Gemma 2B calcolatore TPS

Apri i pesi Google DeepMind 2.5B parametri February 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

818 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Tesla C1080

4 GB · Q8_0 · 14.7 tok/s

Scheda più veloce

B200

1,352 tok/s · 180 GB

Quali GPU possono eseguire Gemma 2B?

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.

818 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
1,352 tok/s 1,149–1,622	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	3.4 GB	Q8_0	Comodo
1,352 tok/s 1,149–1,622	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	3.4 GB	Q8_0	Comodo
1,079 tok/s 648–1,727 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	3.4 GB	Q8_0	Comodo
1,079 tok/s 648–1,727 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	3.4 GB	Q8_0	Comodo
863 tok/s 518–1,381 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	3.4 GB	Q8_0	Comodo
826 tok/s 702–992	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	3.4 GB	Q8_0	Comodo
826 tok/s 702–992	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	3.4 GB	Q8_0	Comodo
791 tok/s 474–1,265 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	3.4 GB	Q8_0	Comodo
702 tok/s 421–1,123 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	3.4 GB	Q8_0	Comodo
702 tok/s 421–1,123 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	3.4 GB	Q8_0	Comodo
702 tok/s 421–1,123 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	3.4 GB	Q8_0	Comodo
666 tok/s 566–799	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	3.4 GB	Q8_0	Comodo
568 tok/s 483–681	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	3.4 GB	Q8_0	Comodo
568 tok/s 483–681	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	3.4 GB	Q8_0	Comodo
568 tok/s 483–681	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	3.4 GB	Q8_0	Comodo
568 tok/s 483–681	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	3.4 GB	Q8_0	Comodo
568 tok/s 483–681	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	3.4 GB	Q8_0	Comodo
432 tok/s 259–692 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	3.4 GB	Q8_0	Comodo
432 tok/s 259–692 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	3.4 GB	Q8_0	Comodo
360 tok/s 216–576 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	3.4 GB	Q8_0	Comodo
353 tok/s 212–564 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	3.4 GB	Q8_0	Comodo
345 tok/s 293–414	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	3.4 GB	Q8_0	Comodo
345 tok/s 293–414	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	3.4 GB	Q8_0	Comodo
345 tok/s 293–414	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	3.4 GB	Q8_0	Comodo
345 tok/s 293–414	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	3.4 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: Google DeepMind
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 21 February 2024
Autori: Gemma Team, Google DeepMind

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, Chat, Code generation, Question answering, 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: 2.5B
Dati di addestramento: 3,000,000,000,000 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: 4.5 × 10²² 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: Google TPU v5e
Chip utilizzati: 512
Consumo energetico: 228.0 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 (restricted use)
Codice di addestramento: Unreleased

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: Gemma: Open Models Based on Gemini Research and Technology
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Gemma 2B

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 Gemma 2B

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

Tesla C1080

Memoria necessaria

3.4 GB

Più veloce

1,352 tok/s

Gemma 2B raggiunge un conteggio di parametri di 2.5B. È piccolo abbastanza che l'hardware è raramente l'ostacolo, anche su CARD di diversi anni fa. Il numero di CARD che monitoriamo che possono eseguirlo: 818.

La scheda più piccola che lo tiene è Tesla C1080, con una capacità di memoria di 4 GB, eseguendolo a una compressione di Q8_0 e producendo circa 14.7 token al secondo

All'altra estremità si trova B200, generando approssimativamente 1,352 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

Gemma 2B è stato pubblicato da Google DeepMind, nel paese registrato come United States of America, durante February 2024. Esce da un'organizzazione categorizzata come industry.

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

I pesi pubblicati significano che il modello gira sulla tua macchina piuttosto che su quella di qualcun altro, il che rende la domanda sull'hardware qui sotto rispondibile.

Cosa decide la velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 38.0 token al secondo 783 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.

Il suo layout di attenzione è in our database, quindi le cifre di VRAM sono calcolate esattamente piuttosto che approssimate.

Cosa è stato necessario per costruirlo

Il run di addestramento ha consumato circa 4.5 × 10²² FLOP, su hardware registrato come Google TPU v5e. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

L'addestramento ha consumato un corpus di circa 3,000,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per Gemma 2B

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

Leggi prima il numero di VRAM

Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di Gemma 2B, avere bisogno di circa 3.4 GB a una compressione di Q8_0. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
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 Gemma 2B.
03

Decidi quanto spazio di compressione accetterai

La colonna di quantizzazione varia a seconda della scheda, perché una scheda più grande contiene una copia più precisa., raggiungendo una compressione di Q8_0 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 Gemma 2B. 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 1,352 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 Gemma 2B. 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 Gemma 2B.

Risposte

Gemma 2B — domande comuni

Gemma 2B— 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. Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Gemma 2B— 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: 818. Quindi una seconda CARD è raramente la risposta qui.

Gemma 2B— 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: 1. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Gemma 2B— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 1,149–1,622 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.

Gemma 2B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Tesla C1080, con una capacità di memoria di 4 GB. Esegui il modello a una compressione di Q8_0 utilizzando circa 3.4 GB, e produce approssimativamente 14.7 token al secondo. Il numero di card in grado di eseguirlo in totale: 818.

Gemma 2B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 1,352 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: 783.

Gemma 2B— quanta VRAM serve?

Ha bisogno di 3.4 GB a una compressione di Q8_0, 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.

Gemma 2B— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q8_0, utilizzando circa 3.4 GB e generando approssimativamente 252 token al secondo. Il fit è comodo.

Gemma 2B— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q8_0, utilizzando circa 3.4 GB e generando approssimativamente 154 token al secondo. Il fit è comodo.

Gemma 2B— posso eseguirlo su una GPU holding 16 GB?

Sì. La scheda Tesla V100 SXM2 16 GB, tenere 16 GB, lo esegue a una compressione di Q8_0, utilizzando circa 3.4 GB e generando approssimativamente 191 token al secondo. Il fit è comodo.

Gemma 2B— 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 Q8_0, utilizzando circa 3.4 GB e generando approssimativamente 226 token al secondo. Il fit è comodo.

Gemma 2B— 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.

Gemma 2B— quanti parametri ha?

Ha un numero di parametri di 2.5B. Table 2, sum of embedding and non-embedding parameters: 2B 524,550,144 + 1,981,884,416 = 2506434560. 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.

Gemma 2B— chi l'ha creato?

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

Gemma 2B— quando è stato rilasciato?

È stato pubblicato in February 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.

Gemma 2B— A cosa serve?

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

Gemma 2B— Dove posso scaricarlo?

I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.

Gemma 2B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 4.5 × 10²² FLOP, su hardware registrato come Google TPU v5e. 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.

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