VILA1.5-40B calcolatore TPS

Apri i pesi NVIDIA,Massachusetts Institute of Technology (MIT) 40B parametri May 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

126 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Tesla M40 24 GB

24 GB · Q3_K_M · 7.0 tok/s

Scheda più veloce

B200

84.7 tok/s · 180 GB

Quali GPU possono eseguire VILA1.5-40B?

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.

126 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
84.7 tok/s 51–136 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	43.5 GB	Q8_0	Comodo
84.7 tok/s 51–136 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	43.5 GB	Q8_0	Comodo
67.6 tok/s 41–108 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Comodo
67.6 tok/s 41–108 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Comodo
54.1 tok/s 32–87 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	43.5 GB	Q8_0	Comodo
51.8 tok/s 31–83 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Comodo
51.8 tok/s 31–83 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Comodo
49.6 tok/s 30–79 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	43.5 GB	Q8_0	Comodo
45.7 tok/s 27–73 · bassa fiducia	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Stretto
45.7 tok/s 27–73 · bassa fiducia	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Stretto
44.0 tok/s 26–70 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Comodo
44.0 tok/s 26–70 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Comodo
44.0 tok/s 26–70 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Comodo
43.8 tok/s 26–70 · bassa fiducia	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Stretto
43.8 tok/s 26–70 · bassa fiducia	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Stretto
41.7 tok/s 25–67 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	43.5 GB	Q8_0	Comodo
38.3 tok/s 23–61 · bassa fiducia	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.2 GB	Q3_K_M	Stretto
35.6 tok/s 21–57 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comodo
35.6 tok/s 21–57 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	43.5 GB	Q8_0	Comodo
35.6 tok/s 21–57 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comodo
35.6 tok/s 21–57 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comodo
35.6 tok/s 21–57 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comodo
34.9 tok/s 21–56 · bassa fiducia	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.2 GB	Q3_K_M	Stretto
28.9 tok/s 17–46 · bassa fiducia	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	20.2 GB	Q3_K_M	Stretto
28.9 tok/s 17–46 · bassa fiducia	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	20.2 GB	Q3_K_M	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: NVIDIA,Massachusetts Institute of Technology (MIT)
Tipo di organizzazione: Industry,Academia
Paese: United States of America
Pubblicato: 15 May 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: Chat, Visual question answering, Image captioning, Language modeling/generation, Question answering, Video description

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: 40B
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 (non-commercial)
Codice di addestramento: Open source
Hugging Face: Efficient-Large-Model

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: Efficient-Large-Model/VILA1.5-40b
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono VILA1.5-40B

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 VILA1.5-40B

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

Il lato hardware

Scheda minima

Tesla M40 24 GB

Memoria necessaria

20.2 GB

Più veloce

84.7 tok/s

VILA1.5-40B raggiunge un conteggio di parametri di 40B. Questo rientra nell'intervallo che una seria GPU DESKTOP può gestire una volta compressi i pesi. Il numero di GPU che monitoriamo che possono eseguirlo: 126.

A basso prezzo è gestito da Tesla M40 24 GB, con una capacità di memoria di 24 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 7.0 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 84.7 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

VILA1.5-40B è stato pubblicato da NVIDIA,Massachusetts Institute of Technology (MIT), nel paese registrato come United States of America, durante May 2024. La categoria sotto cui rientra l'editore è industry,Academia.

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

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 Efficient-Large-Model.

Comprendere le velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 21.2 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 106 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 VILA1.5-40B

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

Ogni card qui è stata controllata contro VILA1.5-40B, avere bisogno di circa 20.2 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

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 VILA1.5-40B.
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

Ordina per velocità

Ordina per velocità per vedere come si classificano le schede per VILA1.5-40B. 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 84.7 tok/s
05

Leggi l'ultima colonna di fit

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di VILA1.5-40B. 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 VILA1.5-40B.

Risposte

VILA1.5-40B — domande comuni

VILA1.5-40B— chi l'ha creato?

È stato pubblicato da NVIDIA,Massachusetts Institute of Technology (MIT), basato su United States of America, un'organizzazione categorizzata come industry,Academia.

VILA1.5-40B— quando è stato rilasciato?

È stato pubblicato in May 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.

VILA1.5-40B— A cosa serve?

Funziona nel dominio di Multimodal, Language, Vision, Video, e viene registrato come gestire il compito di chat, Visual question answering, Image captioning, Language modeling/generation, Question answering, Video description. 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.

VILA1.5-40B— Dove posso scaricarlo?

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

VILA1.5-40B— 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 6.9 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

VILA1.5-40B— due GPU lo farebbero andare più veloce?

Due schede comprano VRAM piuttosto che velocità, che conta solo se una scheda non può contenerla. Il numero che può: 126. Quindi una seconda CARD è raramente la risposta qui.

VILA1.5-40B— 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.

VILA1.5-40B— quanto sono accurate queste stime di velocità?

Queste sono stime con barre di errore reali, e ognuna di esse potrebbe ragionevolmente collocarsi ovunque nel suo intervallo pubblicato a seconda del runtime che utilizzi. Il risultato più veloce qui: 51–136 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.

VILA1.5-40B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Tesla M40 24 GB, con una capacità di memoria di 24 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 20.2 GB, e produce approssimativamente 7.0 token al secondo. Il numero di card in grado di eseguirlo in totale: 126.

VILA1.5-40B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 84.7 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: 106.

VILA1.5-40B— quanta VRAM serve?

Ha bisogno di 20.2 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.

VILA1.5-40B— posso eseguirlo su una GPU holding 24 GB?

Sì. La scheda GeForce RTX 5090 D V2, tenere 24 GB, lo esegue a una compressione di Q3_K_M, utilizzando circa 20.2 GB e generando approssimativamente 38.3 token al secondo. Il fit è stretto.

VILA1.5-40B— 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.

VILA1.5-40B— quanti parametri ha?

Ha un numero di parametri di 40B. 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.

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