M	Szoros
14.3 tok/s 9–23 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	106.6 GB	Q4_K_M	Szoros
11.9 tok/s 7–19 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	106.6 GB	Q4_K_M	Szoros
11.7 tok/s 7–19 · alacsony bizalom	RTX PRO 6000 Blackwell NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Szoros
11.7 tok/s 7–19 · alacsony bizalom	RTX PRO 6000 Blackwell Max-Q NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Szoros
11.7 tok/s 7–19 · alacsony bizalom	RTX PRO 6000 Blackwell Server NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Szoros
11.7 tok/s 7–19 · alacsony bizalom	RTX PRO 6000D Blackwell Max-Q NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Szoros
11.7 tok/s 7–19 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	106.6 GB	Q4_K_M	Szoros
11.3 tok/s 7–18 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	188.1 GB	Q8_0	Kényelmes
10.4 tok/s 6–17 · alacsony bizalom	Data Center GPU Max 1350 Intel	96 GB	2,460 GB/s	Jan 2023	86.2 GB	Q3_K_M	Szoros
1.5 tok/s 1–2 · alacsony bizalom	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	106.6 GB	Q4_K_M	Szoros
1.5 tok/s 1–2 · alacsony bizalom	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	106.6 GB	Q4_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: Meta AI
Szervezet típusa: Industry
Ország: United States of America
Közölt: 22 December 2022
Szerzők: Srinivasan Iyer, Xi Victoria Lin, Ramakanth Pasunuru, Todor Mihaylov, Daniel Simig, Ping Yu, Kurt Shuster, Tianlu Wang, Qing Liu, Punit Singh Koura, Xian Li, Brian O'Horo, Gabriel Pereyra, Jeff Wang, Christopher Dewan, Asli Celikyilmaz, Luke Zettlemoyer, Ves Stoyanov

Mit csinál

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

Tartomány: Language
Feladat: Language modeling
Alapmodell: OPT-175B

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: 175B
Képzési adatok: 2,000,000,000 tokens
Tételméret: 125

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: 4.3 × 10²³ FLOP
Hogyan jött létre: Operation counting
Finomhangolás számítás: 2.1 × 10²¹ FLOP

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: 128
Chip-óra: 9,216
Fali óra idő: 72 hours
Teljesítményfogyasztás: 102.3 kW

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: Likely
Hivatkozások: 304

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: OPT-IML: Scaling Language Model Instruction Meta Learning through the Lens of Generalization
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni OPT-IML (175B)

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 OPT-IML (175B)

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

Mit jelentenek a számok

Mi szükséges ehhez a modellhez való futtatáshoz

Minimális kártya

H100 PCIe 96 GB

Szükséges memória

86.2 GB

Leggyorsabb

28.6 tok/s

OPT-IML (175B) eléri a paraméterek számát 175B. 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: 24.

A legkisebb kártya, ami elbírja, az H100 PCIe 96 GB, memória kapacitással rendelkezik 96 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 21.9 tokenek másodpercenként

A leggyorsabb, amit erre számolunk, az Radeon Instinct MI300, nagyjából generálás 28.6 másodpercenkénti tokenek egy memória sávszélesség erejében 6,550 GB/s.

Honnan jött

OPT-IML (175B) ki lett adva által Meta AI, az országban rögzítve mint United States of America, alatt December 2022. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry.

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

Ez alapoz. OPT-175B. Ezért osztja a bázismodell általános formáját és méretét.

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

A sebességek megértése

A medián eredmény körül 14.5 másodpercenkénti tokenek 22 tőlük

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

Itt a memória méret alapján van megbecsülve, nem pedig az architektúrából számítva, amely nincs rögzítve ennél a modellnél — a számok tájékoztató jellegűek, nem pontosak.

Mi került a felépítésébe

A képzés futás körülbelül 4.3 × 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 2,000,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a OPT-IML (175B)

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.

A táblázat felsorolja az összes kártyát, amely képes tartani OPT-IML (175B), körülbelül szükséges 86.2 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.

A hosszabb beszélgetések memóriaigénye van a súlyok szükségletén kívül. Húzd el a csúszkát a valódi munkahosszodra, mielőtt bármelyik sort megbízhatónak tartanád. OPT-IML (175B).
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

Rendezés sebesség szerint

Rendezze sebesség szerint, hogy lássa, hogyan rangsorolnak a kártyák. OPT-IML (175B). Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA Radeon Instinct MI300, at 28.6 tok/s
05

Ellenőrizd a megfelelő ítéletet vásárlás előtt.

Tömör jelentése, hogy betölti és működik, nincs hely a későbbi kontextus növelésére, a következő esetben OPT-IML (175B). 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.

Egy KÁRTYA végigkövetése a saját oldaláig megmutatja az összes többi modellt, amelyet el tud tartani, ami az a kérdés, ami felmerül, miután döntöttél. OPT-IML (175B).

Válaszok

OPT-IML (175B) — gyakori kérdések

OPT-IML (175B)— 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.

OPT-IML (175B)— Hány paramétere van?

Paraméterszáma 175B. 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.

OPT-IML (175B)— Ki készítette ezt?

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

OPT-IML (175B)— Mikor adták ki?

Kibocsátották a December 2022. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

OPT-IML (175B)— Mire használják?

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

OPT-IML (175B)— Hol tudom letölteni?

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

OPT-IML (175B)— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 4.3 × 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.

OPT-IML (175B)— 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 22.0 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

OPT-IML (175B)— 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: 24. Tehát egy második KÁRTYA ritkán a megoldás itt.

OPT-IML (175B)— 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.

OPT-IML (175B)— 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: 17–46 tok/s a fájlban Radeon Instinct MI300. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

OPT-IML (175B)— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az H100 PCIe 96 GB, memória kapacitással rendelkezik 96 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 86.2 GB, és körülbelül 21.9 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 24.

OPT-IML (175B)— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az Radeon Instinct MI300, körülbelül 28.6 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: 22.

OPT-IML (175B)— mennyi VRAM-ra van szüksége?

Kb. 86.2 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.

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