GigaChat Lite (GigaChat-20B-A3B) TPS kalkulátor

Nyitott súlyok Sber 20B Paraméterek December 2024

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

295 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

GeForce GTX 1080 Ti

11 GB · Q3_K_M · 131 tok/s

Leggyorsabb kártya

B200

941 tok/s · 180 GB

Melyik GPU képes futtatni GigaChat Lite (GigaChat-20B-A3B)?

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.

295 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
941 tok/s 565–1,506 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	21.3 GB	Q8_0	Kényelmes
941 tok/s 565–1,506 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	21.3 GB	Q8_0	Kényelmes
752 tok/s 451–1,202 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	21.3 GB	Q8_0	Kényelmes
752 tok/s 451–1,202 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	21.3 GB	Q8_0	Kényelmes
601 tok/s 361–962 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	21.3 GB	Q8_0	Kényelmes
575 tok/s 345–920 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.3 GB	Q8_0	Kényelmes
575 tok/s 345–920 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	21.3 GB	Q8_0	Kényelmes
551 tok/s 330–881 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	21.3 GB	Q8_0	Kényelmes
489 tok/s 293–782 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Kényelmes
489 tok/s 293–782 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Kényelmes
489 tok/s 293–782 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	21.3 GB	Q8_0	Kényelmes
464 tok/s 278–742 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	21.3 GB	Q8_0	Kényelmes
395 tok/s 237–632 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Kényelmes
395 tok/s 237–632 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	21.3 GB	Q8_0	Kényelmes
395 tok/s 237–632 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Kényelmes
395 tok/s 237–632 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Kényelmes
395 tok/s 237–632 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	21.3 GB	Q8_0	Kényelmes
301 tok/s 181–482 · alacsony bizalom	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	21.3 GB	Q8_0	Kényelmes
301 tok/s 181–482 · alacsony bizalom	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	21.3 GB	Q8_0	Kényelmes
290 tok/s 174–463 · alacsony bizalom	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	9.7 GB	Q3_K_M	Szoros
290 tok/s 174–463 · alacsony bizalom	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	9.7 GB	Q3_K_M	Szoros
251 tok/s 150–401 · alacsony bizalom	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	21.3 GB	Q8_0	Kényelmes
245 tok/s 147–393 · alacsony bizalom	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	21.3 GB	Q8_0	Kényelmes
244 tok/s 146–390 · alacsony bizalom	RTX A5000-12Q NVIDIA	12 GB	768 GB/s	Apr 2021	9.7 GB	Q3_K_M	Szoros
240 tok/s 144–384 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	21.3 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: Sber
Szervezet típusa: Industry,Government
Ország: Russia
Közölt: 13 December 2024

Mit csinál

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

Tartomány: Language
Feladat: Language modeling/generation, Question answering, Chat

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: 20B
Képzési adatok: 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: 9.9 × 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 (unrestricted)
Képzés kód: Unreleased
Hugging Face: ai-sage

Hogyan van besorolva

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

Nyilvántartási bizalom: Speculative

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: the first open MoE model in Russia
Utoljára frissítve: 11 February 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni GigaChat Lite (GigaChat-20B-A3B)

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 GigaChat Lite (GigaChat-20B-A3B)

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

GeForce GTX 1080 Ti

Szükséges memória

9.7 GB

Leggyorsabb

941 tok/s

GigaChat Lite (GigaChat-20B-A3B) eléri a paraméterek számát 20B. 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: 295.

A legkisebb kártya, ami elbírja, az GeForce GTX 1080 Ti, memória kapacitással rendelkezik 11 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 131 tokenek másodpercenként

A leggyorsabb, amit erre számolunk, az B200, nagyjából generálás 941 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Mit jelent ez a modell

GigaChat Lite (GigaChat-20B-A3B) ki lett adva által Sber, az országban rögzítve mint Russia, alatt December 2024. A kiadó szervezet a következő kategóriába tartozik industry,Government.

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

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 ai-sage.

Mi dönti el a sebességet

Minden olyan kártya esetében, amely képes futtatni, a közép tartományban ül 101.7 másodpercenkénti tokenek. Jogosultsági olvasási sebesség: 293 tőlük

Ez egy keverék-szakértők modell, amely minden tokent csak a saját részein keresztül irányít. Ezért sokkal gyorsabban generál, mint amit a teljes mérete sugall — miközben minden paraméternek a memóriában kell lennie, így gyors, anélkül hogy olcsó lenne tárolni.

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.

Mi került a felépítésébe

A létrehozásához körülbelül összesítő aritmetikára volt szükség. 9.9 × 10²² FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.

Lépésről lépésre

Hogyan válasszunk GPU-t a GigaChat Lite (GigaChat-20B-A3B)

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 GigaChat Lite (GigaChat-20B-A3B), körülbelül szükséges 9.7 GB a tömörítésnél Q3_K_M. Semennyi feldolgozási teljesítmény nem kompenzálja azt a kártyát, amelyik nem tudja megtartani.
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. GigaChat Lite (GigaChat-20B-A3B).
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 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 GigaChat Lite (GigaChat-20B-A3B). Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 941 tok/s
05

Olvasd el az illeszkedés oszlopot utoljára.

Egy szűk elhelyezés fut, de nem hagy semmit egy hosszabb beszélgetésre, az esetében GigaChat Lite (GigaChat-20B-A3B). 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. GigaChat Lite (GigaChat-20B-A3B).

Válaszok

GigaChat Lite (GigaChat-20B-A3B) — gyakori kérdések

GigaChat Lite (GigaChat-20B-A3B)— mennyi VRAM-ra van szüksége?

Kb. 9.7 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.

GigaChat Lite (GigaChat-20B-A3B)— futtathatom egy GPU-n tartva 12 GB?

Igen. A KÁRTYA GeForce RTX 3080 Ti, tartás 12 GB, futtatja egy tömörítési arány mellett Q3_K_M, használva körülbelül 9.7 GB és körülbelül generálás 290 tokensek másodpercenként. A fit szoros.

GigaChat Lite (GigaChat-20B-A3B)— futtathatom egy GPU-n tartva 16 GB?

Igen. A KÁRTYA Tesla V100 SXM2 16 GB, tartás 16 GB, futtatja egy tömörítési arány mellett Q5_K_M, használva körülbelül 14.3 GB és körülbelül generálás 237 tokensek másodpercenként. A fit szoros.

GigaChat Lite (GigaChat-20B-A3B)— 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 21.3 GB és körülbelül generálás 158 tokensek másodpercenként. A fit szoros.

GigaChat Lite (GigaChat-20B-A3B)— 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.

GigaChat Lite (GigaChat-20B-A3B)— Hány paramétere van?

Paraméterszáma 20B. 20B total parameters 3.3B active parameters. 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.

GigaChat Lite (GigaChat-20B-A3B)— Ki készítette ezt?

Kiadta Sber, alapján Russia, egy szervezet, amelyet kategorizáltak mint industry,Government.

GigaChat Lite (GigaChat-20B-A3B)— Mikor adták ki?

Kibocsátották a December 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

GigaChat Lite (GigaChat-20B-A3B)— Mire használják?

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

GigaChat Lite (GigaChat-20B-A3B)— Hol tudom letölteni?

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

GigaChat Lite (GigaChat-20B-A3B)— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 9.9 × 10²² FLOP. 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.

GigaChat Lite (GigaChat-20B-A3B)— 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 3.0 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

GigaChat Lite (GigaChat-20B-A3B)— 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: 295. Tehát egy második KÁRTYA ritkán a megoldás itt.

GigaChat Lite (GigaChat-20B-A3B)— 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.

GigaChat Lite (GigaChat-20B-A3B)— Mennyire pontosak ezek a sebességbecslések?

A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 565–1,506 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

GigaChat Lite (GigaChat-20B-A3B)— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az GeForce GTX 1080 Ti, memória kapacitással rendelkezik 11 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 9.7 GB, és körülbelül 131 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 295.

GigaChat Lite (GigaChat-20B-A3B)— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 941 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: 293.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 11 February 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