Persimmon-8B calcolatore TPS

Apri i pesi Adept 9.3B 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

582 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Quadro 6000

6 GB · Q3_K_M · 15.0 tok/s

Scheda più veloce

B200

364 tok/s · 180 GB

Quali GPU possono eseguire Persimmon-8B?

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.

582 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
364 tok/s 219–583 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.7 GB	Q8_0	Comodo
364 tok/s 219–583 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.7 GB	Q8_0	Comodo
291 tok/s 175–465 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.7 GB	Q8_0	Comodo
291 tok/s 175–465 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.7 GB	Q8_0	Comodo
233 tok/s 140–372 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.7 GB	Q8_0	Comodo
223 tok/s 134–356 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.7 GB	Q8_0	Comodo
223 tok/s 134–356 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.7 GB	Q8_0	Comodo
213 tok/s 128–341 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.7 GB	Q8_0	Comodo
189 tok/s 113–303 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.7 GB	Q8_0	Comodo
189 tok/s 113–303 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.7 GB	Q8_0	Comodo
189 tok/s 113–303 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.7 GB	Q8_0	Comodo
179 tok/s 108–287 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.7 GB	Q8_0	Comodo
157 tok/s 94–251 · bassa fiducia	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.3 GB	Q4_K_M	Stretto
153 tok/s 92–245 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.7 GB	Q8_0	Comodo
153 tok/s 92–245 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.7 GB	Q8_0	Comodo
153 tok/s 92–245 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.7 GB	Q8_0	Comodo
153 tok/s 92–245 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.7 GB	Q8_0	Comodo
153 tok/s 92–245 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	10.7 GB	Q8_0	Comodo
117 tok/s 70–186 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	10.7 GB	Q8_0	Comodo
117 tok/s 70–186 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	10.7 GB	Q8_0	Comodo
103 tok/s 62–165 · bassa fiducia	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.5 GB	Q6_K	Stretto
97.1 tok/s 58–155 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.7 GB	Q8_0	Comodo
95.0 tok/s 57–152 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	10.7 GB	Q8_0	Comodo
92.9 tok/s 56–149 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	10.7 GB	Q8_0	Comodo
92.9 tok/s 56–149 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	10.7 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: Adept
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 7 September 2023
Autori: Erich Elsen, Augustus Odena, Maxwell Nye, Sağnak Taşırlar, Tri Dao, Curtis Hawthorne, Deepak Moparthi, Arushi Somani

Cosa fa

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

Dominio: Language
Compito: Language modeling

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: 9.3B
Dati di addestramento: 737,000,000,000 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: 4.1 × 10²² FLOP
Come è stato stabilito: Operation counting

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)

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: Releasing Persimmon-8B
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Persimmon-8B

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 Persimmon-8B

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

Quadro 6000

Memoria necessaria

5.2 GB

Più veloce

364 tok/s

Persimmon-8B raggiunge un conteggio di parametri di 9.3B. 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: 582.

A basso prezzo è gestito da Quadro 6000, con una capacità di memoria di 6 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 15.0 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 364 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

Persimmon-8B è stato pubblicato da Adept, nel paese registrato come United States of America, durante September 2023. La categoria sotto cui rientra l'editore è industry.

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

I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato.

Cosa decide la velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 23.0 token al secondo. Superare la velocità di lettura in modo diretto: 543 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.

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

Il run di addestramento ha consumato circa 4.1 × 10²² FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

Il set di addestramento si aggirava attorno a 737,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per Persimmon-8B

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 Persimmon-8B, avere bisogno di circa 5.2 GB a una compressione di Q3_K_M. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

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. Persimmon-8B.
03

Decidi quanto spazio di compressione accetterai

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 Persimmon-8B. 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 364 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 Persimmon-8B. 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.

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 Persimmon-8B.

Risposte

Persimmon-8B — domande comuni

Persimmon-8B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 364 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: 543.

Persimmon-8B— quanta VRAM serve?

Ha bisogno di 5.2 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.

Persimmon-8B— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q4_K_M, utilizzando circa 6.3 GB e generando approssimativamente 157 token al secondo. Il fit è stretto.

Persimmon-8B— 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 10.7 GB e generando approssimativamente 41.6 token al secondo. Il fit è stretto.

Persimmon-8B— 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 10.7 GB e generando approssimativamente 51.5 token al secondo. Il fit è comodo.

Persimmon-8B— 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 10.7 GB e generando approssimativamente 61.0 token al secondo. Il fit è comodo.

Persimmon-8B— 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.

Persimmon-8B— quanti parametri ha?

Ha un numero di parametri di 9.3B. "The checkpoint we are releasing has approximately 9.3B parameters. In order to make pipelining during training more efficient, we chose to decouple the input and output embeddings. Doing this does not increase the capacity of the model–it is purely a systems optimization to avoid all-reducing the gradients for the (very large) embeddings across potentially slow communication links. In terms of inference cost, the model is equivalent to an 8B parameter model with coupled input/output embeddings.". 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.

Persimmon-8B— chi l'ha creato?

È stato pubblicato da Adept, basato su United States of America, un'organizzazione categorizzata come industry.

Persimmon-8B— 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.

Persimmon-8B— A cosa serve?

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

Persimmon-8B— 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.

Persimmon-8B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 4.1 × 10²² 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.

Persimmon-8B— 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 1.8 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Persimmon-8B— 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: 582. Quindi una seconda CARD è raramente la risposta qui.

Persimmon-8B— 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.

Persimmon-8B— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 219–583 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.

Persimmon-8B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Quadro 6000, con una capacità di memoria di 6 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 5.2 GB, e produce approssimativamente 15.0 token al secondo. Il numero di card in grado di eseguirlo in totale: 582.

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