YaRN (Llama 2 70B) calcolatore TPS

Apri i pesi Nous Research,EleutherAI,University of Geneva 70B 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

61 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

A100 PCIe 40 GB

40 GB · Q3_K_M · 25.5 tok/s

Scheda più veloce

B200

48.4 tok/s · 180 GB

Quali GPU possono eseguire YaRN (Llama 2 70B)?

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.

61 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
48.4 tok/s 41–58	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	73.8 GB	Q8_0	Comodo
48.4 tok/s 41–58	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	73.8 GB	Q8_0	Comodo
38.7 tok/s 23–62 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	73.8 GB	Q8_0	Comodo
38.7 tok/s 23–62 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	73.8 GB	Q8_0	Comodo
30.9 tok/s 19–49 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	73.8 GB	Q8_0	Comodo
29.6 tok/s 25–36	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	73.8 GB	Q8_0	Comodo
29.6 tok/s 25–36	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	73.8 GB	Q8_0	Comodo
29.5 tok/s 25–35	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	57.5 GB	Q6_K	Comodo
29.5 tok/s 25–35	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	57.5 GB	Q6_K	Comodo
28.3 tok/s 17–45 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	73.8 GB	Q8_0	Comodo
26.1 tok/s 22–31	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	41.2 GB	Q4_K_M	Stretto
25.5 tok/s 22–31	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	33.0 GB	Q3_K_M	Stretto
25.5 tok/s 22–31	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	33.0 GB	Q3_K_M	Stretto
25.5 tok/s 22–31	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	33.0 GB	Q3_K_M	Stretto
25.1 tok/s 15–40 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	73.8 GB	Q8_0	Comodo
25.1 tok/s 15–40 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	73.8 GB	Q8_0	Comodo
25.1 tok/s 15–40 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	73.8 GB	Q8_0	Comodo
23.8 tok/s 20–29	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	73.8 GB	Q8_0	Stretto
20.3 tok/s 17–24	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	73.8 GB	Q8_0	Stretto
20.3 tok/s 17–24	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	73.8 GB	Q8_0	Stretto
20.3 tok/s 17–24	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	73.8 GB	Q8_0	Stretto
18.7 tok/s 16–22	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	41.2 GB	Q4_K_M	Stretto
17.9 tok/s 15–22	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	57.5 GB	Q6_K	Comodo
17.9 tok/s 15–22	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	57.5 GB	Q6_K	Comodo
17.9 tok/s 15–22	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	57.5 GB	Q6_K	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: 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 2-70B

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: 70B
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 × 10²¹ FLOP
Come è stato stabilito: Operation counting
Addestramento fine: 1 × 10²¹ 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: Likely

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 70B)

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 70B)

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

A100 PCIe 40 GB

Memoria necessaria

33.0 GB

Più veloce

48.4 tok/s

YaRN (Llama 2 70B) raggiunge un conteggio di parametri di 70B. Questo lo colloca al di sopra dell'hardware consumer, nella fascia in cui una CARD viene acquistata per questo scopo piuttosto che riadattata per esso. Il numero di CARD che teniamo traccia e che possono contenerlo: 61.

L'hardware minimo che funziona è A100 PCIe 40 GB, con una capacità di memoria di 40 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 25.5 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 48.4 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

YaRN (Llama 2 70B) 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 2-70B. 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 NousResearch.

Cosa decide la velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 17.1 token al secondo. Superare la velocità di lettura in modo diretto: 49 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.

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

Il run di addestramento ha consumato circa 1 × 10²¹ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

È stato addestrato su un corpus di circa 2,457,600,000 token di testo

Passo dopo passo

Come scegliere una GPU per YaRN (Llama 2 70B)

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 YaRN (Llama 2 70B), avere bisogno di circa 33.0 GB a una compressione di Q3_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Corrispondi il contesto al tuo utilizzo attuale

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 70B).
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 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.

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per YaRN (Llama 2 70B). 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 48.4 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 YaRN (Llama 2 70B). 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

Controlla la GPU dall'altro lato

Ogni pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a YaRN (Llama 2 70B).

Risposte

YaRN (Llama 2 70B) — domande comuni

YaRN (Llama 2 70B)— 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 70B)— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 1 × 10²¹ 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 70B)— posso eseguirlo se non si adatta nella mia GPU?

Può essere diviso tra la scheda e la memoria di sistema, ma genera dolorosamente lentamente in quel modo. La più vicina mancata che calcoliamo risulta insufficiente di 12.4 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

YaRN (Llama 2 70B)— 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: 61. Quindi una seconda CARD è raramente la risposta qui.

YaRN (Llama 2 70B)— perché la quantizzazione differisce tra le schede?

Ogni card è mostrata mentre esegue la copia meno compressa che può contenere. Il numero di livelli di compressione distinti tra le card che si adattano: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

YaRN (Llama 2 70B)— 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: 41–58 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 70B)— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è A100 PCIe 40 GB, con una capacità di memoria di 40 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 33.0 GB, e produce approssimativamente 25.5 token al secondo. Il numero di card in grado di eseguirlo in totale: 61.

YaRN (Llama 2 70B)— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 48.4 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: 49.

YaRN (Llama 2 70B)— quanta VRAM serve?

Ha bisogno di 33.0 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.

YaRN (Llama 2 70B)— 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 70B)— quanti parametri ha?

Ha un numero di parametri di 70B. 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 70B)— 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 70B)— 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 70B)— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering. 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.

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