DBRX calcolatore TPS

Apri i pesi Databricks 132B parametri March 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

38 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

RTX PRO 5000 72 GB Blackwell

72 GB · Q3_K_M · 42.5 tok/s

Scheda più veloce

H100 NVL 94 GB

107 tok/s · 94 GB

Quali GPU possono eseguire DBRX?

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.

38 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
107 tok/s 64–171 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	79.5 GB	Q4_K_M	Stretto
97.1 tok/s 58–155 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	71.8 GB	IQ4_XS	Stretto
97.1 tok/s 58–155 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	71.8 GB	IQ4_XS	Stretto
94.1 tok/s 56–151 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	141.0 GB	Q8_0	Stretto
94.1 tok/s 56–151 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	141.0 GB	Q8_0	Comodo
91.3 tok/s 55–146 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	79.5 GB	Q4_K_M	Stretto
91.3 tok/s 55–146 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	79.5 GB	Q4_K_M	Stretto
91.3 tok/s 55–146 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	79.5 GB	Q4_K_M	Stretto
87.3 tok/s 52–140 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	110.3 GB	Q6_K	Stretto
83.6 tok/s 50–134 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	110.3 GB	Q6_K	Stretto
83.6 tok/s 50–134 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	110.3 GB	Q6_K	Stretto
75.2 tok/s 45–120 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	141.0 GB	Q8_0	Comodo
75.2 tok/s 45–120 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	141.0 GB	Q8_0	Comodo
71.0 tok/s 43–114 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	110.3 GB	Q6_K	Stretto
58.9 tok/s 35–94 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	71.8 GB	IQ4_XS	Stretto
58.9 tok/s 35–94 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	71.8 GB	IQ4_XS	Stretto
58.9 tok/s 35–94 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	71.8 GB	IQ4_XS	Stretto
58.9 tok/s 35–94 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	IQ4_XS	Stretto
58.9 tok/s 35–94 · bassa fiducia	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	71.8 GB	IQ4_XS	Stretto
58.9 tok/s 35–94 · bassa fiducia	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	IQ4_XS	Stretto
56.0 tok/s 34–90 · bassa fiducia	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	71.8 GB	IQ4_XS	Stretto
56.0 tok/s 34–90 · bassa fiducia	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	71.8 GB	IQ4_XS	Stretto
55.1 tok/s 33–88 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	141.0 GB	Q8_0	Comodo
48.9 tok/s 29–78 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	141.0 GB	Q8_0	Comodo
48.9 tok/s 29–78 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	141.0 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: Databricks
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 27 March 2024
Autori: Mosaic Research Team

Cosa fa

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

Dominio: Language
Compito: Chat, Code generation
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: 132B
Dati di addestramento: 12,000,000,000,000 tokens
Epoche: 1

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: 2.6 × 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.

Hardware di addestramento: NVIDIA H100 SXM5 80GB

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: databricks

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: Introducing DBRX: A New State-of-the-Art Open LLM
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono DBRX

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 DBRX

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

RTX PRO 5000 72 GB Blackwell

Memoria necessaria

64.2 GB

Più veloce

107 tok/s

DBRX raggiunge un conteggio di parametri di 132B. 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: 38.

La scheda più piccola che lo tiene è RTX PRO 5000 72 GB Blackwell, con una capacità di memoria di 72 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 42.5 token al secondo

All'altra estremità si trova H100 NVL 94 GB, generando approssimativamente 107 token al secondo sulla base di una larghezza di banda di VRAM 3,940 GB/s.

Cosa è questo modello

DBRX è stato pubblicato da Databricks, nel paese registrato come United States of America, durante March 2024. La categoria sotto cui rientra l'editore è industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di chat, Code generation.

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 databricks.

Cosa decide la velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 58.9 token al secondo 36 di loro

Il routing di Mixture-of-experts è il motivo per cui le velocità qui sembrano elevate per il conteggio dei parametri. Solo una frazione viene letta per token, ma l'intero insieme deve essere caricato.

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.

Come è stato addestrato

Il run di addestramento ha consumato circa 2.6 × 10²⁴ 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.

È stato addestrato su un corpus di circa 12,000,000,000,000 token di testo

Il suo criterio di inclusione: training cost.

Passo dopo passo

Come scegliere una GPU per DBRX

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 DBRX, avere bisogno di circa 64.2 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

Imposta il contesto su ciò che utilizzerai effettivamente. La cache cresce con la conversazione, ed è il motivo consueto per cui una card che sembrava a posto smette di adattarsi. DBRX.
03

Decidi quanto spazio di compressione accetterai

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 DBRX. 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 107 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 DBRX. 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 DBRX.

Risposte

DBRX — domande comuni

DBRX— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è H100 NVL 94 GB, circa 107 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: 36.

DBRX— quanta VRAM serve?

Ha bisogno di 64.2 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.

DBRX— 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.

DBRX— quanti parametri ha?

Ha un numero di parametri di 132B. 132B mixture of experts. 36B parameters active per inference. 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.

DBRX— chi l'ha creato?

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

DBRX— quando è stato rilasciato?

È stato pubblicato in March 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.

DBRX— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di chat, Code generation. 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.

DBRX— Dove posso scaricarlo?

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

DBRX— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 2.6 × 10²⁴ 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.

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

Solo scaricando, che di solito è una falsa economia: la parte tenuta in SYSTEM MEMORY rallenta tutto. La più vicina mancata che calcoliamo risulta insufficiente di 21.9 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

DBRX— 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: 38. Quindi una seconda CARD è raramente la risposta qui.

DBRX— 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: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

DBRX— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 64–171 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.

DBRX— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è RTX PRO 5000 72 GB Blackwell, con una capacità di memoria di 72 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 64.2 GB, e produce approssimativamente 42.5 token al secondo. Il numero di card in grado di eseguirlo in totale: 38.

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