Qwen-Audio-Chat calcolatore TPS

Apri i pesi Alibaba 8.5B parametri November 2023

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

582 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Quadro 6000

6 GB · IQ4_XS · 15.0 tok/s

Scheda più veloce

B200

401 tok/s · 180 GB

Quali GPU possono eseguire Qwen-Audio-Chat?

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.

582 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
401 tok/s 240–641 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.8 GB	Q8_0	Comodo
401 tok/s 240–641 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.8 GB	Q8_0	Comodo
320 tok/s 192–512 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.8 GB	Q8_0	Comodo
320 tok/s 192–512 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.8 GB	Q8_0	Comodo
256 tok/s 153–409 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.8 GB	Q8_0	Comodo
245 tok/s 147–392 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.8 GB	Q8_0	Comodo
245 tok/s 147–392 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.8 GB	Q8_0	Comodo
234 tok/s 141–375 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.8 GB	Q8_0	Comodo
208 tok/s 125–333 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Comodo
208 tok/s 125–333 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Comodo
208 tok/s 125–333 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.8 GB	Q8_0	Comodo
197 tok/s 118–316 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.8 GB	Q8_0	Comodo
168 tok/s 101–269 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Comodo
168 tok/s 101–269 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.8 GB	Q8_0	Comodo
168 tok/s 101–269 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Comodo
168 tok/s 101–269 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Comodo
168 tok/s 101–269 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.8 GB	Q8_0	Comodo
133 tok/s 80–213 · bassa fiducia	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.8 GB	Q5_K_M	Stretto
128 tok/s 77–205 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.8 GB	Q8_0	Comodo
128 tok/s 77–205 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.8 GB	Q8_0	Comodo
113 tok/s 68–182 · bassa fiducia	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	7.8 GB	Q6_K	Stretto
107 tok/s 64–171 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.8 GB	Q8_0	Comodo
104 tok/s 63–167 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.8 GB	Q8_0	Comodo
102 tok/s 61–163 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.8 GB	Q8_0	Comodo
102 tok/s 61–163 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.8 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: Alibaba
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 14 November 2023
Autori: Yunfei Chu, Jin Xu, Xiaohuan Zhou, Qian Yang, Shiliang Zhang, Zhijie Yan, Chang Zhou, Jingren Zhou

Cosa fa

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

Dominio: Language, Speech, Audio
Compito: Audio question answering, Chat, Speech recognition (ASR), Translation, Transcription, Text classification, Question answering, Audio classification, Voice identification, Part-of-speech tagging, Speech-to-speech
Formato numerico: BF16

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: 8.5B
Dati di addestramento: tokens

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: Open (restricted use)

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: Likely
Citazioni: 743

Fonti

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

Riferimento: Qwen-Audio: Advancing Universal Audio Understanding via Unified Large-Scale Audio-Language Models
Ultimo aggiornamento: 25 May 2026

Gli estremi

Le dieci GPU più veloci che eseguono Qwen-Audio-Chat

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 Qwen-Audio-Chat

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

Quadro 6000

Memoria necessaria

5.3 GB

Più veloce

401 tok/s

Qwen-Audio-Chat raggiunge un conteggio di parametri di 8.5B. È piccolo abbastanza che l'hardware è raramente l'ostacolo, anche su CARD di diversi anni fa. Il numero di CARD che monitoriamo che possono eseguirlo: 582.

A basso prezzo è gestito da Quadro 6000, con una capacità di memoria di 6 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 15.0 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 401 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

Qwen-Audio-Chat è stato pubblicato da Alibaba, nel paese registrato come China, durante November 2023. La categoria sotto cui rientra l'editore è industry.

Funziona nel dominio di Language, Speech, Audio, ed è registrato come eseguire il compito di audio question answering, Chat, Speech recognition (ASR), Translation, Transcription, Text classification, Question answering, Audio classification, Voice identification, Part-of-speech tagging, Speech-to-speech.

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.

Leggendo i dati di throughput

Il risultato mediano è attorno 22.5 token al secondo. Superare la velocità di lettura in modo diretto: 549 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 memoria qui è stimata dalla dimensione piuttosto che calcolata dall'architettura, che non è registrata per questo modello — i numeri sono indicativi piuttosto che esatti.

Addestramento e provenienza

Il motivo per cui appare in questo catalogo è: sOTA improvement.

Passo dopo passo

Come scegliere una GPU per Qwen-Audio-Chat

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 Qwen-Audio-Chat, avere bisogno di circa 5.3 GB a una compressione di IQ4_XS. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

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 Qwen-Audio-Chat.
03

Scegli quanto lontano lo comprimerai

La colonna di quantizzazione varia a seconda della scheda, perché una scheda più grande contiene una copia più precisa., 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

Confronta TOKEN AL SEC, non specifiche.

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per Qwen-Audio-Chat. 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 401 tok/s
05

Leggi l'ultima colonna di fit

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di Qwen-Audio-Chat. 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 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. Qwen-Audio-Chat.

Risposte

Qwen-Audio-Chat — domande comuni

Qwen-Audio-Chat— 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.

Qwen-Audio-Chat— quanti parametri ha?

Ha un numero di parametri di 8.5B. the model has two components - audio and language. 670M + 7.7B = 8.46B "The audio encoder is composed of 640M parameters" "Qwen-Audio incorporates a large language model as its foundational component. The model is initialized using pre-trained weights derived from Qwen-7B (Bai et al., 2023a). Qwen-7B is a 32-layer Transformer decoder model with a hidden size of 4096, encompassing a total of 7.7B 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.

Qwen-Audio-Chat— chi l'ha creato?

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

Qwen-Audio-Chat— quando è stato rilasciato?

È stato pubblicato in November 2023. 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.

Qwen-Audio-Chat— A cosa serve?

Funziona nel dominio di Language, Speech, Audio, e viene registrato come gestire il compito di audio question answering, Chat, Speech recognition (ASR), Translation, Transcription, Text classification, Question answering, Audio classification, Voice identification, Part-of-speech tagging, Speech-to-speech. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

Qwen-Audio-Chat— Dove posso scaricarlo?

I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.

Qwen-Audio-Chat— 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 1.3 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Qwen-Audio-Chat— 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: 582. Quindi una seconda CARD è raramente la risposta qui.

Qwen-Audio-Chat— 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.

Qwen-Audio-Chat— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 240–641 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.

Qwen-Audio-Chat— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Quadro 6000, con una capacità di memoria di 6 GB. Esegui il modello a una compressione di IQ4_XS utilizzando circa 5.3 GB, e produce approssimativamente 15.0 token al secondo. Il numero di card in grado di eseguirlo in totale: 582.

Qwen-Audio-Chat— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 401 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: 549.

Qwen-Audio-Chat— quanta VRAM serve?

Ha bisogno di 5.3 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.

Qwen-Audio-Chat— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q5_K_M, utilizzando circa 6.8 GB e generando approssimativamente 133 token al secondo. Il fit è stretto.

Qwen-Audio-Chat— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q8_0, utilizzando circa 9.8 GB e generando approssimativamente 45.7 token al secondo. Il fit è stretto.

Qwen-Audio-Chat— 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 Q8_0, utilizzando circa 9.8 GB e generando approssimativamente 56.6 token al secondo. Il fit è comodo.

Qwen-Audio-Chat— 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 Q8_0, utilizzando circa 9.8 GB e generando approssimativamente 67.1 token al secondo. Il fit è comodo.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 25 May 2026

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