PengCheng Mind (鹏城脑海) calcolatore TPS

Apri i pesi Peng Cheng Laboratory 200B parametri September 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

17 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Radeon Instinct MI250

128 GB · IQ4_XS · 13.3 tok/s

Scheda più veloce

B200

30.3 tok/s · 180 GB

Quali GPU possono eseguire PengCheng Mind (鹏城脑海)?

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.

17 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
30.3 tok/s 18–48 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	145.0 GB	Q5_K_M	Stretto
26.6 tok/s 16–43 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	110.1 GB	IQ4_XS	Stretto
23.9 tok/s 14–38 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	121.7 GB	Q4_K_M	Stretto
23.9 tok/s 14–38 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	121.7 GB	Q4_K_M	Stretto
21.6 tok/s 13–35 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	110.1 GB	IQ4_XS	Stretto
16.9 tok/s 10–27 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	214.8 GB	Q8_0	Comodo
13.5 tok/s 8–22 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q8_0	Comodo
13.5 tok/s 8–22 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q8_0	Comodo
13.3 tok/s 8–21 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	110.1 GB	IQ4_XS	Stretto
13.3 tok/s 8–21 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	110.1 GB	IQ4_XS	Stretto
12.8 tok/s 8–20 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	168.3 GB	Q6_K	Stretto
12.8 tok/s 8–20 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	168.3 GB	Q6_K	Stretto
11.1 tok/s 7–18 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	110.1 GB	IQ4_XS	Stretto
10.9 tok/s 7–17 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	110.1 GB	IQ4_XS	Stretto
9.9 tok/s 6–16 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	214.8 GB	Q8_0	Stretto
1.4 tok/s 1–2 · bassa fiducia	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	110.1 GB	IQ4_XS	Stretto
1.4 tok/s 1–2 · bassa fiducia	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	110.1 GB	IQ4_XS	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: Peng Cheng Laboratory
Tipo di organizzazione: Academia
Paese: China
Pubblicato: 21 September 2023

Cosa fa

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

Dominio: Language
Compito: Chat, Code generation, Translation

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: 200B
Dati di addestramento: tokens

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: Ascend (昇腾) 910
Chip utilizzati: 144
Centro dati: PengCheng Cloud Brain II

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)

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: OpenI启智社区/PengCheng.Mind
Ultimo aggiornamento: 11 February 2026

Gli estremi

Le dieci GPU più veloci che eseguono PengCheng Mind (鹏城脑海)

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 PengCheng Mind (鹏城脑海)

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

Radeon Instinct MI250

Memoria necessaria

110.1 GB

Più veloce

30.3 tok/s

PengCheng Mind (鹏城脑海) raggiunge un conteggio di parametri di 200B. Questo è oltre ciò che qualsiasi singola scheda grafica può contenere. Eseguire questo significa o suddividerlo tra più schede o noleggiare hardware progettato per il lavoro, e ogni scheda in grado di contenerlo da sola è un componente da datacenter. Il numero che può: 17.

L'hardware minimo che funziona è Radeon Instinct MI250, con una capacità di memoria di 128 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 13.3 token al secondo

All'altra estremità si trova B200, generando approssimativamente 30.3 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

PengCheng Mind (鹏城脑海) è stato pubblicato da Peng Cheng Laboratory, nel paese registrato come China, durante September 2023. Esce da un'organizzazione categorizzata come academia.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di chat, Code generation, Translation.

Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato.

Cosa decide la velocità

Il risultato mediano è attorno 13.3 token al secondo 14 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.

Passo dopo passo

Come scegliere una GPU per PengCheng Mind (鹏城脑海)

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

La tabella elenca ogni card in grado di contenere PengCheng Mind (鹏城脑海), avere bisogno di circa 110.1 GB a una compressione di IQ4_XS. 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 PengCheng Mind (鹏城脑海).
03

Imposta un pavimento di qualità

La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza., 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

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 PengCheng Mind (鹏城脑海). 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 30.3 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 PengCheng Mind (鹏城脑海). 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 PengCheng Mind (鹏城脑海).

Risposte

PengCheng Mind (鹏城脑海) — domande comuni

PengCheng Mind (鹏城脑海)— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 18–48 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.

PengCheng Mind (鹏城脑海)— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Radeon Instinct MI250, con una capacità di memoria di 128 GB. Esegui il modello a una compressione di IQ4_XS utilizzando circa 110.1 GB, e produce approssimativamente 13.3 token al secondo. Il numero di card in grado di eseguirlo in totale: 17.

PengCheng Mind (鹏城脑海)— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 30.3 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: 14.

PengCheng Mind (鹏城脑海)— quanta VRAM serve?

Ha bisogno di 110.1 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.

PengCheng Mind (鹏城脑海)— 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.

PengCheng Mind (鹏城脑海)— quanti parametri ha?

Ha un numero di parametri di 200B. "PengCheng.Mind 又称鹏城·脑海是鹏城实验室开发、开源、开放的基于Transformer架构的自回归式语言模型，目前包含7B、200B两个版本". 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.

PengCheng Mind (鹏城脑海)— chi l'ha creato?

È stato pubblicato da Peng Cheng Laboratory, basato su China, un'organizzazione categorizzata come academia.

PengCheng Mind (鹏城脑海)— quando è stato rilasciato?

È stato pubblicato in September 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.

PengCheng Mind (鹏城脑海)— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di chat, Code generation, Translation. 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.

PengCheng Mind (鹏城脑海)— 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.

PengCheng Mind (鹏城脑海)— 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 35.3 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

PengCheng Mind (鹏城脑海)— 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: 17. Quindi una seconda CARD è raramente la risposta qui.

PengCheng Mind (鹏城脑海)— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

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