APUS-xDAN-4.0(MoE) calcolatore TPS

Apri i pesi Qilin Hesheng Network Technology Co., Ltd. (APUS) 136B 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

37 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

A100 SXM4 80 GB

80 GB · Q3_K_M · 17.1 tok/s

Scheda più veloce

H100 NVL 94 GB

28.3 tok/s · 94 GB

Quali GPU possono eseguire APUS-xDAN-4.0(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.

37 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
28.3 tok/s 17–45 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	83.0 GB	Q4_K_M	Stretto
28.2 tok/s 17–45 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	67.1 GB	Q3_K_M	Stretto
28.2 tok/s 17–45 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	67.1 GB	Q3_K_M	Stretto
24.9 tok/s 15–40 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	146.3 GB	Q8_0	Stretto
24.9 tok/s 15–40 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	146.3 GB	Q8_0	Comodo
24.2 tok/s 14–39 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.0 GB	Q4_K_M	Stretto
24.2 tok/s 14–39 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	83.0 GB	Q4_K_M	Stretto
24.2 tok/s 14–39 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.0 GB	Q4_K_M	Stretto
23.1 tok/s 14–37 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	114.6 GB	Q6_K	Stretto
22.1 tok/s 13–35 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	114.6 GB	Q6_K	Stretto
22.1 tok/s 13–35 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	114.6 GB	Q6_K	Stretto
19.9 tok/s 12–32 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	146.3 GB	Q8_0	Comodo
19.9 tok/s 12–32 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	146.3 GB	Q8_0	Comodo
18.8 tok/s 11–30 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	114.6 GB	Q6_K	Stretto
17.1 tok/s 10–27 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	67.1 GB	Q3_K_M	Stretto
17.1 tok/s 10–27 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	67.1 GB	Q3_K_M	Stretto
17.1 tok/s 10–27 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	67.1 GB	Q3_K_M	Stretto
17.1 tok/s 10–27 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.1 GB	Q3_K_M	Stretto
17.1 tok/s 10–27 · bassa fiducia	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	67.1 GB	Q3_K_M	Stretto
17.1 tok/s 10–27 · bassa fiducia	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.1 GB	Q3_K_M	Stretto
16.3 tok/s 10–26 · bassa fiducia	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	67.1 GB	Q3_K_M	Stretto
16.3 tok/s 10–26 · bassa fiducia	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	67.1 GB	Q3_K_M	Stretto
14.6 tok/s 9–23 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	146.3 GB	Q8_0	Comodo
12.9 tok/s 8–21 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	146.3 GB	Q8_0	Stretto
12.9 tok/s 8–21 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	146.3 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: Qilin Hesheng Network Technology Co., Ltd. (APUS)
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 2 April 2024

Cosa fa

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

Dominio: Multimodal, Language
Compito: Chat, Recommender system, Image generation, Language modeling/generation, Question answering, Mathematical reasoning, 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: 136B
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 (restricted use)
Codice di addestramento: Unreleased
Hugging Face: xDAN-AI

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: A Trillion-Parameter MOE Architecture Model Outperforms Grok1, Compatible with 4090 Graphics Card
Ultimo aggiornamento: 11 February 2026

Gli estremi

Le dieci GPU più veloci che eseguono APUS-xDAN-4.0(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 APUS-xDAN-4.0(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

Il lato hardware

Scheda minima

A100 SXM4 80 GB

Memoria necessaria

67.1 GB

Più veloce

28.3 tok/s

APUS-xDAN-4.0(MoE) raggiunge un conteggio di parametri di 136B. 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: 37.

A basso prezzo è gestito da A100 SXM4 80 GB, con una capacità di memoria di 80 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 17.1 token al secondo

Il risultato più rapido proviene da H100 NVL 94 GB, generando approssimativamente 28.3 token al secondo sulla base di una larghezza di banda di VRAM 3,940 GB/s.

Informazioni su questo modello

APUS-xDAN-4.0(MoE) è stato pubblicato da Qilin Hesheng Network Technology Co., Ltd. (APUS), nel paese registrato come China, durante April 2024. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Multimodal, Language, ed è registrato come eseguire il compito di chat, Recommender system, Image generation, Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning.

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 xDAN-AI.

Quanto è veloce nel funzionare e perché

Meta delle schede che lo supportano gestiscono più di 17.1 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 33 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 memoria qui è stimata dalla dimensione piuttosto che calcolata dall'architettura, che non è registrata per questo modello — i numeri sono indicativi piuttosto che esatti.

Passo dopo passo

Come scegliere una GPU per APUS-xDAN-4.0(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

Ogni card qui è stata controllata contro APUS-xDAN-4.0(MoE), avere bisogno di circa 67.1 GB a una compressione di Q3_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Corrispondi il contesto al tuo utilizzo attuale

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 APUS-xDAN-4.0(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

Ordina per throughput piuttosto che per specifiche.

Ordina per velocità per vedere come si classificano le schede per APUS-xDAN-4.0(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 H100 NVL 94 GB, nella 28.3 tok/s
05

Guarda il margine, non solo l'adattamento

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di APUS-xDAN-4.0(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

Ogni nome di scheda è collegato alla propria pagina, che esegue lo stesso calcolo su tutto il catalogo dei modelli. Una scheda è solitamente acquistata per più di un modello, quindi vale la pena dare un'occhiata prima di acquistare. APUS-xDAN-4.0(MoE).

Risposte

APUS-xDAN-4.0(MoE) — domande comuni

APUS-xDAN-4.0(MoE)— 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: 37. Quindi una seconda CARD è raramente la risposta qui.

APUS-xDAN-4.0(MoE)— 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.

APUS-xDAN-4.0(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: 17–45 tok/s su H100 NVL 94 GB. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

APUS-xDAN-4.0(MoE)— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è A100 SXM4 80 GB, con una capacità di memoria di 80 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 67.1 GB, e produce approssimativamente 17.1 token al secondo. Il numero di card in grado di eseguirlo in totale: 37.

APUS-xDAN-4.0(MoE)— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è H100 NVL 94 GB, circa 28.3 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: 33.

APUS-xDAN-4.0(MoE)— quanta VRAM serve?

Ha bisogno di 67.1 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.

APUS-xDAN-4.0(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.

APUS-xDAN-4.0(MoE)— quanti parametri ha?

Ha un numero di parametri di 136B. According to reports, APUS-xDAN-4.0 (MoE) is the first open source large model in China with a MoE architecture of more than 100 billion parameters, with a parameter scale of 136 billion. This is also the largest open source model in China. Among the previous large open source models in China, the largest parameter scale was Alibaba's Qianwen 72B with 72 billion parameters, with a parameter scale of 72 billion. 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.

APUS-xDAN-4.0(MoE)— chi l'ha creato?

È stato pubblicato da Qilin Hesheng Network Technology Co., Ltd. (APUS), basato su China, un'organizzazione categorizzata come industry.

APUS-xDAN-4.0(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.

APUS-xDAN-4.0(MoE)— A cosa serve?

Funziona nel dominio di Multimodal, Language, e viene registrato come gestire il compito di chat, Recommender system, Image generation, Language modeling/generation, Question answering, Mathematical reasoning, Quantitative reasoning. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

APUS-xDAN-4.0(MoE)— Dove posso scaricarlo?

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

APUS-xDAN-4.0(MoE)— 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 18.2 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 11 February 2026

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