InternLM2-20B calcolatore TPS

Apri i pesi Shanghai AI Lab,SenseTime,Chinese University of Hong Kong (CUHK),Fudan University 20B 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

293 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Quadro K6000

12 GB · Q3_K_M · 14.0 tok/s

Scheda più veloce

B200

169 tok/s · 180 GB

Quali GPU possono eseguire InternLM2-20B?

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.

293 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
169 tok/s 102–271 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	22.1 GB	Q8_0	Comodo
169 tok/s 102–271 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	22.1 GB	Q8_0	Comodo
135 tok/s 81–216 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	22.1 GB	Q8_0	Comodo
135 tok/s 81–216 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	22.1 GB	Q8_0	Comodo
108 tok/s 65–173 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	22.1 GB	Q8_0	Comodo
104 tok/s 62–166 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.1 GB	Q8_0	Comodo
104 tok/s 62–166 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.1 GB	Q8_0	Comodo
99.1 tok/s 59–159 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	22.1 GB	Q8_0	Comodo
88.0 tok/s 53–141 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Comodo
88.0 tok/s 53–141 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Comodo
88.0 tok/s 53–141 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	22.1 GB	Q8_0	Comodo
83.4 tok/s 50–134 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	22.1 GB	Q8_0	Comodo
71.2 tok/s 43–114 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Comodo
71.2 tok/s 43–114 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	22.1 GB	Q8_0	Comodo
71.2 tok/s 43–114 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Comodo
71.2 tok/s 43–114 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Comodo
71.2 tok/s 43–114 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	22.1 GB	Q8_0	Comodo
55.2 tok/s 33–88 · bassa fiducia	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	12.8 GB	Q4_K_M	Stretto
54.2 tok/s 33–87 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	22.1 GB	Q8_0	Comodo
54.2 tok/s 33–87 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	22.1 GB	Q8_0	Comodo
52.1 tok/s 31–83 · bassa fiducia	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.5 GB	Q3_K_M	Stretto
52.1 tok/s 31–83 · bassa fiducia	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.5 GB	Q3_K_M	Stretto
46.9 tok/s 28–75 · bassa fiducia	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	12.8 GB	Q4_K_M	Stretto
45.2 tok/s 27–72 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	22.1 GB	Q8_0	Comodo
44.2 tok/s 27–71 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	22.1 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: Shanghai AI Lab,SenseTime,Chinese University of Hong Kong (CUHK),Fudan University
Tipo di organizzazione: Academia,Industry,Academia,Academia
Paese: China, Hong Kong
Pubblicato: 12 January 2024
Autori: Zheng Cai, Maosong Cao, Haojiong Chen, Kai Chen, Keyu Chen, Xin Chen, Xun Chen, Zehui Chen, Zhi Chen, Pei Chu, Xiaoyi Dong, Haodong Duan, Qi Fan, Zhaoye Fei, Yang Gao, Jiaye Ge, Chenya Gu, Yuzhe Gu, Tao Gui, Aijia Guo, Qipeng Guo, Conghui He, Yingfan Hu, Ting Huang, Tao Jiang, Penglong Jiao, Zhenjiang Jin, Zhikai Lei, Jiaxing Li, Jingwen Li, Linyang Li, Shuaibin Li, Wei Li, Yining Li, Hongwei Liu,…

Cosa fa

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

Dominio: Language
Compito: Chat, Language modeling/generation, Question answering

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: 20B
Dati di addestramento: 2,600,000,000,000 tokens
Epoche: 1
Dimensione del Batch: 5,000,000

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: 3.1 × 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: internlm

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: Confident

Fonti

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

Riferimento: InternLM2 Technical Report
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono InternLM2-20B

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 InternLM2-20B

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

Quadro K6000

Memoria necessaria

10.5 GB

Più veloce

169 tok/s

InternLM2-20B raggiunge un conteggio di parametri di 20B. 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: 293.

La scheda più piccola che lo tiene è Quadro K6000, con una capacità di memoria di 12 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 14.0 token al secondo

Top di gamma è B200, generando approssimativamente 169 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

InternLM2-20B è stato pubblicato da Shanghai AI Lab,SenseTime,Chinese University of Hong Kong (CUHK),Fudan University, nel paese registrato come China, durante January 2024. Esce da un'organizzazione categorizzata come academia,Industry,Academia,Academia.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di chat, Language modeling/generation, Question answering.

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 internlm.

Comprendere le velocità

Meta delle schede che lo supportano gestiscono più di 20.6 token al secondo 248 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

La produzione di esso ha richiesto un'aritmetica totale di circa 3.1 × 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 2,600,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per InternLM2-20B

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

Ogni card qui è stata controllata contro InternLM2-20B, avere bisogno di circa 10.5 GB a una compressione di Q3_K_M. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
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 InternLM2-20B.
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 InternLM2-20B. 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 169 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 InternLM2-20B. 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.

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. InternLM2-20B.

Risposte

InternLM2-20B — domande comuni

InternLM2-20B— 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 Q4_K_M, utilizzando circa 12.8 GB e generando approssimativamente 55.2 token al secondo. Il fit è stretto.

InternLM2-20B— 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 Q6_K, utilizzando circa 17.5 GB e generando approssimativamente 41.2 token al secondo. Il fit è comodo.

InternLM2-20B— 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.

InternLM2-20B— quanti parametri ha?

Ha un numero di parametri di 20B. 20B. 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.

InternLM2-20B— chi l'ha creato?

È stato pubblicato da Shanghai AI Lab,SenseTime,Chinese University of Hong Kong (CUHK),Fudan University, basato su China, un'organizzazione categorizzata come academia,Industry,Academia,Academia.

InternLM2-20B— 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.

InternLM2-20B— A cosa serve?

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

InternLM2-20B— Dove posso scaricarlo?

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

InternLM2-20B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 3.1 × 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.

InternLM2-20B— 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. La più vicina mancata che calcoliamo risulta insufficiente di 2.9 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

InternLM2-20B— 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: 293. Quindi una seconda CARD è raramente la risposta qui.

InternLM2-20B— 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.

InternLM2-20B— quanto sono accurate queste stime di velocità?

Queste sono stime con barre di errore reali, e ognuna di esse potrebbe ragionevolmente collocarsi ovunque nel suo intervallo pubblicato a seconda del runtime che utilizzi. Il risultato più veloce qui: 102–271 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.

InternLM2-20B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Quadro K6000, con una capacità di memoria di 12 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 10.5 GB, e produce approssimativamente 14.0 token al secondo. Il numero di card in grado di eseguirlo in totale: 293.

InternLM2-20B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 169 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: 248.

InternLM2-20B— quanta VRAM serve?

Ha bisogno di 10.5 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.

InternLM2-20B— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q3_K_M, utilizzando circa 10.5 GB e generando approssimativamente 52.1 token al secondo. Il fit è stretto.

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