DeepSeek-Coder-V2 236B calcolatore TPS

Apri i pesi DeepSeek 236B parametri June 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

9 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

H200 NVL

141 GB · Q3_K_M · 23.7 tok/s

Scheda più veloce

B200

33.2 tok/s · 180 GB

Quali GPU possono eseguire DeepSeek-Coder-V2 236B?

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.

9 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
33.2 tok/s 20–53 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	143.5 GB	Q4_K_M	Stretto
23.7 tok/s 14–38 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	Q3_K_M	Stretto
23.7 tok/s 14–38 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.0 GB	Q3_K_M	Stretto
14.4 tok/s 9–23 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	253.4 GB	Q8_0	Stretto
13.3 tok/s 8–21 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	171.0 GB	Q5_K_M	Stretto
13.3 tok/s 8–21 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	171.0 GB	Q5_K_M	Stretto
12.2 tok/s 7–20 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	198.4 GB	Q6_K	Stretto
11.5 tok/s 7–18 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	253.4 GB	Q8_0	Stretto
11.5 tok/s 7–18 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	253.4 GB	Q8_0	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: DeepSeek
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 17 June 2024
Autori: Qihao Zhu, Daya Guo, Zhihong Shao, Dejian Yang, Peiyi Wang, Runxin Xu, Y. Wu, Yukun Li, Huazuo Gao, Shirong Ma, Wangding Zeng, Xiao Bi, Zihui Gu, Hanwei Xu, Damai Dai, Kai Dong, Liyue Zhang, Yishi Piao, Zhibin Gou, Zhenda Xie, Zhewen Hao, Bingxuan Wang, Junxiao Song, Deli Chen, Xin Xie, Kang Guan, Yuxiang You, Aixin Liu, Qiushi Du, Wenjun Gao, Xuan Lu, Qinyu Chen, Yaohui Wang, Chengqi Deng, Jiashi…

Cosa fa

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

Dominio: Language
Compito: Code generation, Code autocompletion
Approccio: Self-supervised learning
Modello di base: DeepSeek-V2 (MoE-236B)

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: 236B
Dati di addestramento: 3,191,000,000,000 tokens
Dimensione del Batch: 36,864,000

Calcolo di addestramento

L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.

Calcolo di addestramento: 1.3 × 10²⁴ FLOP
Come è stato stabilito: Operation counting

La corsa di addestramento

Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.

Centro dati: The paper does not mention any hardware, GPUs or any information regarding the hardware used.

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: Unreleased
Hugging Face: deepseek-ai

Come è classificato

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

Probabilmente sopra 10²³ FLOP: Yes
Perché è monitorato: SOTA improvement
Record fiducia: Confident

Fonti

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

Riferimento: DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono DeepSeek-Coder-V2 236B

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 DeepSeek-Coder-V2 236B

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

H200 NVL

Memoria necessaria

116.0 GB

Più veloce

33.2 tok/s

DeepSeek-Coder-V2 236B raggiunge un conteggio di parametri di 236B. Questo è oltre ciò che qualsiasi singola scheda grafica può contenere. Eseguire questo significa o suddividerlo tra più schede o noleggiare hardware progettato per il lavoro, e ogni scheda in grado di contenerlo da sola è un componente da datacenter. Il numero che può: 9.

L'hardware minimo che funziona è H200 NVL, con una capacità di memoria di 141 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 23.7 token al secondo

All'altra estremità si trova B200, generando approssimativamente 33.2 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

DeepSeek-Coder-V2 236B è stato pubblicato da DeepSeek, nel paese registrato come China, durante June 2024. La categoria sotto cui rientra l'editore è industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di code generation, Code autocompletion.

Invece di essere addestrato da zero, è derivato da DeepSeek-V2 (MoE-236B). È per questo che condivide la forma e le dimensioni generali del modello base.

I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere. Su Hugging Face è pubblicato sotto l'organizzazione deepseek-ai.

Comprendere le velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 13.3 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 9 di loro

Ogni peso partecipa a ogni token qui, quindi la larghezza di banda è tutta la storia: la classifica sottostante è effettivamente una classifica del throughput di 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.

Come è stato addestrato

La produzione di esso ha richiesto un'aritmetica totale di circa 1.3 × 10²⁴ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

È stato addestrato su un corpus di circa 3,191,000,000,000 token di testo

Il suo criterio di inclusione: sOTA improvement.

Passo dopo passo

Come scegliere una GPU per DeepSeek-Coder-V2 236B

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

Controlla cosa serve prima di ogni altra cosa

Ogni card qui è stata controllata contro DeepSeek-Coder-V2 236B, avere bisogno di circa 116.0 GB a una compressione di Q3_K_M. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
02

Corrispondi il contesto al tuo utilizzo attuale

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 DeepSeek-Coder-V2 236B.
03

Imposta un pavimento di qualità

La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza., raggiungendo una compressione di Q3_K_M 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.

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per DeepSeek-Coder-V2 236B. 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 33.2 tok/s
05

Controlla il giudizio di compatibilità prima di acquistare

Tight significa che si carica e funziona senza spazio per aumentare il context length in caso di DeepSeek-Coder-V2 236B. 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

Controlla la GPU dall'altro lato

Ogni pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a DeepSeek-Coder-V2 236B.

Risposte

DeepSeek-Coder-V2 236B — domande comuni

DeepSeek-Coder-V2 236B— quanti parametri ha?

Ha un numero di parametri di 236B. Mixture of experts model. 21B parameters activated per token. 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.

DeepSeek-Coder-V2 236B— chi l'ha creato?

È stato pubblicato da DeepSeek, basato su China, un'organizzazione categorizzata come industry.

DeepSeek-Coder-V2 236B— quando è stato rilasciato?

È stato pubblicato in June 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.

DeepSeek-Coder-V2 236B— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di code generation, Code autocompletion. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.

DeepSeek-Coder-V2 236B— Dove posso scaricarlo?

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

DeepSeek-Coder-V2 236B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 1.3 × 10²⁴ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.

DeepSeek-Coder-V2 236B— posso eseguirlo se non si adatta nella mia GPU?

Solo scaricando, che di solito è una falsa economia: la parte tenuta in SYSTEM MEMORY rallenta tutto. La più vicina mancata che calcoliamo risulta insufficiente di 28.3 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

DeepSeek-Coder-V2 236B— 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: 9. Quindi una seconda CARD è raramente la risposta qui.

DeepSeek-Coder-V2 236B— 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: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

DeepSeek-Coder-V2 236B— 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: 20–53 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.

DeepSeek-Coder-V2 236B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è H200 NVL, con una capacità di memoria di 141 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 116.0 GB, e produce approssimativamente 23.7 token al secondo. Il numero di card in grado di eseguirlo in totale: 9.

DeepSeek-Coder-V2 236B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 33.2 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: 9.

DeepSeek-Coder-V2 236B— quanta VRAM serve?

Ha bisogno di 116.0 GB a una compressione di Q3_K_M, 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.

DeepSeek-Coder-V2 236B— 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.

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