Japanese dialog transformers calcolatore TPS

Apri i pesi NTT Communication Science Laboratories 1.6B parametri November 2021

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

818 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Tesla C1080

4 GB · Q8_0 · 23.0 tok/s

Scheda più veloce

B200

2,118 tok/s · 180 GB

Quali GPU possono eseguire Japanese dialog transformers?

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.

818 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
2,118 tok/s 1,271–3,388 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	2.4 GB	Q8_0	Comodo
2,118 tok/s 1,271–3,388 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	2.4 GB	Q8_0	Comodo
1,691 tok/s 1,015–2,706 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	2.4 GB	Q8_0	Comodo
1,691 tok/s 1,015–2,706 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	2.4 GB	Q8_0	Comodo
1,352 tok/s 811–2,164 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	2.4 GB	Q8_0	Comodo
1,294 tok/s 777–2,071 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	2.4 GB	Q8_0	Comodo
1,294 tok/s 777–2,071 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	2.4 GB	Q8_0	Comodo
1,239 tok/s 743–1,982 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	2.4 GB	Q8_0	Comodo
1,099 tok/s 660–1,759 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	2.4 GB	Q8_0	Comodo
1,099 tok/s 660–1,759 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	2.4 GB	Q8_0	Comodo
1,099 tok/s 660–1,759 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	2.4 GB	Q8_0	Comodo
1,043 tok/s 626–1,669 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	2.4 GB	Q8_0	Comodo
889 tok/s 534–1,423 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	2.4 GB	Q8_0	Comodo
889 tok/s 534–1,423 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	2.4 GB	Q8_0	Comodo
889 tok/s 534–1,423 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	2.4 GB	Q8_0	Comodo
889 tok/s 534–1,423 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	2.4 GB	Q8_0	Comodo
889 tok/s 534–1,423 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	2.4 GB	Q8_0	Comodo
677 tok/s 406–1,084 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	2.4 GB	Q8_0	Comodo
677 tok/s 406–1,084 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	2.4 GB	Q8_0	Comodo
564 tok/s 339–903 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	2.4 GB	Q8_0	Comodo
552 tok/s 331–884 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	2.4 GB	Q8_0	Comodo
540 tok/s 324–864 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	2.4 GB	Q8_0	Comodo
540 tok/s 324–864 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	2.4 GB	Q8_0	Comodo
540 tok/s 324–864 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	2.4 GB	Q8_0	Comodo
540 tok/s 324–864 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	2.4 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: NTT Communication Science Laboratories
Tipo di organizzazione: Industry
Paese: Japan
Pubblicato: 9 November 2021
Autori: Hiroaki Sugiyama, Masahiro Mizukami, Tsunehiro Arimoto, Hiromi Narimatsu, Yuya Chiba, Hideharu Nakajima, Toyomi Meguro

Cosa fa

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

Dominio: Language
Compito: Chat, Language modeling/generation

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: 1.6B
Dati di addestramento: 42,630,000,000 tokens

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: Open (non-commercial)

Come è classificato

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

Citazioni: 59

Fonti

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

Riferimento: Empirical Analysis of Training Strategies of Transformer-based Japanese Chit-chat Systems
Ultimo aggiornamento: 25 May 2026

Gli estremi

Le dieci GPU più veloci che eseguono Japanese dialog transformers

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 Japanese dialog transformers

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

Tesla C1080

Memoria necessaria

2.4 GB

Più veloce

2,118 tok/s

Japanese dialog transformers raggiunge un conteggio di parametri di 1.6B. 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: 818.

L'hardware minimo che funziona è Tesla C1080, con una capacità di memoria di 4 GB, eseguendolo a una compressione di Q8_0 e producendo circa 23.0 token al secondo

All'altra estremità si trova B200, generando approssimativamente 2,118 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Japanese dialog transformers è stato pubblicato da NTT Communication Science Laboratories, nel paese registrato come Japan, durante November 2021. L'organizzazione di pubblicazione è classificata come industry.

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

I pesi pubblicati significano che il modello gira sulla tua macchina piuttosto che su quella di qualcun altro, il che rende la domanda sull'hardware qui sotto rispondibile.

Quanto è veloce nel funzionare e perché

Meta delle schede che lo supportano gestiscono più di 59.5 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 794 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 sua architettura interna non è in archivio, quindi la memoria è approssimata dal conteggio dei parametri e contrassegnata di conseguenza. Aspettatevi che la cifra reale differisca, soprattutto con contesti lunghi.

Cosa è stato necessario per costruirlo

È stato addestrato su un corpus di circa 42,630,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per Japanese dialog transformers

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

La tabella elenca ogni card in grado di contenere Japanese dialog transformers, avere bisogno di circa 2.4 GB a una compressione di Q8_0. 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. Japanese dialog transformers.
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 Q8_0 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

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per Japanese dialog transformers. 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 2,118 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 Japanese dialog transformers. 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 pagina della scheda ripete questo sondaggio per ogni modello che possediamo, rispondendo a cosa altro l'hardware è utile oltre a Japanese dialog transformers.

Risposte

Japanese dialog transformers — domande comuni

Japanese dialog transformers— chi l'ha creato?

È stato pubblicato da NTT Communication Science Laboratories, basato su Japan, un'organizzazione categorizzata come industry.

Japanese dialog transformers— quando è stato rilasciato?

È stato pubblicato in November 2021. 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.

Japanese dialog transformers— A cosa serve?

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

Japanese dialog transformers— 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.

Japanese dialog transformers— 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. Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Japanese dialog transformers— 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: 818. Quindi una seconda CARD è raramente la risposta qui.

Japanese dialog transformers— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 1. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Japanese dialog transformers— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 1,271–3,388 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.

Japanese dialog transformers— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Tesla C1080, con una capacità di memoria di 4 GB. Esegui il modello a una compressione di Q8_0 utilizzando circa 2.4 GB, e produce approssimativamente 23.0 token al secondo. Il numero di card in grado di eseguirlo in totale: 818.

Japanese dialog transformers— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 2,118 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: 794.

Japanese dialog transformers— quanta VRAM serve?

Ha bisogno di 2.4 GB a una compressione di Q8_0, 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.

Japanese dialog transformers— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q8_0, utilizzando circa 2.4 GB e generando approssimativamente 394 token al secondo. Il fit è comodo.

Japanese dialog transformers— 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 2.4 GB e generando approssimativamente 242 token al secondo. Il fit è comodo.

Japanese dialog transformers— 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 2.4 GB e generando approssimativamente 299 token al secondo. Il fit è comodo.

Japanese dialog transformers— 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 2.4 GB e generando approssimativamente 355 token al secondo. Il fit è comodo.

Japanese dialog transformers— 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.

Japanese dialog transformers— quanti parametri ha?

Ha un numero di parametri di 1.6B. "We examined the improvement in model size in detail by considering four model sizes: 0.35B, 0.7B, 1.1B, and 1.6B parameters". 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.

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