Ring-flash-linear-2.0 calcolatore TPS

Apri i pesi Ant Group 104.2B parametri October 2025

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

43 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Radeon Instinct MI200

64 GB · Q3_K_M · 14.0 tok/s

Scheda più veloce

B200

32.5 tok/s · 180 GB

Quali GPU possono eseguire Ring-flash-linear-2.0?

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.

43 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
32.5 tok/s 20–52 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	112.3 GB	Q8_0	Comodo
32.5 tok/s 20–52 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	112.3 GB	Q8_0	Comodo
31.5 tok/s 19–50 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	63.7 GB	Q4_K_M	Stretto
31.5 tok/s 19–50 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	63.7 GB	Q4_K_M	Stretto
28.6 tok/s 17–46 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.9 GB	Q5_K_M	Stretto
26.0 tok/s 16–42 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Comodo
26.0 tok/s 16–42 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Comodo
24.4 tok/s 15–39 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Stretto
24.4 tok/s 15–39 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Stretto
24.4 tok/s 15–39 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Stretto
22.2 tok/s 13–35 · bassa fiducia	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	51.6 GB	Q3_K_M	Stretto
20.8 tok/s 12–33 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	112.3 GB	Q8_0	Stretto
19.9 tok/s 12–32 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	Stretto
19.9 tok/s 12–32 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	Stretto
19.1 tok/s 11–31 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	63.7 GB	Q4_K_M	Stretto
19.1 tok/s 11–31 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	63.7 GB	Q4_K_M	Stretto
19.1 tok/s 11–31 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	63.7 GB	Q4_K_M	Stretto
19.1 tok/s 11–31 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	Stretto
19.1 tok/s 11–31 · bassa fiducia	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	63.7 GB	Q4_K_M	Stretto
19.1 tok/s 11–31 · bassa fiducia	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	Stretto
19.0 tok/s 11–30 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	112.3 GB	Q8_0	Comodo
18.2 tok/s 11–29 · bassa fiducia	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	63.7 GB	Q4_K_M	Stretto
18.2 tok/s 11–29 · bassa fiducia	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	63.7 GB	Q4_K_M	Stretto
16.9 tok/s 10–27 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	112.3 GB	Q8_0	Stretto
16.9 tok/s 10–27 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	112.3 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: Ant Group
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 23 October 2025
Autori: Bin Han, Caizhi Tang, Chen Liang, Donghao Zhang, Fan Yuan, Feng Zhu, Jie Gao, Jingyu Hu, Longfei Li, Meng Li, Mingyang Zhang, Peijie Jiang, Peng Jiao, Qian Zhao, Qingyuan Yang, Wenbo Shen, Xinxing Yang, Yalin Zhang, Yankun Ren, Yao Zhao, Yibo Cao, Yixuan Sun, Yue Zhang, Yuchen Fang, Zibin Lin, Zixuan Cheng, Jun Zhou

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, Question answering, Quantitative reasoning, Code generation, Mathematical reasoning
Modello di base: Ling-flash-base-2.0-20T
Formato numerico: FP8

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: 104.2B
Dati di addestramento: 1,000,000,000,000 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: 7.7 × 10²³ FLOP
Come è stato stabilito: Operation counting
Addestramento fine: 3.7 × 10²² 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: NVIDIA H800 SXM5
Chip utilizzati: 32
Consumo energetico: 43.7 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: inclusionAI

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: Every Attention Matters: An Efficient Hybrid Architecture for Long-Context Reasoning
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Ring-flash-linear-2.0

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 Ring-flash-linear-2.0

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 ti serve per eseguirlo

Scheda minima

Radeon Instinct MI200

Memoria necessaria

51.6 GB

Più veloce

32.5 tok/s

Ring-flash-linear-2.0 raggiunge un conteggio di parametri di 104.2B. 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: 43.

L'hardware minimo che funziona è Radeon Instinct MI200, con una capacità di memoria di 64 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 14.0 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 32.5 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

Ring-flash-linear-2.0 è stato pubblicato da Ant Group, nel paese registrato come China, durante October 2025. L'organizzazione di pubblicazione è classificata come industry.

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

Invece di essere addestrato da zero, è derivato da Ling-flash-base-2.0-20T. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.

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. Su Hugging Face è pubblicato sotto l'organizzazione inclusionAI.

Comprendere le velocità

Il risultato mediano è attorno 18.2 token al secondo 37 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.

La sua architettura interna non è in archivio, quindi la memoria è approssimata dal conteggio dei parametri e contrassegnata di conseguenza. Aspettatevi che la cifra reale differisca, soprattutto con contesti lunghi.

Come è stato addestrato

Il training ha richiesto un budget di calcolo di circa 7.7 × 10²³ FLOP, su hardware registrato come NVIDIA H800 SXM5. 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 1,000,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per Ring-flash-linear-2.0

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 Ring-flash-linear-2.0, avere bisogno di circa 51.6 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

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 Ring-flash-linear-2.0.
03

Decidi quanto spazio di compressione accetterai

Ogni card esegue la copia meno compressa che può contenere., 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.

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per Ring-flash-linear-2.0. 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 32.5 tok/s
05

Controlla il giudizio di compatibilità prima di acquistare

Tight significa che si carica e funziona senza spazio per aumentare il context length in caso di Ring-flash-linear-2.0. 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

Apri la scheda su cui ti sei deciso.

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 Ring-flash-linear-2.0.

Risposte

Ring-flash-linear-2.0 — domande comuni

Ring-flash-linear-2.0— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Radeon Instinct MI200, con una capacità di memoria di 64 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 51.6 GB, e produce approssimativamente 14.0 token al secondo. Il numero di card in grado di eseguirlo in totale: 43.

Ring-flash-linear-2.0— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 32.5 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: 37.

Ring-flash-linear-2.0— quanta VRAM serve?

Ha bisogno di 51.6 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.

Ring-flash-linear-2.0— 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.

Ring-flash-linear-2.0— quanti parametri ha?

Ha un numero di parametri di 104.2B. Ring-flash-linear-2.0 contains 104B parameters and 6.1B activations. 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.

Ring-flash-linear-2.0— chi l'ha creato?

È stato pubblicato da Ant Group, basato su China, un'organizzazione categorizzata come industry.

Ring-flash-linear-2.0— quando è stato rilasciato?

È stato pubblicato in October 2025.

Ring-flash-linear-2.0— A cosa serve?

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

Ring-flash-linear-2.0— Dove posso scaricarlo?

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

Ring-flash-linear-2.0— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 7.7 × 10²³ FLOP, su hardware registrato come NVIDIA H800 SXM5. 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.

Ring-flash-linear-2.0— 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 20.5 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Ring-flash-linear-2.0— 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: 43. Quindi una seconda CARD è raramente la risposta qui.

Ring-flash-linear-2.0— 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: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Ring-flash-linear-2.0— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 20–52 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.

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