CogVideo TPS kalkulátor

Nyitott súlyok Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI 9.4B Paraméterek May 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

582 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Quadro 6000

6 GB · Q3_K_M · 14.8 tok/s

Leggyorsabb kártya

B200

360 tok/s · 180 GB

Melyik GPU képes futtatni CogVideo?

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.

582 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
360 tok/s 216–577 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.8 GB	Q8_0	Kényelmes
360 tok/s 216–577 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.8 GB	Q8_0	Kényelmes
288 tok/s 173–461 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.8 GB	Q8_0	Kényelmes
288 tok/s 173–461 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.8 GB	Q8_0	Kényelmes
230 tok/s 138–368 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.8 GB	Q8_0	Kényelmes
220 tok/s 132–353 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.8 GB	Q8_0	Kényelmes
220 tok/s 132–353 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.8 GB	Q8_0	Kényelmes
211 tok/s 127–337 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.8 GB	Q8_0	Kényelmes
187 tok/s 112–299 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Kényelmes
187 tok/s 112–299 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Kényelmes
187 tok/s 112–299 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Kényelmes
178 tok/s 107–284 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.8 GB	Q8_0	Kényelmes
155 tok/s 93–248 · alacsony bizalom	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.4 GB	Q4_K_M	Szoros
151 tok/s 91–242 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Kényelmes
151 tok/s 91–242 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.8 GB	Q8_0	Kényelmes
151 tok/s 91–242 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Kényelmes
151 tok/s 91–242 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Kényelmes
151 tok/s 91–242 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Kényelmes
115 tok/s 69–184 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	10.8 GB	Q8_0	Kényelmes
115 tok/s 69–184 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	10.8 GB	Q8_0	Kényelmes
102 tok/s 61–163 · alacsony bizalom	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q6_K	Szoros
96.1 tok/s 58–154 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.8 GB	Q8_0	Kényelmes
94.0 tok/s 56–150 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	10.8 GB	Q8_0	Kényelmes
91.9 tok/s 55–147 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	10.8 GB	Q8_0	Kényelmes
91.9 tok/s 55–147 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	10.8 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: Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI
Szervezet típusa: Academia,Academia
Ország: China
Közölt: 29 May 2022
Szerzők: Wenyi Hong, Ming Ding, Wendi Zheng, Xinghan Liu, Jie Tang

Mit csinál

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

Tartomány: Video
Feladat: Video generation, Text-to-video
Alapmodell: CogView2
Numerikus formátum: FP16

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: 9.4B
Képzési adatok: 145,000,000,000 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.

Hogyan jött létre: Operation counting
Finomhangolás számítás: 3 × 10¹⁹ FLOP

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: Open source

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: Speculative
Hivatkozások: 1,058

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: CogVideo: Large-scale Pretraining for Text-to-Video Generation via Transformers
Utoljára frissítve: 25 May 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni CogVideo

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 CogVideo

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

Mit jelentenek a számok

A hardver oldal

Minimális kártya

Quadro 6000

Szükséges memória

5.3 GB

Leggyorsabb

360 tok/s

CogVideo eléri a paraméterek számát 9.4B. Ez elég kicsi ahhoz, hogy a hardver ritkán legyen az akadály, beleértve a több éves kártyákat is. Azoknak a kártyáknak a száma, amelyeket nyomon követünk, és amelyek el tudják futtatni: 582.

az alsó végén ezt kezelik Quadro 6000, memória kapacitással rendelkezik 6 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 14.8 tokenek másodpercenként

A másik végén ül B200, nagyjából generálás 360 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Honnan jött

CogVideo ki lett adva által Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, az országban rögzítve mint China, alatt May 2022. A kiadó kategóriája alá tartozik academia,Academia.

Működik a területen a Video, és úgy van rögzítve, mint a feladat végrehajtása video generation, Text-to-video.

A kiindulópontja egy meglévő alapmodell volt, CogView2. A legtöbb modell ezen a skálán egy meglévő alaphoz van igazítva, ahelyett, hogy semmiből épült volna.

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 22.7 másodpercenkénti tokenek 543 tőlük

Minden súly részt vesz minden tokenben itt, így a sávszélesség a teljes történet: az alábbi rangsor lényegében a memória átbocsátóképességének rangsora.

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 képzés körülbelül egy korpuszt fogyasztott 145,000,000,000 szöveg tokenjei

Egy különös okból nyomon követik az alapul szolgáló adatbázisban: historical significance.

Lépésről lépésre

Hogyan válasszunk GPU-t a CogVideo

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.

A táblázat felsorolja az összes kártyát, amely képes tartani CogVideo, körülbelül szükséges 5.3 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 hosszabb beszélgetések memóriaigénye van a súlyok szükségletén kívül. Húzd el a csúszkát a valódi munkahosszodra, mielőtt bármelyik sort megbízhatónak tartanád. CogVideo.
03

Állítsa be a minőségi minimumot

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

Rendezze sebesség szerint, hogy lássa, hogyan rangsorolnak a kártyák. CogVideo. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 360 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 CogVideo. 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 kártyaoldal megismétli ezt a vizsgálatot minden modellre, amelyet birtoklunk, válaszolva arra, hogy mi másra jó a hardver, azon kívül, hogy CogVideo.

Válaszok

CogVideo — gyakori kérdések

CogVideo— futtathatom egy GPU-n tartva 12 GB?

Igen. A KÁRTYA GeForce RTX 3080 Ti, tartás 12 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 10.8 GB és körülbelül generálás 41.1 tokensek másodpercenként. A fit szoros.

CogVideo— futtathatom egy GPU-n tartva 16 GB?

Igen. A KÁRTYA Tesla V100 SXM2 16 GB, tartás 16 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 10.8 GB és körülbelül generálás 50.9 másodpercenkénti tokenek. A illeszkedés kényelmes.

CogVideo— futtathatom egy GPU-n tartva 24 GB?

Igen. A KÁRTYA GeForce RTX 5090 D V2, tartás 24 GB, futtatja egy tömörítési arány mellett Q8_0, használva körülbelül 10.8 GB és körülbelül generálás 60.4 másodpercenkénti tokenek. A illeszkedés kényelmes.

CogVideo— 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.

CogVideo— Hány paramétere van?

Paraméterszáma 9.4B. 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.

CogVideo— Ki készítette ezt?

Kiadta Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, alapján China, egy szervezet, amelyet kategorizáltak mint academia,Academia.

CogVideo— Mikor adták ki?

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

CogVideo— Mire használják?

Működik a területen a Video, és rögzítve van, hogy kezeli a feladatot video generation, Text-to-video. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.

CogVideo— Hol tudom letölteni?

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

CogVideo— 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 1.9 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

CogVideo— 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: 582. Tehát egy második KÁRTYA ritkán a megoldás itt.

CogVideo— miért különbözik a kvantálás a kártyák között?

Egy nagyobb KÁRTYA pontosabb másolatot tárol. Azoknak a tömörítési szinteknek a száma, amelyeket a futó KÁRTYÁK használnak: 4. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

CogVideo— 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: 216–577 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

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

A katalógusunk legkisebb kártyája, ami ezt tartja, az Quadro 6000, memória kapacitással rendelkezik 6 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 5.3 GB, és körülbelül 14.8 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 582.

CogVideo— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 360 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: 543.

CogVideo— mennyi VRAM-ra van szüksége?

Kb. 5.3 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.

CogVideo— futtathatom egy GPU-n tartva 8 GB?

Igen. A KÁRTYA CMP 170HX 8 GB, tartás 8 GB, futtatja egy tömörítési arány mellett Q4_K_M, használva körülbelül 6.4 GB és körülbelül generálás 155 tokensek másodpercenként. A fit szoros.

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