SPHINX (Llama 2 13B) calcolatore TPS

Apri i pesi Shanghai AI Lab,Chinese University of Hong Kong (CUHK),ShanghaiTech University 19.9B 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

293 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Quadro K6000

12 GB · Q3_K_M · 14.1 tok/s

Scheda più veloce

B200

170 tok/s · 180 GB

Quali GPU possono eseguire SPHINX (Llama 2 13B)?

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
170 tok/s 102–272 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	22.0 GB	Q8_0	Comodo
170 tok/s 102–272 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	22.0 GB	Q8_0	Comodo
136 tok/s 82–218 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	22.0 GB	Q8_0	Comodo
136 tok/s 82–218 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	22.0 GB	Q8_0	Comodo
109 tok/s 65–174 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	22.0 GB	Q8_0	Comodo
104 tok/s 62–167 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.0 GB	Q8_0	Comodo
104 tok/s 62–167 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	22.0 GB	Q8_0	Comodo
99.6 tok/s 60–159 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	22.0 GB	Q8_0	Comodo
88.4 tok/s 53–141 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	22.0 GB	Q8_0	Comodo
88.4 tok/s 53–141 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	22.0 GB	Q8_0	Comodo
88.4 tok/s 53–141 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	22.0 GB	Q8_0	Comodo
83.9 tok/s 50–134 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	22.0 GB	Q8_0	Comodo
71.5 tok/s 43–114 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.0 GB	Q8_0	Comodo
71.5 tok/s 43–114 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	22.0 GB	Q8_0	Comodo
71.5 tok/s 43–114 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	22.0 GB	Q8_0	Comodo
71.5 tok/s 43–114 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	22.0 GB	Q8_0	Comodo
71.5 tok/s 43–114 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	22.0 GB	Q8_0	Comodo
55.5 tok/s 33–89 · bassa fiducia	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	12.7 GB	Q4_K_M	Stretto
54.5 tok/s 33–87 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	22.0 GB	Q8_0	Comodo
54.5 tok/s 33–87 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	22.0 GB	Q8_0	Comodo
52.4 tok/s 31–84 · bassa fiducia	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.4 GB	Q3_K_M	Stretto
52.4 tok/s 31–84 · bassa fiducia	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.4 GB	Q3_K_M	Stretto
47.2 tok/s 28–75 · bassa fiducia	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	12.7 GB	Q4_K_M	Stretto
45.4 tok/s 27–73 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	22.0 GB	Q8_0	Comodo
44.4 tok/s 27–71 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	22.0 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,Chinese University of Hong Kong (CUHK),ShanghaiTech University
Tipo di organizzazione: Academia,Academia,Academia
Paese: China, Hong Kong
Pubblicato: 13 November 2023
Autori: Ziyi Lin, Chris Liu, Renrui Zhang, Peng Gao, Longtian Qiu, Han Xiao, Han Qiu, Chen Lin, Wenqi Shao, Keqin Chen, Jiaming Han, Siyuan Huang, Yichi Zhang, Xuming He, Hongsheng Li, Yu Qiao

Cosa fa

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

Dominio: Vision, Language, Multimodal
Compito: Visual question answering, Image captioning
Modello di base: Llama 2-13B
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: 19.9B
Dati di addestramento: 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: 3 × 10²² FLOP
Come è stato stabilito: Hardware
Addestramento fine: 4 × 10²¹ FLOP

La corsa di addestramento

Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.

Hardware di addestramento: NVIDIA A100 SXM4 40 GB
Chip utilizzati: 32
Chip-ore: 9,280
Tempo di parete: 290 hours (12.1 days)
Consumo energetico: 25.4 kW
Costo di calcolo: $239,189

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)
Hugging Face: Alpha-VLLM

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

Fonti

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

Riferimento: SPHINX: The Joint Mixing of Weights, Tasks, and Visual Embeddings for Multi-modal Large Language Models
Ultimo aggiornamento: 11 February 2026

Gli estremi

Le dieci GPU più veloci che eseguono SPHINX (Llama 2 13B)

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 SPHINX (Llama 2 13B)

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

Requisiti hardware in pratica

Scheda minima

Quadro K6000

Memoria necessaria

10.4 GB

Più veloce

170 tok/s

SPHINX (Llama 2 13B) raggiunge un conteggio di parametri di 19.9B. 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: 293.

Il punto di ingresso è Quadro K6000, con una capacità di memoria di 12 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 14.1 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 170 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Da dove è venuto

SPHINX (Llama 2 13B) è stato pubblicato da Shanghai AI Lab,Chinese University of Hong Kong (CUHK),ShanghaiTech University, nel paese registrato come China, durante November 2023. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia.

Funziona nel dominio di Vision, Language, Multimodal, ed è registrato come eseguire il compito di visual question answering, Image captioning.

Invece di essere addestrato da zero, è derivato da Llama 2-13B. È per questo che condivide la forma e le dimensioni generali del modello base.

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 Alpha-VLLM.

Comprendere le velocità

Il risultato mediano è attorno 20.7 token al secondo. Superare la velocità di lettura in modo diretto: 248 di loro

È un modello denso, quindi ogni parametro viene letto per ogni token prodotto. Questo rende la pista di velocità la larghezza di banda della memoria quasi esattamente — una CARD con il doppio della larghezza di banda genera approssimativamente il doppio della velocità.

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.

Cosa è stato necessario per costruirlo

La produzione di esso ha richiesto un'aritmetica totale di circa 3 × 10²² FLOP, su hardware registrato come NVIDIA A100 SXM4 40 GB. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

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

Passo dopo passo

Come scegliere una GPU per SPHINX (Llama 2 13B)

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 SPHINX (Llama 2 13B), avere bisogno di circa 10.4 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

Decidi quanto a lungo durano le tue conversazioni

Imposta il contesto su ciò che utilizzerai effettivamente. La cache cresce con la conversazione, ed è il motivo consueto per cui una card che sembrava a posto smette di adattarsi. SPHINX (Llama 2 13B).
03

Imposta un pavimento di qualità

Ogni card esegue la copia meno compressa che può contenere., 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 throughput piuttosto che per specifiche.

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per SPHINX (Llama 2 13B). 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 170 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 SPHINX (Llama 2 13B). 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 SPHINX (Llama 2 13B).

Risposte

SPHINX (Llama 2 13B) — domande comuni

SPHINX (Llama 2 13B)— 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 10.4 GB e generando approssimativamente 52.4 token al secondo. Il fit è stretto.

SPHINX (Llama 2 13B)— 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 12.7 GB e generando approssimativamente 55.5 token al secondo. Il fit è stretto.

SPHINX (Llama 2 13B)— 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 17.4 GB e generando approssimativamente 41.4 token al secondo. Il fit è comodo.

SPHINX (Llama 2 13B)— 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.

SPHINX (Llama 2 13B)— quanti parametri ha?

Ha un numero di parametri di 19.9B. SPHINX + Llama 2 13B SPHINX component involves four vision encoders: - CLIP - ViT - CLIP - ConvNeXt V2 (89M to 659M params, depending on size) - DinoV2 - ViT (22M to 1.14B params, depending on size) - Q-former (188M params) Also involves to projection networks Huggingface Hub model files appear to be 39.8GB. Assuming models are stored in fp16 there are 2 bytes per parameter, so 39.8 / 2 = 19.9B 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.

SPHINX (Llama 2 13B)— chi l'ha creato?

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

SPHINX (Llama 2 13B)— 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.

SPHINX (Llama 2 13B)— A cosa serve?

Funziona nel dominio di Vision, Language, Multimodal, e viene registrato come gestire il compito di visual question answering, Image captioning. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

SPHINX (Llama 2 13B)— Dove posso scaricarlo?

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

SPHINX (Llama 2 13B)— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 3 × 10²² FLOP, su hardware registrato come NVIDIA A100 SXM4 40 GB. 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.

SPHINX (Llama 2 13B)— 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 2.8 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

SPHINX (Llama 2 13B)— due GPU lo farebbero andare più veloce?

Due schede comprano VRAM piuttosto che velocità, che conta solo se una scheda non può contenerla. Il numero che può: 293. Quindi una seconda CARD è raramente la risposta qui.

SPHINX (Llama 2 13B)— 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.

SPHINX (Llama 2 13B)— 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: 102–272 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.

SPHINX (Llama 2 13B)— 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 10.4 GB, e produce approssimativamente 14.1 token al secondo. Il numero di card in grado di eseguirlo in totale: 293.

SPHINX (Llama 2 13B)— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 170 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.

SPHINX (Llama 2 13B)— quanta VRAM serve?

Ha bisogno di 10.4 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 11 February 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