Emu2 calcolatore TPS

Apri i pesi Beijing Academy of Artificial Intelligence / BAAI,Tsinghua University,Peking University 37B 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 · IQ4_XS · 6.9 tok/s

Scheda più veloce

B200

91.6 tok/s · 180 GB

Quali GPU possono eseguire Emu2?

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
91.6 tok/s 55–147 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	40.3 GB	Q8_0	Comodo
91.6 tok/s 55–147 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	40.3 GB	Q8_0	Comodo
73.1 tok/s 44–117 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	40.3 GB	Q8_0	Comodo
73.1 tok/s 44–117 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	40.3 GB	Q8_0	Comodo
58.5 tok/s 35–94 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	40.3 GB	Q8_0	Comodo
56.0 tok/s 34–90 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	40.3 GB	Q8_0	Comodo
56.0 tok/s 34–90 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	40.3 GB	Q8_0	Comodo
53.6 tok/s 32–86 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	40.3 GB	Q8_0	Comodo
47.5 tok/s 29–76 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	40.3 GB	Q8_0	Comodo
47.5 tok/s 29–76 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	40.3 GB	Q8_0	Comodo
47.5 tok/s 29–76 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	40.3 GB	Q8_0	Comodo
45.1 tok/s 27–72 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	40.3 GB	Q8_0	Comodo
38.5 tok/s 23–62 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	40.3 GB	Q8_0	Comodo
38.5 tok/s 23–62 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	40.3 GB	Q8_0	Comodo
38.5 tok/s 23–62 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	40.3 GB	Q8_0	Comodo
38.5 tok/s 23–62 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	40.3 GB	Q8_0	Comodo
38.5 tok/s 23–62 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	40.3 GB	Q8_0	Comodo
38.2 tok/s 23–61 · bassa fiducia	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.4 GB	Q5_K_M	Stretto
38.2 tok/s 23–61 · bassa fiducia	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.4 GB	Q5_K_M	Stretto
37.7 tok/s 23–60 · bassa fiducia	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.9 GB	IQ4_XS	Stretto
36.6 tok/s 22–59 · bassa fiducia	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.4 GB	Q5_K_M	Stretto
36.6 tok/s 22–59 · bassa fiducia	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.4 GB	Q5_K_M	Stretto
34.3 tok/s 21–55 · bassa fiducia	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.9 GB	IQ4_XS	Stretto
29.3 tok/s 18–47 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	40.3 GB	Q8_0	Comodo
29.3 tok/s 18–47 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	40.3 GB	Q8_0	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: Beijing Academy of Artificial Intelligence / BAAI,Tsinghua University,Peking University
Tipo di organizzazione: Academia,Academia,Academia
Paese: China
Pubblicato: 8 May 2024
Autori: Quan Sun, Yufeng Cui, Xiaosong Zhang, Fan Zhang, Qiying Yu, Zhengxiong Luo, Yueze Wang, Yongming Rao, Jingjing Liu, Tiejun Huang, Xinlong Wang

Cosa fa

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

Dominio: Multimodal, Language, Vision, Image generation
Compito: Language modeling/generation, Question answering, Visual question answering, Image generation, Text-to-image
Modello di base: LLaMA-33B,Stable Diffusion XL (SDXL)
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: 37B
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: Unreleased
Hugging Face: BAAI

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: Generative Multimodal Models are In-Context Learners
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Emu2

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 Emu2

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

Requisiti hardware in pratica

Scheda minima

Tesla M40 24 GB

Memoria necessaria

20.9 GB

Più veloce

91.6 tok/s

Emu2 raggiunge un conteggio di parametri di 37B. 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.

Il punto di ingresso è Tesla M40 24 GB, con una capacità di memoria di 24 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 6.9 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 91.6 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

Emu2 è stato pubblicato da Beijing Academy of Artificial Intelligence / BAAI,Tsinghua University,Peking University, nel paese registrato come China, durante May 2024. Esce da un'organizzazione categorizzata come academia,Academia,Academia.

Funziona nel dominio di Multimodal, Language, Vision, Image generation, ed è registrato come eseguire il compito di language modeling/generation, Question answering, Visual question answering, Image generation, Text-to-image.

Il suo punto di partenza era un modello di base esistente, LLaMA-33B,Stable Diffusion XL (SDXL). È per questo che condivide la forma e le dimensioni generali del modello base.

Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato. Su Hugging Face è pubblicato sotto l'organizzazione BAAI.

Cosa decide la velocità

Meta delle schede che lo supportano gestiscono più di 19.8 token al secondo. Superare la velocità di lettura in modo diretto: 94 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.

Senza il layout di attenzione in archivio, la colonna della memoria è un'approssimazione. È abbastanza vicino per scegliere l'hardware e meno affidabile con contesto lungo.

Passo dopo passo

Come scegliere una GPU per Emu2

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 Emu2, avere bisogno di circa 20.9 GB a una compressione di IQ4_XS. La Capacità è il cancello — una card o la tiene o non la tiene.
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 Emu2.
03

Scegli quanto lontano lo comprimerai

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

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per Emu2. 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 91.6 tok/s
05

Guarda il margine, non solo l'adattamento

Tight significa che si carica e funziona senza spazio per aumentare il context length in caso di Emu2. 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

Seguire una GPU attraverso la sua pagina mostra ogni altro modello che può contenere, che è la domanda che segue una volta che hai deciso su Emu2.

Risposte

Emu2 — domande comuni

Emu2— Dove posso scaricarlo?

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

Emu2— posso eseguirlo se non si adatta nella mia GPU?

Può essere diviso tra la scheda e la memoria di sistema, ma genera dolorosamente lentamente in quel modo. La più vicina mancata che calcoliamo risulta insufficiente di 5.1 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Emu2— 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: 126. Quindi una seconda CARD è raramente la risposta qui.

Emu2— 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.

Emu2— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 55–147 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.

Emu2— 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 IQ4_XS utilizzando circa 20.9 GB, e produce approssimativamente 6.9 token al secondo. Il numero di card in grado di eseguirlo in totale: 126.

Emu2— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 91.6 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: 94.

Emu2— quanta VRAM serve?

Ha bisogno di 20.9 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.

Emu2— 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 IQ4_XS, utilizzando circa 20.9 GB e generando approssimativamente 37.7 token al secondo. Il fit è stretto.

Emu2— 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.

Emu2— quanti parametri ha?

Ha un numero di parametri di 37B. 37B "we leverage pretrained EVA-02-CLIP-E-plus [70], LLaMA-33B [73] and SDXL [58] to initialize the Visual Encoder, Multimodal Modeling, and Visual Decoder, respectively". 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.

Emu2— chi l'ha creato?

È stato pubblicato da Beijing Academy of Artificial Intelligence / BAAI,Tsinghua University,Peking University, basato su China, un'organizzazione categorizzata come academia,Academia,Academia.

Emu2— 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.

Emu2— A cosa serve?

Funziona nel dominio di Multimodal, Language, Vision, Image generation, e viene registrato come gestire il compito di language modeling/generation, Question answering, Visual question answering, Image generation, Text-to-image. 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.

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