Ling-1T calcolatore TPS
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
818 schede per cui abbiamo specifiche
Quali GPU possono eseguire Ling-1T?
Imposta gli input, leggi la risposta
Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..
Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..
0 schede corrispondono
Calcolo| Ha bisogno | Quantizzazione | Adatto | |||||
|---|---|---|---|---|---|---|---|
|
Nessuna scheda nel nostro catalogo può eseguire questo modello con queste impostazioni.. |
|||||||
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
- 10 October 2025
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
- 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
- 1T
- Dati di addestramento
- 20,000,000,000,000 tokens
- Dimensione del Batch
- 74,317,824
1 trillion total parameters with 50 billion activated parameters
"Pre-trained on 20 trillion+ high-quality, reasoning-dense tokens"
18144 * 4096
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
- 6 × 10²⁴ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP/parameter/token * 50000000000 active parameters * 20000000000000 tokens = 6e+24 FLOP
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
MIT license https://huggingface.co/inclusionAI/Ling-1T
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
- Confident
"We comprehensively evaluated Ling-1T against leading flagship models, including both open-source giants (e.g., DeepSeek-V3.1-Terminus, Kimi-K2-Instruct-0905) and closed-source APIs (GPT-5-main, Gemini-2.5-Pro). Across code generation, software development, competition-level mathematics, professional math, and logical reasoning, Ling-1T consistently demonstrates superior complex reasoning ability and overall advantage."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Ling-1T
- Ultimo aggiornamento
- 18 December 2025
Cosa significano i numeri
Cosa ti serve per eseguirlo
Ling-1T raggiunge un conteggio di parametri di 1T. Questo è oltre ciò che qualsiasi singola scheda grafica può contenere. Eseguire questo significa o suddividerlo tra più schede o noleggiare hardware progettato per il lavoro, e ogni scheda in grado di contenerlo da sola è un componente da datacenter. Il numero che può: 0.
Cosa è questo modello
Ling-1T è stato pubblicato da Ant Group, nel paese registrato come China, durante October 2025. Esce da un'organizzazione categorizzata 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.
Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato. Su Hugging Face è pubblicato sotto l'organizzazione inclusionAI.
Come è stato addestrato
Il run di addestramento ha consumato circa 6 × 10²⁴ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 20,000,000,000,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.
Passo dopo passo
Come scegliere una GPU per Ling-1T
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 Ling-1T. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
-
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 Ling-1T.
-
03
Imposta un pavimento di qualità
La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza.. 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.
Ordina per velocità per vedere come si classificano le schede per Ling-1T. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria.
-
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 Ling-1T. 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
Ogni pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a Ling-1T.
Risposte
Ling-1T — domande comuni
Ling-1T— 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: 0. Quindi una seconda CARD è raramente la risposta qui.
Ling-1T— perché la quantizzazione differisce tra le schede?
Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 1. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.
Ling-1T— quanto sono accurate queste stime di velocità?
Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: la gamma sotto ogni cifra. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.
Ling-1T— 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.
Ling-1T— quanti parametri ha?
Ha un numero di parametri di 1T. 1 trillion total parameters with 50 billion activated parameters. 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.
Ling-1T— chi l'ha creato?
È stato pubblicato da Ant Group, basato su China, un'organizzazione categorizzata come industry.
Ling-1T— quando è stato rilasciato?
È stato pubblicato in October 2025.
Ling-1T— 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. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Ling-1T— 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.
Ling-1T— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 6 × 10²⁴ 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.
Ling-1T— 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 346.5 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.
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.