Aya calcolatore TPS

Apri i pesi Cohere for AI,Brown University,Cohere,Carnegie Mellon University (CMU),Massachusetts Institute of Technology (MIT) 13B 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

509 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Xeon Phi 5110P

8 GB · Q3_K_M · 18.3 tok/s

Scheda più veloce

B200

261 tok/s · 180 GB

Quali GPU possono eseguire Aya?

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.

509 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
261 tok/s 156–417 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	14.6 GB	Q8_0	Comodo
261 tok/s 156–417 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	14.6 GB	Q8_0	Comodo
208 tok/s 125–333 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	14.6 GB	Q8_0	Comodo
208 tok/s 125–333 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	14.6 GB	Q8_0	Comodo
166 tok/s 100–266 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	14.6 GB	Q8_0	Comodo
159 tok/s 96–255 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.6 GB	Q8_0	Comodo
159 tok/s 96–255 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.6 GB	Q8_0	Comodo
152 tok/s 91–244 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	14.6 GB	Q8_0	Comodo
135 tok/s 81–217 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	14.6 GB	Q8_0	Comodo
135 tok/s 81–217 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	14.6 GB	Q8_0	Comodo
135 tok/s 81–217 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	14.6 GB	Q8_0	Comodo
131 tok/s 79–210 · bassa fiducia	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.1 GB	Q3_K_M	Stretto
128 tok/s 77–205 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	14.6 GB	Q8_0	Comodo
117 tok/s 70–188 · bassa fiducia	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q4_K_M	Stretto
109 tok/s 66–175 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comodo
109 tok/s 66–175 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	14.6 GB	Q8_0	Comodo
109 tok/s 66–175 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comodo
109 tok/s 66–175 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comodo
109 tok/s 66–175 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comodo
83.4 tok/s 50–133 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	14.6 GB	Q8_0	Comodo
83.4 tok/s 50–133 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	14.6 GB	Q8_0	Comodo
69.5 tok/s 42–111 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	14.6 GB	Q8_0	Comodo
68.0 tok/s 41–109 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	14.6 GB	Q8_0	Comodo
67.5 tok/s 41–108 · bassa fiducia	RTX A5000-8Q NVIDIA	8 GB	768 GB/s	Apr 2021	7.1 GB	Q3_K_M	Stretto
66.5 tok/s 40–106 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	14.6 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: Cohere for AI,Brown University,Cohere,Carnegie Mellon University (CMU),Massachusetts Institute of Technology (MIT)
Tipo di organizzazione: Industry,Academia,Industry,Academia,Academia
Paese: Canada, United States of America
Pubblicato: 12 February 2024
Autori: Ahmet Üstün, Viraat Aryabumi, Zheng-Xin Yong, Wei-Yin Ko, Daniel D'souza, Gbemileke Onilude, Neel Bhandari, Shivalika Singh, Hui-Lee Ooi, Amr Kayid, Freddie Vargus, Phil Blunsom, Shayne Longpre, Niklas Muennighoff, Marzieh Fadaee, Julia Kreutzer, Sara Hooker

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, Translation
Modello di base: mT5-XXL

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: 13B
Dati di addestramento: 1,144,220,000,000 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.

Addestramento fine: 1.2 × 10²¹ FLOP

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 v4
Chip utilizzati: 128
Consumo energetico: 86.2 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

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Perché è monitorato: SOTA improvement
Record fiducia: Speculative
Citazioni: 368

Fonti

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

Riferimento: Aya Model: An Instruction Finetuned Open-Access Multilingual Language Model
Ultimo aggiornamento: 25 May 2026

Gli estremi

Le dieci GPU più veloci che eseguono Aya

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 Aya

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

Xeon Phi 5110P

Memoria necessaria

7.1 GB

Più veloce

261 tok/s

Aya raggiunge un conteggio di parametri di 13B. 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: 509.

A basso prezzo è gestito da Xeon Phi 5110P, con una capacità di memoria di 8 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 18.3 token al secondo

All'altra estremità si trova B200, generando approssimativamente 261 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

Aya è stato pubblicato da Cohere for AI,Brown University,Cohere,Carnegie Mellon University (CMU),Massachusetts Institute of Technology (MIT), nel paese registrato come Canada, durante February 2024. La categoria sotto cui rientra l'editore è industry,Academia,Industry,Academia,Academia.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Chat, Translation.

Costruisce su mT5-XXL. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.

Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato.

Leggendo i dati di throughput

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 21.2 token al secondo. Superare la velocità di lettura in modo diretto: 459 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.

Addestramento e provenienza

Il set di addestramento si aggirava attorno a 1,144,220,000,000 token di testo

Il motivo per cui appare in questo catalogo è: sOTA improvement.

Passo dopo passo

Come scegliere una GPU per Aya

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

La tabella elenca ogni card in grado di contenere Aya, avere bisogno di circa 7.1 GB a una compressione di Q3_K_M. 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 Aya.
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 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 velocità

Ordina per velocità per vedere come si classificano le schede per Aya. 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 261 tok/s
05

Guarda il margine, non solo l'adattamento

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Aya. 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 Aya.

Risposte

Aya — domande comuni

Aya— 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.

Aya— 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 3.2 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Aya— 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: 509. Quindi una seconda CARD è raramente la risposta qui.

Aya— 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.

Aya— quanto sono accurate queste stime di velocità?

Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 156–417 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.

Aya— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Xeon Phi 5110P, con una capacità di memoria di 8 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 7.1 GB, e produce approssimativamente 18.3 token al secondo. Il numero di card in grado di eseguirlo in totale: 509.

Aya— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 261 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: 459.

Aya— quanta VRAM serve?

Ha bisogno di 7.1 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.

Aya— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q3_K_M, utilizzando circa 7.1 GB e generando approssimativamente 131 token al secondo. Il fit è stretto.

Aya— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q5_K_M, utilizzando circa 10.1 GB e generando approssimativamente 53.1 token al secondo. Il fit è stretto.

Aya— 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 Q6_K, utilizzando circa 11.6 GB e generando approssimativamente 53.5 token al secondo. Il fit è comodo.

Aya— 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 14.6 GB e generando approssimativamente 43.7 token al secondo. Il fit è comodo.

Aya— 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.

Aya— quanti parametri ha?

Ha un numero di parametri di 13B. 13B - fine tune of mT5 - from last page - model card. 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.

Aya— chi l'ha creato?

È stato pubblicato da Cohere for AI,Brown University,Cohere,Carnegie Mellon University (CMU),Massachusetts Institute of Technology (MIT), basato su Canada, un'organizzazione categorizzata come industry,Academia,Industry,Academia,Academia.

Aya— 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.

Aya— A cosa serve?

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

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 25 May 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