Phi-3.5-MoE calcolatore TPS

Apri i pesi Microsoft 60.8B parametri April 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

92 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

FirePro S9170

32 GB · Q3_K_M · 26.1 tok/s

Scheda più veloce

B200

310 tok/s · 180 GB

Quali GPU possono eseguire Phi-3.5-MoE?

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.

92 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
310 tok/s 186–495 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	62.6 GB	Q8_0	Comodo
310 tok/s 186–495 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	62.6 GB	Q8_0	Comodo
247 tok/s 148–396 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	62.6 GB	Q8_0	Comodo
247 tok/s 148–396 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	62.6 GB	Q8_0	Comodo
198 tok/s 119–316 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	62.6 GB	Q8_0	Comodo
195 tok/s 117–312 · bassa fiducia	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.2 GB	Q3_K_M	Stretto
195 tok/s 117–312 · bassa fiducia	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.2 GB	Q3_K_M	Stretto
189 tok/s 114–303 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	62.6 GB	Q8_0	Comodo
189 tok/s 114–303 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	62.6 GB	Q8_0	Comodo
187 tok/s 112–299 · bassa fiducia	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.2 GB	Q3_K_M	Stretto
187 tok/s 112–299 · bassa fiducia	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.2 GB	Q3_K_M	Stretto
181 tok/s 109–290 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	62.6 GB	Q8_0	Comodo
161 tok/s 96–257 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	62.6 GB	Q8_0	Comodo
161 tok/s 96–257 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	62.6 GB	Q8_0	Comodo
161 tok/s 96–257 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	62.6 GB	Q8_0	Comodo
152 tok/s 91–244 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	62.6 GB	Q8_0	Comodo
139 tok/s 84–223 · bassa fiducia	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.3 GB	Q4_K_M	Stretto
139 tok/s 84–223 · bassa fiducia	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.3 GB	Q4_K_M	Stretto
139 tok/s 84–223 · bassa fiducia	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.3 GB	Q4_K_M	Stretto
130 tok/s 78–208 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Comodo
130 tok/s 78–208 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	62.6 GB	Q8_0	Stretto
130 tok/s 78–208 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Comodo
130 tok/s 78–208 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Comodo
130 tok/s 78–208 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Stretto
129 tok/s 78–207 · bassa fiducia	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	41.4 GB	Q5_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: Microsoft
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 23 April 2024
Autori: Marah Abdin, Sam Ade Jacobs, Ammar Ahmad Awan, Jyoti Aneja, Ahmed Awadallah, Hany Awadalla, Nguyen Bach, Amit Bahree, Arash Bakhtiari, Harkirat Behl, Alon Benhaim, Misha Bilenko, Johan Bjorck, Sébastien Bubeck, Martin Cai, Caio César Teodoro Mendes, Weizhu Chen, Vishrav Chaudhary, Parul Chopra, Allie Del Giorno, Gustavo de Rosa, Matthew Dixon, Ronen Eldan, Dan Iter, Amit Garg, Abhishek Goswami, Su…

Cosa fa

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

Dominio: Language
Compito: Language modeling/generation, Translation, Question answering, Code generation, Quantitative reasoning

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: 60.8B
Dati di addestramento: 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 × 10²³ FLOP
Come è stato stabilito: Hardware,Operation counting

La corsa di addestramento

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

Hardware di addestramento: NVIDIA H100 SXM5 80GB
Chip utilizzati: 512
Tempo di parete: 552 hours (23 days)
Consumo energetico: 708.4 kW

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: microsoft

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
Record fiducia: Confident

Fonti

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

Riferimento: Phi-3 Technical Report: A Highly Capable Language Model Locally on Your Phone
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Phi-3.5-MoE

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 Phi-3.5-MoE

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 serve per eseguire questo modello

Scheda minima

FirePro S9170

Memoria necessaria

27.2 GB

Più veloce

310 tok/s

Phi-3.5-MoE raggiunge un conteggio di parametri di 60.8B. 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: 92.

La scheda più piccola che lo tiene è FirePro S9170, con una capacità di memoria di 32 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 26.1 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 310 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Phi-3.5-MoE è stato pubblicato da Microsoft, nel paese registrato come United States of America, durante April 2024. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Translation, Question answering, Code generation, Quantitative reasoning.

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 microsoft.

Quanto è veloce nel funzionare e perché

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 79.0 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 92 di loro

Questo è un modello a miscela di esperti, che instrada ogni token attraverso solo una parte di esso. Pertanto genera molto più velocemente di quanto suggerisca la sua dimensione totale — pur avendo comunque ogni parametro residente in MEMORIA, quindi è veloce senza essere economico da mantenere.

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.

Addestramento e provenienza

La produzione di esso ha richiesto un'aritmetica totale di circa 3 × 10²³ FLOP, su hardware registrato come NVIDIA H100 SXM5 80GB. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

Passo dopo passo

Come scegliere una GPU per Phi-3.5-MoE

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

Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di Phi-3.5-MoE, avere bisogno di circa 27.2 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

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 Phi-3.5-MoE.
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.

Ordina per velocità per vedere come si classificano le schede per Phi-3.5-MoE. 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 310 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 Phi-3.5-MoE. 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

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 Phi-3.5-MoE.

Risposte

Phi-3.5-MoE — domande comuni

Phi-3.5-MoE— A cosa serve?

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

Phi-3.5-MoE— Dove posso scaricarlo?

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

Phi-3.5-MoE— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 3 × 10²³ FLOP, su hardware registrato come NVIDIA H100 SXM5 80GB. 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.

Phi-3.5-MoE— 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 9.1 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Phi-3.5-MoE— 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: 92. Quindi una seconda CARD è raramente la risposta qui.

Phi-3.5-MoE— perché la quantizzazione differisce tra le schede?

Una scheda più grande contiene una copia più accurata. Il numero di livelli di compressione utilizzati tra le schede che lo eseguono: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Phi-3.5-MoE— 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: 186–495 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.

Phi-3.5-MoE— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è FirePro S9170, con una capacità di memoria di 32 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 27.2 GB, e produce approssimativamente 26.1 token al secondo. Il numero di card in grado di eseguirlo in totale: 92.

Phi-3.5-MoE— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 310 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: 92.

Phi-3.5-MoE— quanta VRAM serve?

Ha bisogno di 27.2 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.

Phi-3.5-MoE— 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.

Phi-3.5-MoE— quanti parametri ha?

Ha un numero di parametri di 60.8B. "Phi-3.5-MoE has 16x3.8B parameters with 6.6B active parameters when using 2 experts. The model is a mixture-of-expert decoder-only Transformer model using the tokenizer with vocabulary size of 32,064.". 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.

Phi-3.5-MoE— chi l'ha creato?

È stato pubblicato da Microsoft, basato su United States of America, un'organizzazione categorizzata come industry.

Phi-3.5-MoE— quando è stato rilasciato?

È stato pubblicato in April 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.

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