mPLUG-Owl2 calcolatore TPS

Apri i pesi Alibaba 7.1B 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

589 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Tesla K20c

5 GB · Q3_K_M · 28.4 tok/s

Scheda più veloce

B200

476 tok/s · 180 GB

Quali GPU possono eseguire mPLUG-Owl2?

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.

589 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
476 tok/s 286–761 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.3 GB	Q8_0	Comodo
476 tok/s 286–761 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.3 GB	Q8_0	Comodo
380 tok/s 228–608 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.3 GB	Q8_0	Comodo
380 tok/s 228–608 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.3 GB	Q8_0	Comodo
304 tok/s 182–486 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.3 GB	Q8_0	Comodo
291 tok/s 175–465 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.3 GB	Q8_0	Comodo
291 tok/s 175–465 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.3 GB	Q8_0	Comodo
278 tok/s 167–445 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.3 GB	Q8_0	Comodo
247 tok/s 148–395 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.3 GB	Q8_0	Comodo
247 tok/s 148–395 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.3 GB	Q8_0	Comodo
247 tok/s 148–395 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.3 GB	Q8_0	Comodo
234 tok/s 141–375 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.3 GB	Q8_0	Comodo
200 tok/s 120–320 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.3 GB	Q8_0	Comodo
200 tok/s 120–320 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.3 GB	Q8_0	Comodo
200 tok/s 120–320 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.3 GB	Q8_0	Comodo
200 tok/s 120–320 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.3 GB	Q8_0	Comodo
200 tok/s 120–320 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.3 GB	Q8_0	Comodo
152 tok/s 91–244 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.3 GB	Q8_0	Comodo
152 tok/s 91–244 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.3 GB	Q8_0	Comodo
129 tok/s 77–206 · bassa fiducia	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.7 GB	Q6_K	Stretto
127 tok/s 76–203 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.3 GB	Q8_0	Comodo
124 tok/s 74–199 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.3 GB	Q8_0	Comodo
121 tok/s 73–194 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.3 GB	Q8_0	Comodo
121 tok/s 73–194 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.3 GB	Q8_0	Comodo
121 tok/s 73–194 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.3 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: 7 November 2023
Autori: Qinghao Ye, Haiyang Xu, Jiabo Ye, Ming Yan, Anwen Hu, Haowei Liu, Qi Qian, Ji Zhang, Fei Huang, Jingren Zhou

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, Language modeling/generation
Modello di base: Llama 2-7B
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: 7.1B
Dati di addestramento: 182,032,793,600 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.

Come è stato stabilito: Operation counting
Addestramento fine: 1.7 × 10¹⁹ 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: Open source
Hugging Face: Mizukiluke

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: Speculative

Fonti

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

Riferimento: mPLUG-Owl2: Revolutionizing Multi-modal Large Language Model with Modality Collaboration
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono mPLUG-Owl2

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 mPLUG-Owl2

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

Tesla K20c

Memoria necessaria

4.2 GB

Più veloce

476 tok/s

mPLUG-Owl2 raggiunge un conteggio di parametri di 7.1B. 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: 589.

A basso prezzo è gestito da Tesla K20c, con una capacità di memoria di 5 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 28.4 token al secondo

Top di gamma è B200, generando approssimativamente 476 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

mPLUG-Owl2 è stato pubblicato da Alibaba, nel paese registrato come China, durante November 2023. L'organizzazione di pubblicazione è classificata come industry.

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

Il suo punto di partenza era un modello di base esistente, Llama 2-7B. Quello è il modo abituale in cui viene prodotto un modello specializzato.

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 Mizukiluke.

Leggendo i dati di throughput

Meta delle schede che lo supportano gestiscono più di 25.7 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 559 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 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.

Cosa è stato necessario per costruirlo

È stato addestrato su un corpus di circa 182,032,793,600 token di testo

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

Passo dopo passo

Come scegliere una GPU per mPLUG-Owl2

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

Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di mPLUG-Owl2, avere bisogno di circa 4.2 GB a una compressione di Q3_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

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 mPLUG-Owl2.
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

Confronta TOKEN AL SEC, non specifiche.

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per mPLUG-Owl2. 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 476 tok/s
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 mPLUG-Owl2. 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. mPLUG-Owl2.

Risposte

mPLUG-Owl2 — domande comuni

mPLUG-Owl2— 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: 589. Quindi una seconda CARD è raramente la risposta qui.

mPLUG-Owl2— 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.

mPLUG-Owl2— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 286–761 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.

mPLUG-Owl2— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Tesla K20c, con una capacità di memoria di 5 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 4.2 GB, e produce approssimativamente 28.4 token al secondo. Il numero di card in grado di eseguirlo in totale: 589.

mPLUG-Owl2— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 476 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: 559.

mPLUG-Owl2— quanta VRAM serve?

Ha bisogno di 4.2 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.

mPLUG-Owl2— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q6_K, utilizzando circa 6.7 GB e generando approssimativamente 129 token al secondo. Il fit è stretto.

mPLUG-Owl2— 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 8.3 GB e generando approssimativamente 54.3 token al secondo. Il fit è comodo.

mPLUG-Owl2— 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 8.3 GB e generando approssimativamente 67.2 token al secondo. Il fit è comodo.

mPLUG-Owl2— 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 8.3 GB e generando approssimativamente 79.7 token al secondo. Il fit è comodo.

mPLUG-Owl2— 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.

mPLUG-Owl2— quanti parametri ha?

Ha un numero di parametri di 7.1B. "As depicted in Figure 2, our model, referred to as mPLUGOwl2, is composed of three main components: a fundamental vision encoder, a visual abstractor, and a language decoder. Specifically, we utilize ViT-L/14 as the vision encoder and LLaMA-2-7B [58] as the language decoder" ViT-L/14 has 123M parameters and Llama 2 7B has 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.

mPLUG-Owl2— chi l'ha creato?

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

mPLUG-Owl2— 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.

mPLUG-Owl2— A cosa serve?

Funziona nel dominio di Vision, Language, Multimodal, e viene registrato come gestire il compito di visual question answering, Image captioning, Language modeling/generation. 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.

mPLUG-Owl2— Dove posso scaricarlo?

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

mPLUG-Owl2— 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 1.4 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

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