InternVL2-Llama3-76B calcolatore TPS

Apri i pesi Shanghai AI Lab 76B parametri July 2024

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

58 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Quadro RTX 8000

48 GB · IQ4_XS · 9.2 tok/s

Scheda più veloce

B200

44.6 tok/s · 180 GB

Quali GPU possono eseguire InternVL2-Llama3-76B?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

58 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
44.6 tok/s 27–71 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	82.1 GB	Q8_0	Comodo
44.6 tok/s 27–71 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	82.1 GB	Q8_0	Comodo
35.6 tok/s 21–57 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	82.1 GB	Q8_0	Comodo
35.6 tok/s 21–57 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	82.1 GB	Q8_0	Comodo
28.5 tok/s 17–46 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	82.1 GB	Q8_0	Comodo
27.3 tok/s 16–44 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	82.1 GB	Q8_0	Comodo
27.3 tok/s 16–44 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	82.1 GB	Q8_0	Comodo
27.2 tok/s 16–44 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	64.4 GB	Q6_K	Stretto
27.2 tok/s 16–44 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	64.4 GB	Q6_K	Stretto
26.1 tok/s 16–42 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	82.1 GB	Q8_0	Comodo
25.6 tok/s 15–41 · bassa fiducia	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	42.3 GB	IQ4_XS	Stretto
23.2 tok/s 14–37 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	82.1 GB	Q8_0	Comodo
23.2 tok/s 14–37 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	82.1 GB	Q8_0	Comodo
23.2 tok/s 14–37 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	82.1 GB	Q8_0	Comodo
22.0 tok/s 13–35 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	82.1 GB	Q8_0	Stretto
20.1 tok/s 12–32 · bassa fiducia	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.5 GB	Q5_K_M	Stretto
18.7 tok/s 11–30 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	82.1 GB	Q8_0	Stretto
18.7 tok/s 11–30 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	82.1 GB	Q8_0	Stretto
18.7 tok/s 11–30 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	82.1 GB	Q8_0	Stretto
18.3 tok/s 11–29 · bassa fiducia	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	42.3 GB	IQ4_XS	Stretto
16.5 tok/s 10–26 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	64.4 GB	Q6_K	Stretto
16.5 tok/s 10–26 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	64.4 GB	Q6_K	Stretto
16.5 tok/s 10–26 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	64.4 GB	Q6_K	Stretto
16.5 tok/s 10–26 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	64.4 GB	Q6_K	Stretto
16.5 tok/s 10–26 · bassa fiducia	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	64.4 GB	Q6_K	Stretto

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: Shanghai AI Lab
Tipo di organizzazione: Academia
Paese: China
Pubblicato: 15 July 2024

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Multimodal, Language, Vision, Video
Compito: Visual question answering, Language modeling/generation, Question answering, Video description
Modello di base: Hermes 2 Theta Llama-3 70B,InternViT-6B

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 76B
Dati di addestramento: tokens

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (restricted use)
Codice di addestramento: Open source
Hugging Face: OpenGVLab

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia: Confident

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: OpenGVLab/InternVL2-Llama3-76B
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono InternVL2-Llama3-76B

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano InternVL2-Llama3-76B

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Cosa ti serve per eseguirlo

Scheda minima

Quadro RTX 8000

Memoria necessaria

42.3 GB

Più veloce

44.6 tok/s

InternVL2-Llama3-76B raggiunge un conteggio di parametri di 76B. Questo lo colloca al di sopra dell'hardware consumer, nella fascia in cui una CARD viene acquistata per questo scopo piuttosto che riadattata per esso. Il numero di CARD che teniamo traccia e che possono contenerlo: 58.

L'hardware minimo che funziona è Quadro RTX 8000, con una capacità di memoria di 48 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 9.2 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 44.6 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

InternVL2-Llama3-76B è stato pubblicato da Shanghai AI Lab, nel paese registrato come China, durante July 2024. Esce da un'organizzazione categorizzata come academia.

Funziona nel dominio di Multimodal, Language, Vision, Video, ed è registrato come eseguire il compito di visual question answering, Language modeling/generation, Question answering, Video description.

Invece di essere addestrato da zero, è derivato da Hermes 2 Theta Llama-3 70B,InternViT-6B. È per questo che condivide la forma e le dimensioni generali del modello base.

I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato. Su Hugging Face è pubblicato sotto l'organizzazione OpenGVLab.

Cosa decide la velocità

Il risultato mediano è attorno 14.3 token al secondo. Superare la velocità di lettura in modo diretto: 43 di loro

Essendo denso, legge tutto se stesso per token, motivo per cui l'ordinamento per velocità qui sotto segue da vicino l'ordinamento per larghezza di banda della memoria.

La sua architettura interna non è in archivio, quindi la memoria è approssimata dal conteggio dei parametri e contrassegnata di conseguenza. Aspettatevi che la cifra reale differisca, soprattutto con contesti lunghi.

Passo dopo passo

Come scegliere una GPU per InternVL2-Llama3-76B

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Inizia dalla colonna VRAM

La tabella elenca ogni card in grado di contenere InternVL2-Llama3-76B, avere bisogno di circa 42.3 GB a una compressione di IQ4_XS. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
02

Decidi quanto a lungo durano le tue conversazioni

La conversazione occupa memoria anche, e cresce man mano che procede. Imposta il cursore sulla lunghezza che ti aspetti, perché con un contesto lungo una CARD che gestisce facilmente domande brevi può essere scartata da InternVL2-Llama3-76B.
03

Scegli quanto lontano lo comprimerai

Ogni card esegue la copia meno compressa che può contenere., raggiungendo una compressione di IQ4_XS sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Confronta TOKEN AL SEC, non specifiche.

Ordina per velocità per vedere come si classificano le schede per InternVL2-Llama3-76B. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 44.6 tok/s
05

Guarda il margine, non solo l'adattamento

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di InternVL2-Llama3-76B. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Vedi cos'altro che questa card esegue

Ogni nome di scheda è collegato alla propria pagina, che esegue lo stesso calcolo su tutto il catalogo dei modelli. Una scheda è solitamente acquistata per più di un modello, quindi vale la pena dare un'occhiata prima di acquistare. InternVL2-Llama3-76B.

Risposte

InternVL2-Llama3-76B — domande comuni

InternVL2-Llama3-76B— due GPU lo farebbero andare più veloce?

Una seconda CARD raddoppia grossolanamente la VRAM disponibile ma non il tasso di generazione. Il numero già in grado di eseguirlo da solo: 58. Quindi una seconda CARD è raramente la risposta qui.

InternVL2-Llama3-76B— perché la quantizzazione differisce tra le schede?

Ogni card è mostrata mentre esegue la copia meno compressa che può contenere. Il numero di livelli di compressione distinti tra le card che si adattano: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

InternVL2-Llama3-76B— quanto sono accurate queste stime di velocità?

Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 27–71 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

InternVL2-Llama3-76B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Quadro RTX 8000, con una capacità di memoria di 48 GB. Esegui il modello a una compressione di IQ4_XS utilizzando circa 42.3 GB, e produce approssimativamente 9.2 token al secondo. Il numero di card in grado di eseguirlo in totale: 58.

InternVL2-Llama3-76B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 44.6 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 43.

InternVL2-Llama3-76B— quanta VRAM serve?

Ha bisogno di 42.3 GB a una compressione di IQ4_XS, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

InternVL2-Llama3-76B— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

InternVL2-Llama3-76B— quanti parametri ha?

Ha un numero di parametri di 76B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

InternVL2-Llama3-76B— chi l'ha creato?

È stato pubblicato da Shanghai AI Lab, basato su China, un'organizzazione categorizzata come academia.

InternVL2-Llama3-76B— quando è stato rilasciato?

È stato pubblicato in July 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.

InternVL2-Llama3-76B— A cosa serve?

Funziona nel dominio di Multimodal, Language, Vision, Video, e viene registrato come gestire il compito di visual question answering, Language modeling/generation, Question answering, Video description. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

InternVL2-Llama3-76B— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione OpenGVLab. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

InternVL2-Llama3-76B— posso eseguirlo se non si adatta nella mia GPU?

Parzialmente. I layer che non si adattano si trovano nella memoria di sistema e funzionano a una frazione della velocità, quindi un modello in gran parte scaricato è raramente conveniente da usare. La più vicina mancata che calcoliamo risulta insufficiente di 10.7 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI