Qwen2-VL-72B TPS kalkulátor

Nyitott súlyok Alibaba 72B Paraméterek September 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

61 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

A100 PCIe 40 GB

40 GB · Q3_K_M · 24.8 tok/s

Leggyorsabb kártya

B200

47.1 tok/s · 180 GB

Melyik GPU képes futtatni Qwen2-VL-72B?

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.

61 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
47.1 tok/s 28–75 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	77.8 GB	Q8_0	Kényelmes
47.1 tok/s 28–75 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	77.8 GB	Q8_0	Kényelmes
37.6 tok/s 23–60 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	77.8 GB	Q8_0	Kényelmes
37.6 tok/s 23–60 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	77.8 GB	Q8_0	Kényelmes
30.1 tok/s 18–48 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	77.8 GB	Q8_0	Kényelmes
28.8 tok/s 17–46 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	77.8 GB	Q8_0	Kényelmes
28.8 tok/s 17–46 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	77.8 GB	Q8_0	Kényelmes
28.7 tok/s 17–46 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	61.0 GB	Q6_K	Szoros
28.7 tok/s 17–46 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	61.0 GB	Q6_K	Szoros
27.5 tok/s 17–44 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	77.8 GB	Q8_0	Kényelmes
27.0 tok/s 16–43 · alacsony bizalom	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	40.1 GB	IQ4_XS	Szoros
24.8 tok/s 15–40 · alacsony bizalom	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	35.9 GB	Q3_K_M	Szoros
24.8 tok/s 15–40 · alacsony bizalom	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	35.9 GB	Q3_K_M	Szoros
24.8 tok/s 15–40 · alacsony bizalom	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	35.9 GB	Q3_K_M	Szoros
24.4 tok/s 15–39 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Kényelmes
24.4 tok/s 15–39 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Kényelmes
24.4 tok/s 15–39 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	77.8 GB	Q8_0	Kényelmes
23.2 tok/s 14–37 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	77.8 GB	Q8_0	Szoros
21.2 tok/s 13–34 · alacsony bizalom	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	52.6 GB	Q5_K_M	Szoros
19.8 tok/s 12–32 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	Szoros
19.8 tok/s 12–32 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	Szoros
19.8 tok/s 12–32 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	77.8 GB	Q8_0	Szoros
19.4 tok/s 12–31 · alacsony bizalom	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	40.1 GB	IQ4_XS	Szoros
17.4 tok/s 10–28 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	61.0 GB	Q6_K	Szoros
17.4 tok/s 10–28 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	61.0 GB	Q6_K	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: Alibaba
Szervezet típusa: Industry
Ország: China
Közölt: 18 September 2024
Szerzők: Peng Wang, Shuai Bai, Sinan Tan, Shijie Wang, Zhihao Fan, Jinze Bai, Keqin Chen, Xuejing Liu, Jialin Wang, Wenbin Ge, Yang Fan, Kai Dang, Mengfei Du, Xuancheng Ren, Rui Men, Dayiheng Liu, Chang Zhou, Jingren Zhou, Junyang Lin

Mit csinál

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

Tartomány: Language, Vision, Multimodal
Feladat: Visual question answering, Video description, Language modeling/generation, Translation, Question answering, Character recognition (OCR), Quantitative reasoning

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: 72B
Képzési adatok: 1,400,000,000,000 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: 6 × 10²³ FLOP
Hogyan jött létre: Operation counting

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 (restricted use)
Képzés kód: Unreleased
Hugging Face: Qwen

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: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: Qwen2-VL: Enhancing Vision-Language Model's Perception of the World at Any Resolution
Utoljára frissítve: 28 November 2025

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni Qwen2-VL-72B

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 Qwen2-VL-72B

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

A100 PCIe 40 GB

Szükséges memória

35.9 GB

Leggyorsabb

47.1 tok/s

Qwen2-VL-72B eléri a paraméterek számát 72B. 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: 61.

A belépési pont a A100 PCIe 40 GB, memória kapacitással rendelkezik 40 GB, futtatás egy tömörítési arányon Q3_K_M és körülbelül előállítva 24.8 tokenek másodpercenként

A leggyorsabb, amit erre számolunk, az B200, nagyjából generálás 47.1 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Háttér

Qwen2-VL-72B ki lett adva által Alibaba, az országban rögzítve mint China, alatt September 2024. A kiadó szervezet a következő kategóriába tartozik industry.

Működik a területen a Language, Vision, Multimodal, és úgy van rögzítve, mint a feladat végrehajtása visual question answering, Video description, Language modeling/generation, Translation, Question answering, Character recognition (OCR), Quantitative reasoning.

Mivel a súlyai ki lettek adva, semmi sem függ attól, hogy egy szolgáltató elérhető marad-e - a tiéd, amint letöltötted. A Hugging Face-en az alábbi szervezet alatt van publikálva Qwen.

A átbocsátási számadatok olvasása

A kártyák felének, amelyek tartják, több mint 16.6 másodpercenkénti tokenek 51 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.

Képzés és származás

A létrehozásához körülbelül összesítő aritmetikára volt szükség. 6 × 10²³ FLOP. 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 1,400,000,000,000 szöveg tokenjei

Lépésről lépésre

Hogyan válasszunk GPU-t a Qwen2-VL-72B

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 Qwen2-VL-72B, körülbelül szükséges 35.9 GB a tömörítésnél Q3_K_M. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
02

Állítsa be a használt CONTEXT LENGTH-et.

A beszélgetés is elfoglalja a VRAM-ot, és ahogy halad, nő. Állítsa be a csúszkát a várt hosszúságra, mert hosszú kontextusnál egy kártya, amely könnyen kezeli a rövid kérdéseket, lemaradhat. Qwen2-VL-72B.
03

Döntsd el, mennyi tömörítést fogadsz el.

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

A rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért Qwen2-VL-72B. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 47.1 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 Qwen2-VL-72B. A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

Nyisd meg a kiválasztott kártyát.

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. Qwen2-VL-72B.

Válaszok

Qwen2-VL-72B — gyakori kérdések

Qwen2-VL-72B— 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 15.5 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

Qwen2-VL-72B— 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: 61. Tehát egy második KÁRTYA ritkán a megoldás itt.

Qwen2-VL-72B— 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.

Qwen2-VL-72B— Mennyire pontosak ezek a sebességbecslések?

A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 28–75 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

Qwen2-VL-72B— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az A100 PCIe 40 GB, memória kapacitással rendelkezik 40 GB. A modell egy tömörítéssel fut. Q3_K_M használva körülbelül 35.9 GB, és körülbelül 24.8 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 61.

Qwen2-VL-72B— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 47.1 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: 51.

Qwen2-VL-72B— mennyi VRAM-ra van szüksége?

Kb. 35.9 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.

Qwen2-VL-72B— 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.

Qwen2-VL-72B— Hány paramétere van?

Paraméterszáma 72B. 72 billion (language model) and 675M (vision encoder). 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.

Qwen2-VL-72B— Ki készítette ezt?

Kiadta Alibaba, alapján China, egy szervezet, amelyet kategorizáltak mint industry.

Qwen2-VL-72B— Mikor adták ki?

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

Qwen2-VL-72B— Mire használják?

Működik a területen a Language, Vision, Multimodal, és rögzítve van, hogy kezeli a feladatot visual question answering, Video description, Language modeling/generation, Translation, Question answering, Character recognition (OCR), Quantitative reasoning. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

Qwen2-VL-72B— Hol tudom letölteni?

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

Qwen2-VL-72B— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 6 × 10²³ 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.

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