YaLM TPS kalkulátor

Nyitott súlyok Yandex 100B Paraméterek June 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

43 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Radeon Instinct MI200

64 GB · IQ4_XS · 13.3 tok/s

Leggyorsabb kártya

B200

33.9 tok/s · 180 GB

Melyik GPU képes futtatni YaLM?

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.

43 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
33.9 tok/s 20–54 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	107.8 GB	Q8_0	Kényelmes
33.9 tok/s 20–54 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	107.8 GB	Q8_0	Kényelmes
32.9 tok/s 20–53 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	61.2 GB	Q4_K_M	Szoros
32.9 tok/s 20–53 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	61.2 GB	Q4_K_M	Szoros
27.1 tok/s 16–43 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	107.8 GB	Q8_0	Kényelmes
27.1 tok/s 16–43 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	107.8 GB	Q8_0	Kényelmes
24.3 tok/s 15–39 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	84.5 GB	Q6_K	Szoros
21.6 tok/s 13–35 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	107.8 GB	Q8_0	Szoros
21.0 tok/s 13–34 · alacsony bizalom	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.4 GB	IQ4_XS	Szoros
20.7 tok/s 12–33 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.8 GB	Q8_0	Szoros
20.7 tok/s 12–33 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.8 GB	Q8_0	Szoros
20.7 tok/s 12–33 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	Szoros
20.7 tok/s 12–33 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	Szoros
20.7 tok/s 12–33 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	Szoros
20.0 tok/s 12–32 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	61.2 GB	Q4_K_M	Szoros
20.0 tok/s 12–32 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	61.2 GB	Q4_K_M	Szoros
20.0 tok/s 12–32 · alacsony bizalom	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	61.2 GB	Q4_K_M	Szoros
20.0 tok/s 12–32 · alacsony bizalom	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	61.2 GB	Q4_K_M	Szoros
20.0 tok/s 12–32 · alacsony bizalom	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	61.2 GB	Q4_K_M	Szoros
20.0 tok/s 12–32 · alacsony bizalom	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	61.2 GB	Q4_K_M	Szoros
19.8 tok/s 12–32 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	107.8 GB	Q8_0	Kényelmes
19.0 tok/s 11–30 · alacsony bizalom	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	61.2 GB	Q4_K_M	Szoros
19.0 tok/s 11–30 · alacsony bizalom	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	61.2 GB	Q4_K_M	Szoros
17.6 tok/s 11–28 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	107.8 GB	Q8_0	Szoros
17.6 tok/s 11–28 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	107.8 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: Yandex
Szervezet típusa: Industry
Ország: Russia
Közölt: 23 June 2022
Szerzők: Mikhail Khrushchev, Ruslan Vasilev, Alexey Petrov, Nikolay Zinov

Mit csinál

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

Tartomány: Language
Feladat: Language modeling, Chat
Megközelítés: Self-supervised learning

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: 100B
Képzési adatok: 300,000,000,000 tokens

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: 2.2 × 10²³ FLOP
Hogyan jött létre: Hardware

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: 800
Chip-óra: 1,248,000
Fali óra idő: 1,560 hours (65 days)
Teljesítményfogyasztás: 642.0 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 (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
Nyilvántartási bizalom: Likely

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Yandex Publishes YaLM 100B. It’s the Largest GPT-Like Neural Network in Open Source
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni YaLM

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 YaLM

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

Radeon Instinct MI200

Szükséges memória

55.4 GB

Leggyorsabb

33.9 tok/s

YaLM eléri a paraméterek számát 100B. 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: 43.

A belépési pont a Radeon Instinct MI200, memória kapacitással rendelkezik 64 GB, futtatás egy tömörítési arányon IQ4_XS és körülbelül előállítva 13.3 tokenek másodpercenként

A leggyorsabb, amit erre számolunk, az B200, nagyjából generálás 33.9 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Honnan jött

YaLM ki lett adva által Yandex, az országban rögzítve mint Russia, alatt June 2022. A kiadó szervezet a következő kategóriába tartozik industry.

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

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

Minden olyan kártya esetében, amely képes futtatni, a közép tartományban ül 19.0 másodpercenkénti tokenek 36 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.

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.

Hogyan lett betanítva

A létrehozásához körülbelül összesítő aritmetikára volt szükség. 2.2 × 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 300,000,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a YaLM

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 YaLM, körülbelül szükséges 55.4 GB a tömörítésnél IQ4_XS. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
02

Döntsön arról, hogy mennyi ideig tartanak a beszélgetései.

A hosszabb beszélgetések memóriaigénye van a súlyok szükségletén kívül. Húzd el a csúszkát a valódi munkahosszodra, mielőtt bármelyik sort megbízhatónak tartanád. YaLM.
03

Döntsd el, mennyi tömörítést fogadsz el.

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 YaLM. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 33.9 tok/s
05

Ellenőrizd a megfelelő ítéletet vásárlás előtt.

A megfelelő oszlop elválasztja azokat a kártyákat, amelyek épp hogy elboldogulnak, azoktól, amelyeknek van szabad helyük, az esetében YaLM. 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.

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. YaLM.

Válaszok

YaLM — gyakori kérdések

YaLM— 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: 43. Tehát egy második KÁRTYA ritkán a megoldás itt.

YaLM— 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: 5. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

YaLM— 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: 20–54 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

YaLM— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Radeon Instinct MI200, memória kapacitással rendelkezik 64 GB. A modell egy tömörítéssel fut. IQ4_XS használva körülbelül 55.4 GB, és körülbelül 13.3 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 43.

YaLM— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 33.9 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: 36.

YaLM— mennyi VRAM-ra van szüksége?

Kb. 55.4 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.

YaLM— 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.

YaLM— Hány paramétere van?

Paraméterszáma 100B. 100B. 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.

YaLM— Ki készítette ezt?

Kiadta Yandex, alapján Russia, egy szervezet, amelyet kategorizáltak mint industry.

YaLM— Mikor adták ki?

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

YaLM— Mire használják?

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

YaLM— Hol tudom letölteni?

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

YaLM— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 2.2 × 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.

YaLM— 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 18.0 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

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