DeepSeek LLM 67B calcolatore TPS

Apri i pesi DeepSeek 67B 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

61 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

A100 PCIe 40 GB

40 GB · IQ4_XS · 24.2 tok/s

Scheda più veloce

B200

50.6 tok/s · 180 GB

Quali GPU possono eseguire DeepSeek LLM 67B?

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.

61 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
50.6 tok/s 43–61	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	69.7 GB	Q8_0	Comodo
50.6 tok/s 43–61	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	69.7 GB	Q8_0	Comodo
40.4 tok/s 24–65 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Comodo
40.4 tok/s 24–65 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Comodo
32.3 tok/s 19–52 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	69.7 GB	Q8_0	Comodo
30.9 tok/s 26–37	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Comodo
30.9 tok/s 26–37	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Comodo
29.6 tok/s 18–47 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	69.7 GB	Q8_0	Comodo
27.3 tok/s 23–33	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	38.5 GB	Q4_K_M	Stretto
26.3 tok/s 16–42 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Comodo
26.3 tok/s 16–42 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Comodo
26.3 tok/s 16–42 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Comodo
24.9 tok/s 21–30	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	69.7 GB	Q8_0	Comodo
24.2 tok/s 21–29	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.6 GB	IQ4_XS	Stretto
24.2 tok/s 21–29	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.6 GB	IQ4_XS	Stretto
24.2 tok/s 21–29	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.6 GB	IQ4_XS	Stretto
21.2 tok/s 18–25	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Comodo
21.2 tok/s 18–25	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	69.7 GB	Q8_0	Stretto
21.2 tok/s 18–25	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Comodo
21.2 tok/s 18–25	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Comodo
21.2 tok/s 18–25	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Stretto
19.6 tok/s 17–23	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	38.5 GB	Q4_K_M	Stretto
18.6 tok/s 16–22	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.1 GB	Q6_K	Stretto
16.2 tok/s 10–26 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	69.7 GB	Q8_0	Comodo
16.2 tok/s 10–26 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	69.7 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
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 5 January 2024
Autori: Xiao Bi, Deli Chen, Guanting Chen, Shanhuang Chen, Damai Dai, Chengqi Deng, Honghui Ding, Kai Dong, Qiushi Du, Zhe Fu, Huazuo Gao, Kaige Gao, Wenjun Gao, Ruiqi Ge, Kang Guan, Daya Guo, Jianzhong Guo, Guangbo Hao, Zhewen Hao, Ying He, Wenjie Hu, Panpan Huang, Erhang Li, Guowei Li, Jiashi Li, Yao Li, Y.K. Li, Wenfeng Liang, Fangyun Lin, A.X. Liu, Bo Liu, Wen Liu, Xiaodong Liu, Xin Liu, Yiyuan Liu, H…

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: 67B
Dati di addestramento: 2,000,000,000,000 tokens
Epoche: 1

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: 8 × 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: Confident

Fonti

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

Riferimento: DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono DeepSeek LLM 67B

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 LLM 67B

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

A100 PCIe 40 GB

Memoria necessaria

34.6 GB

Più veloce

50.6 tok/s

DeepSeek LLM 67B raggiunge un conteggio di parametri di 67B. 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: 61.

A basso prezzo è gestito da A100 PCIe 40 GB, con una capacità di memoria di 40 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 24.2 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 50.6 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

DeepSeek LLM 67B è stato pubblicato da DeepSeek, nel paese registrato come China, durante January 2024. La categoria sotto cui rientra l'editore è industry.

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

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 12.9 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 51 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.

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

Addestramento e provenienza

Il training ha richiesto un budget di calcolo di circa 8 × 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 LLM 67B

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 DeepSeek LLM 67B, avere bisogno di circa 34.6 GB a una compressione di IQ4_XS. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
02

Corrispondi il contesto al tuo utilizzo attuale

Conversazioni più lunghe richiedono memoria oltre a ciò che i pesi necessitano. Muovi il cursore sulla tua reale lunghezza di lavoro prima di fidarti di qualsiasi riga per DeepSeek LLM 67B.
03

Decidi quanto spazio di compressione accetterai

Ogni card esegue la copia meno compressa che può contenere., raggiungendo una compressione di IQ4_XS 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 DeepSeek LLM 67B. 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 50.6 tok/s
05

Guarda il margine, non solo l'adattamento

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di DeepSeek LLM 67B. 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 DeepSeek LLM 67B.

Risposte

DeepSeek LLM 67B — domande comuni

DeepSeek LLM 67B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 50.6 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: 51.

DeepSeek LLM 67B— quanta VRAM serve?

Ha bisogno di 34.6 GB a una compressione di IQ4_XS, 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 LLM 67B— 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 LLM 67B— quanti parametri ha?

Ha un numero di parametri di 67B. 67B. 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 LLM 67B— chi l'ha creato?

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

DeepSeek LLM 67B— 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 LLM 67B— 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.

DeepSeek LLM 67B— 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 LLM 67B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 8 × 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 LLM 67B— 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 9.7 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

DeepSeek LLM 67B— 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: 61. Quindi una seconda CARD è raramente la risposta qui.

DeepSeek LLM 67B— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

DeepSeek LLM 67B— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 43–61 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 LLM 67B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è A100 PCIe 40 GB, con una capacità di memoria di 40 GB. Esegui il modello a una compressione di IQ4_XS utilizzando circa 34.6 GB, e produce approssimativamente 24.2 token al secondo. Il numero di card in grado di eseguirlo in totale: 61.

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