YaRN (Llama 2 13B) calcolatore TPS

Apri i pesi Nous Research,EleutherAI,University of Geneva 13B 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

241 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Xeon Phi 7120P

16 GB · Q4_K_M · 17.2 tok/s

Scheda più veloce

B200

261 tok/s · 180 GB

Quali GPU possono eseguire YaRN (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.

241 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
261 tok/s 222–313	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	20.1 GB	Q8_0	Comodo
261 tok/s 222–313	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	20.1 GB	Q8_0	Comodo
208 tok/s 125–333 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	20.1 GB	Q8_0	Comodo
208 tok/s 125–333 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	20.1 GB	Q8_0	Comodo
166 tok/s 100–266 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	20.1 GB	Q8_0	Comodo
159 tok/s 135–191	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	20.1 GB	Q8_0	Comodo
159 tok/s 135–191	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	20.1 GB	Q8_0	Comodo
152 tok/s 91–244 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	20.1 GB	Q8_0	Comodo
135 tok/s 81–217 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	20.1 GB	Q8_0	Comodo
135 tok/s 81–217 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	20.1 GB	Q8_0	Comodo
135 tok/s 81–217 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	20.1 GB	Q8_0	Comodo
128 tok/s 109–154	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	20.1 GB	Q8_0	Comodo
109 tok/s 93–131	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	20.1 GB	Q8_0	Comodo
109 tok/s 93–131	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	20.1 GB	Q8_0	Comodo
109 tok/s 93–131	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	20.1 GB	Q8_0	Comodo
109 tok/s 93–131	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	20.1 GB	Q8_0	Comodo
109 tok/s 93–131	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	20.1 GB	Q8_0	Comodo
85.0 tok/s 72–102	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	14.0 GB	Q4_K_M	Stretto
83.4 tok/s 50–133 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	20.1 GB	Q8_0	Comodo
83.4 tok/s 50–133 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	20.1 GB	Q8_0	Comodo
72.2 tok/s 61–87	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	14.0 GB	Q4_K_M	Stretto
69.5 tok/s 42–111 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	20.1 GB	Q8_0	Comodo
68.0 tok/s 41–109 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	20.1 GB	Q8_0	Comodo
67.5 tok/s 57–81	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	14.0 GB	Q4_K_M	Stretto
67.5 tok/s 57–81	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	14.0 GB	Q4_K_M	Stretto

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: Nous Research,EleutherAI,University of Geneva
Tipo di organizzazione: Industry,Research collective,Academia
Paese: United States of America, Switzerland
Pubblicato: 1 November 2023
Autori: Bowen Peng, Jeffrey Quesnelle, Honglu Fan, Enrico Shippole

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
Modello di base: Llama 2-13B

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: 13B
Dati di addestramento: 2,457,600,000 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: 1.9 × 10²⁰ FLOP
Come è stato stabilito: Operation counting
Addestramento fine: 1.9 × 10²⁰ 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 (restricted use)
Codice di addestramento: Open source
Hugging Face: NousResearch

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia: Confident

Fonti

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

Riferimento: YaRN: Efficient Context Window Extension of Large Language Models
Ultimo aggiornamento: 11 February 2026

Gli estremi

Le dieci GPU più veloci che eseguono YaRN (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 YaRN (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

Cosa ti serve per eseguirlo

Scheda minima

Xeon Phi 7120P

Memoria necessaria

14.0 GB

Più veloce

261 tok/s

YaRN (Llama 2 13B) raggiunge un conteggio di parametri di 13B. 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: 241.

L'hardware minimo che funziona è Xeon Phi 7120P, con una capacità di memoria di 16 GB, eseguendolo a una compressione di Q4_K_M e producendo circa 17.2 token al secondo

All'altra estremità si trova B200, generando approssimativamente 261 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

YaRN (Llama 2 13B) è stato pubblicato da Nous Research,EleutherAI,University of Geneva, nel paese registrato come United States of America, durante November 2023. L'organizzazione di pubblicazione è classificata come industry,Research collective,Academia.

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

Il suo punto di partenza era un modello di base esistente, Llama 2-13B. Quello è il modo abituale in cui viene prodotto un modello specializzato.

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 NousResearch.

Cosa decide la velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 30.0 token al secondo 220 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.

Il suo layout di attenzione è in our database, quindi le cifre di VRAM sono calcolate esattamente piuttosto che approssimate.

Cosa è stato necessario per costruirlo

La produzione di esso ha richiesto un'aritmetica totale di circa 1.9 × 10²⁰ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

L'addestramento ha consumato un corpus di circa 2,457,600,000 token di testo

Passo dopo passo

Come scegliere una GPU per YaRN (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

Leggi prima il numero di VRAM

Inizia da ciò di cui ha realmente bisogno, ovvero il requisito di YaRN (Llama 2 13B), avere bisogno di circa 14.0 GB a una compressione di Q4_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Decidi quanto a lungo durano le tue conversazioni

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 YaRN (Llama 2 13B).
03

Imposta un pavimento di qualità

Ogni card esegue la copia meno compressa che può contenere., raggiungendo una compressione di Q4_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.

Ordina per velocità per vedere come si classificano le schede per YaRN (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 261 tok/s
05

Guarda il margine, non solo l'adattamento

Tight significa che si carica e funziona senza spazio per aumentare il context length in caso di YaRN (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

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 YaRN (Llama 2 13B).

Risposte

YaRN (Llama 2 13B) — domande comuni

YaRN (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 Q8_0, utilizzando circa 20.1 GB e generando approssimativamente 43.7 token al secondo. Il fit è stretto.

YaRN (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.

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

Ha un numero di parametri di 13B. same as base model. 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.

YaRN (Llama 2 13B)— chi l'ha creato?

È stato pubblicato da Nous Research,EleutherAI,University of Geneva, basato su United States of America, un'organizzazione categorizzata come industry,Research collective,Academia.

YaRN (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.

YaRN (Llama 2 13B)— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

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

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

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

L'addestramento ha consumato circa 1.9 × 10²⁰ 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.

YaRN (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 3.2 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

YaRN (Llama 2 13B)— 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: 241. Quindi una seconda CARD è raramente la risposta qui.

YaRN (Llama 2 13B)— 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: 3. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

YaRN (Llama 2 13B)— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 222–313 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.

YaRN (Llama 2 13B)— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Xeon Phi 7120P, con una capacità di memoria di 16 GB. Esegui il modello a una compressione di Q4_K_M utilizzando circa 14.0 GB, e produce approssimativamente 17.2 token al secondo. Il numero di card in grado di eseguirlo in totale: 241.

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

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 261 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: 220.

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

Ha bisogno di 14.0 GB a una compressione di Q4_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.

YaRN (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 14.0 GB e generando approssimativamente 85.0 token al secondo. Il fit è stretto.

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