DeepSeek Coder 33B calcolatore TPS

Apri i pesi DeepSeek,Peking University 33B parametri January 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

132 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

RTX A4500

20 GB · Q3_K_M · 22.2 tok/s

Scheda più veloce

B200

103 tok/s · 180 GB

Quali GPU possono eseguire DeepSeek Coder 33B?

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.

132 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
103 tok/s 87–123	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.9 GB	Q8_0	Comodo
103 tok/s 87–123	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.9 GB	Q8_0	Comodo
82.0 tok/s 49–131 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.9 GB	Q8_0	Comodo
82.0 tok/s 49–131 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.9 GB	Q8_0	Comodo
65.6 tok/s 39–105 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.9 GB	Q8_0	Comodo
62.8 tok/s 53–75	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.9 GB	Q8_0	Comodo
62.8 tok/s 53–75	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.9 GB	Q8_0	Comodo
60.1 tok/s 36–96 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.9 GB	Q8_0	Comodo
53.3 tok/s 32–85 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Comodo
53.3 tok/s 32–85 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Comodo
53.3 tok/s 32–85 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Comodo
50.6 tok/s 43–61	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.9 GB	Q8_0	Comodo
43.1 tok/s 37–52	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comodo
43.1 tok/s 37–52	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.9 GB	Q8_0	Comodo
43.1 tok/s 37–52	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comodo
43.1 tok/s 37–52	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comodo
43.1 tok/s 37–52	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comodo
39.7 tok/s 34–48	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.5 GB	Q4_K_M	Stretto
36.2 tok/s 31–43	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.5 GB	Q4_K_M	Stretto
34.9 tok/s 30–42	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Stretto
34.9 tok/s 30–42	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Stretto
33.4 tok/s 28–40	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Stretto
33.4 tok/s 28–40	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Stretto
32.8 tok/s 20–53 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.9 GB	Q8_0	Comodo
32.8 tok/s 20–53 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.9 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: DeepSeek,Peking University
Tipo di organizzazione: Industry,Academia
Paese: China
Pubblicato: 25 January 2024
Autori: Daya Guo, Qihao Zhu, Dejian Yang, Zhenda Xie, Kai Dong, Wentao Zhang, Guanting Chen, Xiao Bi, Y. Wu, Y.K. Li, Fuli Luo, Yingfei Xiong, Wenfeng Liang

Cosa fa

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

Dominio: Language
Compito: Code generation

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: 33B
Dati di addestramento: 2,000,000,000,000 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 × 10²³ FLOP
Come è stato stabilito: Operation counting

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: deepseek-ai

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
Record fiducia: Likely

Fonti

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

Riferimento: DeepSeek-Coder: When the Large Language Model Meets Programming -- The Rise of Code Intelligence
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono DeepSeek Coder 33B

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 DeepSeek Coder 33B

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

RTX A4500

Memoria necessaria

16.7 GB

Più veloce

103 tok/s

DeepSeek Coder 33B raggiunge un conteggio di parametri di 33B. Questo rientra nell'intervallo che una seria GPU DESKTOP può gestire una volta compressi i pesi. Il numero di GPU che monitoriamo che possono eseguirlo: 132.

A basso prezzo è gestito da RTX A4500, con una capacità di memoria di 20 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 22.2 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 103 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

DeepSeek Coder 33B è stato pubblicato da DeepSeek,Peking University, nel paese registrato come China, durante January 2024. La categoria sotto cui rientra l'editore è industry,Academia.

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

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 deepseek-ai.

Leggendo i dati di throughput

Meta delle schede che lo supportano gestiscono più di 20.0 token al secondo. Superare la velocità di lettura in modo diretto: 101 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.

Poiché l'architettura è registrata, la colonna di memoria è derivata piuttosto che stimata.

Cosa è stato necessario per costruirlo

La produzione di esso ha richiesto un'aritmetica totale di circa 4 × 10²³ FLOP. 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 2,000,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per DeepSeek Coder 33B

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

Controlla cosa serve prima di ogni altra cosa

Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di DeepSeek Coder 33B, avere bisogno di circa 16.7 GB a una compressione di Q3_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

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 DeepSeek Coder 33B.
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 DeepSeek Coder 33B. 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 103 tok/s
05

Controlla il giudizio di compatibilità prima di acquistare

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di DeepSeek Coder 33B. 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. DeepSeek Coder 33B.

Risposte

DeepSeek Coder 33B — domande comuni

DeepSeek Coder 33B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 103 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: 101.

DeepSeek Coder 33B— quanta VRAM serve?

Ha bisogno di 16.7 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.

DeepSeek Coder 33B— 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 Q4_K_M, utilizzando circa 20.5 GB e generando approssimativamente 39.7 token al secondo. Il fit è stretto.

DeepSeek Coder 33B— 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.

DeepSeek Coder 33B— quanti parametri ha?

Ha un numero di parametri di 33B. 33B. 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.

DeepSeek Coder 33B— chi l'ha creato?

È stato pubblicato da DeepSeek,Peking University, basato su China, un'organizzazione categorizzata come industry,Academia.

DeepSeek Coder 33B— quando è stato rilasciato?

È stato pubblicato in January 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.

DeepSeek Coder 33B— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di code generation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

DeepSeek Coder 33B— Dove posso scaricarlo?

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

DeepSeek Coder 33B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 4 × 10²³ FLOP. 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.

DeepSeek Coder 33B— 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 6.1 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

DeepSeek Coder 33B— 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: 132. Quindi una seconda CARD è raramente la risposta qui.

DeepSeek Coder 33B— 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.

DeepSeek Coder 33B— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 87–123 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.

DeepSeek Coder 33B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è RTX A4500, con una capacità di memoria di 20 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 16.7 GB, e produce approssimativamente 22.2 token al secondo. Il numero di card in grado di eseguirlo in totale: 132.

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