Galactica calcolatore TPS

Apri i pesi Meta AI 120B parametri November 2022

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

38 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

RTX PRO 5000 72 GB Blackwell

72 GB · Q3_K_M · 12.8 tok/s

Scheda più veloce

H100 NVL 94 GB

32.1 tok/s · 94 GB

Quali GPU possono eseguire Galactica?

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.

38 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
32.1 tok/s 19–51 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	73.3 GB	Q4_K_M	Stretto
29.1 tok/s 17–47 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	66.3 GB	IQ4_XS	Stretto
29.1 tok/s 17–47 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	66.3 GB	IQ4_XS	Stretto
28.2 tok/s 17–45 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	129.2 GB	Q8_0	Comodo
28.2 tok/s 17–45 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	129.2 GB	Q8_0	Comodo
27.4 tok/s 16–44 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	73.3 GB	Q4_K_M	Stretto
27.4 tok/s 16–44 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	73.3 GB	Q4_K_M	Stretto
27.4 tok/s 16–44 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	73.3 GB	Q4_K_M	Stretto
26.2 tok/s 16–42 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	101.2 GB	Q6_K	Stretto
25.1 tok/s 15–40 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	101.2 GB	Q6_K	Comodo
25.1 tok/s 15–40 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	101.2 GB	Q6_K	Comodo
22.6 tok/s 14–36 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	129.2 GB	Q8_0	Comodo
22.6 tok/s 14–36 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	129.2 GB	Q8_0	Comodo
21.3 tok/s 13–34 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	101.2 GB	Q6_K	Stretto
17.7 tok/s 11–28 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	66.3 GB	IQ4_XS	Stretto
17.7 tok/s 11–28 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	66.3 GB	IQ4_XS	Stretto
17.7 tok/s 11–28 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	66.3 GB	IQ4_XS	Stretto
17.7 tok/s 11–28 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	66.3 GB	IQ4_XS	Stretto
17.7 tok/s 11–28 · bassa fiducia	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	66.3 GB	IQ4_XS	Stretto
17.7 tok/s 11–28 · bassa fiducia	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	66.3 GB	IQ4_XS	Stretto
16.8 tok/s 10–27 · bassa fiducia	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	66.3 GB	IQ4_XS	Stretto
16.8 tok/s 10–27 · bassa fiducia	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	66.3 GB	IQ4_XS	Stretto
16.5 tok/s 10–26 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	129.2 GB	Q8_0	Comodo
14.7 tok/s 9–23 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	129.2 GB	Q8_0	Comodo
14.7 tok/s 9–23 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	129.2 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: Meta AI
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 16 November 2022
Autori: Ross Taylor, Marcin Kardas, Guillem Cucurull, Thomas Scialom, Anthony Hartshorn, Elvis Saravia, Andrew Poulton, Viktor Kerkez, Robert Stojnic

Cosa fa

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

Dominio: Language, Biology
Compito: Language modeling, Question answering, Mathematical reasoning, Medical diagnosis, Language modeling/generation
Approccio: Self-supervised learning

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: 120B
Dati di addestramento: 106,000,000,000 tokens
Epoche: 4
Dimensione del Batch: 2,000,000

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: 3.2 × 10²³ FLOP
Come è stato stabilito: Operation counting

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: NVIDIA A100 SXM4 80 GB
Chip utilizzati: 128
Consumo energetico: 102.4 kW
Costo di calcolo: $591,077

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 (non-commercial)
Codice di addestramento: Unreleased

Come è classificato

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

Modello di base: Yes
Probabilmente sopra 10²³ FLOP: Yes
Perché è monitorato: SOTA improvement
Record fiducia: Likely
Citazioni: 1,017

Fonti

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

Riferimento: Galactica: A Large Language Model for Science
Ultimo aggiornamento: 25 May 2026

Gli estremi

Le dieci GPU più veloci che eseguono Galactica

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 Galactica

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

Requisiti hardware in pratica

Scheda minima

RTX PRO 5000 72 GB Blackwell

Memoria necessaria

59.3 GB

Più veloce

32.1 tok/s

Galactica raggiunge un conteggio di parametri di 120B. 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: 38.

Il punto di ingresso è RTX PRO 5000 72 GB Blackwell, con una capacità di memoria di 72 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 12.8 token al secondo

Il più veloce che calcoliamo per esso è H100 NVL 94 GB, generando approssimativamente 32.1 token al secondo sulla base di una larghezza di banda di VRAM 3,940 GB/s.

Da dove è venuto

Galactica è stato pubblicato da Meta AI, nel paese registrato come United States of America, durante November 2022. L'organizzazione di pubblicazione è classificata come industry.

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

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

Comprendere le velocità

Meta delle schede che lo supportano gestiscono più di 17.7 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 36 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.

Senza il layout di attenzione in archivio, la colonna della memoria è un'approssimazione. È abbastanza vicino per scegliere l'hardware e meno affidabile con contesto lungo.

Cosa è stato necessario per costruirlo

Il run di addestramento ha consumato circa 3.2 × 10²³ FLOP, su hardware registrato come NVIDIA A100 SXM4 80 GB. 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 106,000,000,000 token di testo

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

Passo dopo passo

Come scegliere una GPU per Galactica

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

Ogni card qui è stata controllata contro Galactica, avere bisogno di circa 59.3 GB a una compressione di Q3_K_M. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
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. Galactica.
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

Ordina per velocità

Il ranking per tokens al secondo segue la larghezza di banda della memoria piuttosto che il numero di core, per Galactica. 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 H100 NVL 94 GB, nella 32.1 tok/s
05

Guarda il margine, non solo l'adattamento

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Galactica. 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. Galactica.

Risposte

Galactica — domande comuni

Galactica— 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 15.7 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Galactica— due GPU lo farebbero andare più veloce?

Due schede comprano VRAM piuttosto che velocità, che conta solo se una scheda non può contenerla. Il numero che può: 38. Quindi una seconda CARD è raramente la risposta qui.

Galactica— 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.

Galactica— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 19–51 tok/s su H100 NVL 94 GB. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

Galactica— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è RTX PRO 5000 72 GB Blackwell, con una capacità di memoria di 72 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 59.3 GB, e produce approssimativamente 12.8 token al secondo. Il numero di card in grado di eseguirlo in totale: 38.

Galactica— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è H100 NVL 94 GB, circa 32.1 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: 36.

Galactica— quanta VRAM serve?

Ha bisogno di 59.3 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.

Galactica— 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.

Galactica— quanti parametri ha?

Ha un numero di parametri di 120B. "The largest 120B model we train runs on a single NVIDIA A100 node". 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.

Galactica— chi l'ha creato?

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

Galactica— quando è stato rilasciato?

È stato pubblicato in November 2022. 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.

Galactica— A cosa serve?

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

Galactica— 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.

Galactica— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 3.2 × 10²³ FLOP, su hardware registrato come NVIDIA A100 SXM4 80 GB. 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 25 May 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