Nemotron-H 47B TPS kalkulátor

Nyitott súlyok NVIDIA 47B Paraméterek April 2025

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

93 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Radeon PRO V710

28 GB · Q3_K_M · 9.6 tok/s

Leggyorsabb kártya

B200

72.1 tok/s · 180 GB

Melyik GPU képes futtatni Nemotron-H 47B?

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.

93 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
72.1 tok/s 43–115 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	51.0 GB	Q8_0	Kényelmes
72.1 tok/s 43–115 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	51.0 GB	Q8_0	Kényelmes
57.6 tok/s 35–92 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	51.0 GB	Q8_0	Kényelmes
57.6 tok/s 35–92 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	51.0 GB	Q8_0	Kényelmes
46.0 tok/s 28–74 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	51.0 GB	Q8_0	Kényelmes
44.1 tok/s 26–71 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	51.0 GB	Q8_0	Kényelmes
44.1 tok/s 26–71 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	51.0 GB	Q8_0	Kényelmes
42.2 tok/s 25–67 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	51.0 GB	Q8_0	Kényelmes
41.4 tok/s 25–66 · alacsony bizalom	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	26.4 GB	IQ4_XS	Szoros
41.4 tok/s 25–66 · alacsony bizalom	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	26.4 GB	IQ4_XS	Szoros
39.6 tok/s 24–63 · alacsony bizalom	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.4 GB	IQ4_XS	Szoros
39.6 tok/s 24–63 · alacsony bizalom	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.4 GB	IQ4_XS	Szoros
37.4 tok/s 22–60 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	51.0 GB	Q8_0	Kényelmes
37.4 tok/s 22–60 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	51.0 GB	Q8_0	Kényelmes
37.4 tok/s 22–60 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	51.0 GB	Q8_0	Kényelmes
35.5 tok/s 21–57 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	51.0 GB	Q8_0	Kényelmes
30.3 tok/s 18–48 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Kényelmes
30.3 tok/s 18–48 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	51.0 GB	Q8_0	Kényelmes
30.3 tok/s 18–48 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Kényelmes
30.3 tok/s 18–48 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Kényelmes
30.3 tok/s 18–48 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	51.0 GB	Q8_0	Kényelmes
25.1 tok/s 15–40 · alacsony bizalom	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.6 GB	Q5_K_M	Szoros
25.1 tok/s 15–40 · alacsony bizalom	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.6 GB	Q5_K_M	Szoros
25.1 tok/s 15–40 · alacsony bizalom	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.6 GB	Q5_K_M	Szoros
25.0 tok/s 15–40 · alacsony bizalom	Tesla PG500-216 NVIDIA	32 GB	1,130 GB/s	Nov 2019	26.4 GB	IQ4_XS	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: NVIDIA
Szervezet típusa: Industry
Ország: United States of America
Közölt: 14 April 2025
Szerzők: NVIDIA: Aaron Blakeman, Aarti Basant, Abhinav Khattar, Adithya Renduchintala, Akhiad Bercovich, Aleksander Ficek, Alexis Bjorlin, Ali Taghibakhshi, Amala Sanjay Deshmukh, Ameya Sunil Mahabaleshwarkar, Andrew Tao, Anna Shors, Ashwath Aithal, Ashwin Poojary, Ayush Dattagupta, Balaram Buddharaju, Bobby Chen, Boris Ginsburg, Boxin Wang, Brandon Norick, Brian Butterfield, Bryan Catanzaro, Carlo del Mun…

Mit csinál

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

Tartomány: Language
Feladat: Language modeling/generation, Question answering, Translation, Quantitative reasoning, Code generation, Neural Architecture Search - NAS
Alapmodell: Nemotron-H 56B
Numerikus formátum: FP8

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: 47B
Képzési adatok: tokens
Epochok: 1

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: 1.8 × 10²² 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 (non-commercial)
Képzés kód: Unreleased
Hugging Face: nvidia

Hogyan van besorolva

Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.

Nyilvántartási bizalom: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Nemotron-H: A Family of Accurate and Efficient Hybrid Mamba-Transformer Models
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni Nemotron-H 47B

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 Nemotron-H 47B

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

Radeon PRO V710

Szükséges memória

23.7 GB

Leggyorsabb

72.1 tok/s

Nemotron-H 47B eléri a paraméterek számát 47B. 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: 93.

A legkevesebb hardver, ami működik, az Radeon PRO V710, memória kapacitással rendelkezik 28 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 9.6 tokenek másodpercenként

A legjobb kategóriájú B200, nagyjából generálás 72.1 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Erről a modelről

Nemotron-H 47B ki lett adva által NVIDIA, az országban rögzítve mint United States of America, alatt April 2025. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry.

Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Question answering, Translation, Quantitative reasoning, Code generation, Neural Architecture Search - NAS.

A kiindulópontja egy meglévő alapmodell volt, Nemotron-H 56B. A legtöbb modell ezen a skálán egy meglévő alaphoz van igazítva, ahelyett, hogy semmiből épült volna.

A súlyok közzétéve vannak, így letölthető és futtatható a saját hardveren határozatlan ideig, offline, felhasználói fiók nélkül. A Hugging Face-en az alábbi szervezet alatt van publikálva nvidia.

Milyen gyorsan fut, és miért

A medián eredmény körül 18.2 másodpercenkénti tokenek 72 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.

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

Lépésről lépésre

Hogyan válasszunk GPU-t a Nemotron-H 47B

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.

Kezdj a tényleges szükségletekből, ami a követelményének a Nemotron-H 47B, körülbelül szükséges 23.7 GB a tömörítésnél Q3_K_M. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
02

Állítsa be a használt CONTEXT LENGTH-et.

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. Nemotron-H 47B.
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

Hasonlítsd össze a TOKENS PER SECOND-t, ne a SPECIFICATIONS-t.

A sebességsorrend lényegében egy sorrend a MEMÓRIA-SÁV szerint, a Nemotron-H 47B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 72.1 tok/s
05

Nézd a mozgásteret, ne csak a passzolást.

Egy szűk elhelyezés fut, de nem hagy semmit egy hosszabb beszélgetésre, az esetében Nemotron-H 47B. 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. Nemotron-H 47B.

Válaszok

Nemotron-H 47B — gyakori kérdések

Nemotron-H 47B— Futtatna-e két GPU gyorsabban?

Két kártya memóriát vásárol, nem sebességet, ami csak akkor számít, ha az egyik kártya nem tudja tartani. Az a szám, ami tudja: 93. Tehát egy második KÁRTYA ritkán a megoldás itt.

Nemotron-H 47B— 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.

Nemotron-H 47B— Mennyire pontosak ezek a sebességbecslések?

A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 43–115 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

Nemotron-H 47B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Radeon PRO V710, memória kapacitással rendelkezik 28 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 23.7 GB, és körülbelül 9.6 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 93.

Nemotron-H 47B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 72.1 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: 72.

Nemotron-H 47B— mennyi VRAM-ra van szüksége?

Kb. 23.7 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.

Nemotron-H 47B— 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.

Nemotron-H 47B— Hány paramétere van?

Paraméterszáma 47B. "We use MiniPuzzle to distill Nemotron-H-56B-Base to Nemotron-H-47B-Base, using only 63 billion training tokens and FP8 training". 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.

Nemotron-H 47B— Ki készítette ezt?

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

Nemotron-H 47B— Mikor adták ki?

Kibocsátották a April 2025.

Nemotron-H 47B— Mire használják?

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

Nemotron-H 47B— Hol tudom letölteni?

Súlyait a Hugging Face-en tette közzé, a szervezet alatt nvidia. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.

Nemotron-H 47B— 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 7.5 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