Qwen2-72B calcolatore TPS

Apri i pesi Alibaba 72.7B 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

61 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

A100 PCIe 40 GB

40 GB · Q3_K_M · 24.5 tok/s

Scheda più veloce

B200

46.6 tok/s · 180 GB

Quali GPU possono eseguire Qwen2-72B?

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.

61 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
46.6 tok/s 40–56	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	76.5 GB	Q8_0	Comodo
46.6 tok/s 40–56	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	76.5 GB	Q8_0	Comodo
37.2 tok/s 22–60 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	76.5 GB	Q8_0	Comodo
37.2 tok/s 22–60 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	76.5 GB	Q8_0	Comodo
29.8 tok/s 18–48 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	76.5 GB	Q8_0	Comodo
28.5 tok/s 24–34	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	76.5 GB	Q8_0	Comodo
28.5 tok/s 24–34	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	76.5 GB	Q8_0	Comodo
28.4 tok/s 24–34	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	59.6 GB	Q6_K	Comodo
28.4 tok/s 24–34	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	59.6 GB	Q6_K	Comodo
27.3 tok/s 16–44 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	76.5 GB	Q8_0	Comodo
25.2 tok/s 21–30	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	42.6 GB	Q4_K_M	Stretto
24.5 tok/s 21–29	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.2 GB	Q3_K_M	Stretto
24.5 tok/s 21–29	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.2 GB	Q3_K_M	Stretto
24.5 tok/s 21–29	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.2 GB	Q3_K_M	Stretto
24.2 tok/s 15–39 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	76.5 GB	Q8_0	Comodo
24.2 tok/s 15–39 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	76.5 GB	Q8_0	Comodo
24.2 tok/s 15–39 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	76.5 GB	Q8_0	Comodo
23.0 tok/s 20–28	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	76.5 GB	Q8_0	Stretto
21.0 tok/s 18–25	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	51.1 GB	Q5_K_M	Stretto
19.6 tok/s 17–23	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q8_0	Stretto
19.6 tok/s 17–23	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	76.5 GB	Q8_0	Stretto
19.6 tok/s 17–23	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	76.5 GB	Q8_0	Stretto
18.0 tok/s 15–22	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	42.6 GB	Q4_K_M	Stretto
17.3 tok/s 15–21	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	59.6 GB	Q6_K	Comodo
17.3 tok/s 15–21	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	59.6 GB	Q6_K	Comodo

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: Alibaba
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 7 June 2024
Autori: An Yang, Baosong Yang, Binyuan Hui, Bo Zheng, Bowen Yu, Chang Zhou, Chengpeng Li, Chengyuan Li, Dayiheng Liu, Fei Huang, Guanting Dong, Haoran Wei, Huan Lin, Jialong Tang, Jialin Wang, Jian Yang, Jianhong Tu, Jianwei Zhang, Jianxin Ma, Jianxin Yang, Jin Xu, Jingren Zhou, Jinze Bai, Jinzheng He, Junyang Lin, Kai Dang, Keming Lu, Keqin Chen, Kexin Yang, Mei Li, Mingfeng Xue, Na Ni, Pei Zhang, Peng W…

Cosa fa

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

Dominio: Language
Compito: Chat, Language modeling/generation, Question answering
Approccio: Self-supervised learning
Formato numerico: BF16

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: 72.7B
Dati di addestramento: 7,000,000,000,000 tokens

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: 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: There is no paper to reference, no information about hardware used for training found in media.

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 (unrestricted)
Codice di addestramento: Unreleased
Hugging Face: Qwen

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: Training cost
Record fiducia: Confident

Fonti

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

Riferimento: Hello Qwen2
Ultimo aggiornamento: 18 December 2025

Gli estremi

Le dieci GPU più veloci che eseguono Qwen2-72B

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 Qwen2-72B

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

A100 PCIe 40 GB

Memoria necessaria

34.2 GB

Più veloce

46.6 tok/s

Qwen2-72B raggiunge un conteggio di parametri di 72.7B. 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: 61.

L'hardware minimo che funziona è A100 PCIe 40 GB, con una capacità di memoria di 40 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 24.5 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 46.6 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Qwen2-72B è stato pubblicato da Alibaba, nel paese registrato come China, durante June 2024. Esce da un'organizzazione categorizzata come industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di chat, Language modeling/generation, Question answering.

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 Qwen.

Quanto è veloce nel funzionare e perché

Meta delle schede che lo supportano gestiscono più di 16.4 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 50 di loro

È un modello denso, quindi ogni parametro viene letto per ogni token prodotto. Questo rende la pista di velocità la larghezza di banda della memoria quasi esattamente — una CARD con il doppio della larghezza di banda genera approssimativamente il doppio della velocità.

Poiché l'architettura è registrata, la colonna di memoria è derivata piuttosto che stimata.

Addestramento e provenienza

Il run di addestramento ha consumato circa 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 7,000,000,000,000 token di testo

Il suo criterio di inclusione: training cost.

Passo dopo passo

Come scegliere una GPU per Qwen2-72B

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

La tabella elenca ogni card in grado di contenere Qwen2-72B, avere bisogno di circa 34.2 GB a una compressione di Q3_K_M. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

Conversazioni più lunghe richiedono memoria oltre a ciò che i pesi necessitano. Muovi il cursore sulla tua reale lunghezza di lavoro prima di fidarti di qualsiasi riga per Qwen2-72B.
03

Imposta un pavimento di qualità

La colonna di quantizzazione varia a seconda della scheda, perché una scheda più grande contiene una copia più precisa., 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

Ordina per velocità

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per Qwen2-72B. 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 46.6 tok/s
05

Guarda il margine, non solo l'adattamento

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Qwen2-72B. 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 pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a Qwen2-72B.

Risposte

Qwen2-72B — domande comuni

Qwen2-72B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è A100 PCIe 40 GB, con una capacità di memoria di 40 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 34.2 GB, e produce approssimativamente 24.5 token al secondo. Il numero di card in grado di eseguirlo in totale: 61.

Qwen2-72B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 46.6 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: 50.

Qwen2-72B— quanta VRAM serve?

Ha bisogno di 34.2 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.

Qwen2-72B— 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.

Qwen2-72B— quanti parametri ha?

Ha un numero di parametri di 72.7B. 72.71B parameters in total, of which 70.21B are non-embedding parameters. 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.

Qwen2-72B— chi l'ha creato?

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

Qwen2-72B— 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.

Qwen2-72B— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di chat, Language modeling/generation, Question answering. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

Qwen2-72B— Dove posso scaricarlo?

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

Qwen2-72B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 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.

Qwen2-72B— 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 13.8 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Qwen2-72B— due GPU lo farebbero andare più veloce?

La capacità si somma tra le schede; il throughput no. Il numero di schede che già la possiedono da sole: 61. Quindi una seconda CARD è raramente la risposta qui.

Qwen2-72B— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Qwen2-72B— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 40–56 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 18 December 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