Llama Nemotron Super 49B calcolatore TPS

Apri i pesi NVIDIA 49B parametri March 2025

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

93 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Radeon PRO V710

28 GB · Q3_K_M · 9.2 tok/s

Scheda più veloce

B200

69.2 tok/s · 180 GB

Quali GPU possono eseguire Llama Nemotron Super 49B?

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.

93 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
69.2 tok/s 41–111 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	53.2 GB	Q8_0	Comodo
69.2 tok/s 41–111 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	53.2 GB	Q8_0	Comodo
55.2 tok/s 33–88 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	53.2 GB	Q8_0	Comodo
55.2 tok/s 33–88 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	53.2 GB	Q8_0	Comodo
44.2 tok/s 27–71 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	53.2 GB	Q8_0	Comodo
42.3 tok/s 25–68 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	53.2 GB	Q8_0	Comodo
42.3 tok/s 25–68 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	53.2 GB	Q8_0	Comodo
40.5 tok/s 24–65 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	53.2 GB	Q8_0	Comodo
39.7 tok/s 24–64 · bassa fiducia	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	IQ4_XS	Stretto
39.7 tok/s 24–64 · bassa fiducia	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	IQ4_XS	Stretto
38.0 tok/s 23–61 · bassa fiducia	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	IQ4_XS	Stretto
38.0 tok/s 23–61 · bassa fiducia	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	IQ4_XS	Stretto
35.9 tok/s 22–57 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Comodo
35.9 tok/s 22–57 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Comodo
35.9 tok/s 22–57 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Comodo
34.1 tok/s 20–54 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	53.2 GB	Q8_0	Comodo
31.1 tok/s 19–50 · bassa fiducia	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	30.3 GB	Q4_K_M	Stretto
31.1 tok/s 19–50 · bassa fiducia	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	30.3 GB	Q4_K_M	Stretto
31.1 tok/s 19–50 · bassa fiducia	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	30.3 GB	Q4_K_M	Stretto
29.0 tok/s 17–46 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Comodo
29.0 tok/s 17–46 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	53.2 GB	Q8_0	Comodo
29.0 tok/s 17–46 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Comodo
29.0 tok/s 17–46 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Comodo
29.0 tok/s 17–46 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Comodo
24.0 tok/s 14–38 · bassa fiducia	Tesla PG500-216 NVIDIA	32 GB	1,130 GB/s	Nov 2019	27.5 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: NVIDIA
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 18 March 2025
Autori: Akhiad Bercovich, Itay Levy, Izik Golan, Mohammad Dabbah, Ran El-Yaniv, Omri Puny, Ido Galil, Zach Moshe, Tomer Ronen, Najeeb Nabwani, Ido Shahaf, Oren Tropp, Ehud Karpas, Ran Zilberstein, Jiaqi Zeng, Soumye Singhal, Alexander Bukharin, Yian Zhang, Tugrul Konuk, Gerald Shen, Ameya Sunil Mahabaleshwarkar, Bilal Kartal, Yoshi Suhara, Olivier Delalleau, Zijia Chen, Zhilin Wang, David Mosallanezhad, A…

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, Quantitative reasoning, Code generation, Neural Architecture Search - NAS
Modello di base: Llama 3.3 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: 49B
Dati di addestramento: 100,000,000,000 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.

Come è stato stabilito: Operation counting
Addestramento fine: 2.9 × 10²² 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: Unreleased
Hugging Face: nvidia

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: Super is 49B distilled from Llama 3.3 70B for best accuracy with highest throughput on a data center GPU.
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Llama Nemotron Super 49B

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 Llama Nemotron Super 49B

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 PRO V710

Memoria necessaria

24.6 GB

Più veloce

69.2 tok/s

Llama Nemotron Super 49B raggiunge un conteggio di parametri di 49B. Questo rientra nell'intervallo che una seria GPU DESKTOP può gestire una volta compressi i pesi. Il numero di GPU che monitoriamo che possono eseguirlo: 93.

L'hardware minimo che funziona è Radeon PRO V710, con una capacità di memoria di 28 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 9.2 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 69.2 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Llama Nemotron Super 49B è stato pubblicato da NVIDIA, nel paese registrato come United States of America, durante March 2025. Esce da un'organizzazione categorizzata come industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Question answering, Quantitative reasoning, Code generation, Neural Architecture Search - NAS.

Invece di essere addestrato da zero, è derivato da Llama 3.3 70B. Quello è il modo abituale in cui viene prodotto un modello specializzato.

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. Su Hugging Face è pubblicato sotto l'organizzazione nvidia.

Quanto è veloce nel funzionare e perché

Il risultato mediano è attorno 17.5 token al secondo 71 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.

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

L'addestramento ha consumato un corpus di circa 100,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per Llama Nemotron Super 49B

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 Llama Nemotron Super 49B, avere bisogno di circa 24.6 GB a una compressione di Q3_K_M. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

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 Llama Nemotron Super 49B.
03

Decidi quanto spazio di compressione accetterai

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 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 Llama Nemotron Super 49B. 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 69.2 tok/s
05

Leggi l'ultima colonna di fit

Tight significa che si carica e funziona senza spazio per aumentare il context length in caso di Llama Nemotron Super 49B. 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 Llama Nemotron Super 49B.

Risposte

Llama Nemotron Super 49B — domande comuni

Llama Nemotron Super 49B— 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 8.7 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Llama Nemotron Super 49B— 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: 93. Quindi una seconda CARD è raramente la risposta qui.

Llama Nemotron Super 49B— 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: 5. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Llama Nemotron Super 49B— 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: 41–111 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.

Llama Nemotron Super 49B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Radeon PRO V710, con una capacità di memoria di 28 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 24.6 GB, e produce approssimativamente 9.2 token al secondo. Il numero di card in grado di eseguirlo in totale: 93.

Llama Nemotron Super 49B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 69.2 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: 71.

Llama Nemotron Super 49B— quanta VRAM serve?

Ha bisogno di 24.6 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.

Llama Nemotron Super 49B— 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.

Llama Nemotron Super 49B— quanti parametri ha?

Ha un numero di parametri di 49B. The model is a derivative of Meta’s Llama-3.3-70B-Instruct, using Neural Architecture Search (NAS). The NAS algorithm results in non-standard and non-repetitive blocks. This includes the following: Skip attention: In some blocks, the attention is skipped entirely, or replaced with a single linear layer. Variable FFN: The expansion/compression ratio in the FFN layer is different between blocks. We utilize a block-wise distillation of the reference model, where for each block we create multiple variants providing different tradeoffs of quality vs. computational complexity, discussed in more depth below. We then search over the blocks to create a model which meets the required throughput and memory (optimized for a single H100-80GB GPU) while minimizing the quality degradation. 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.

Llama Nemotron Super 49B— chi l'ha creato?

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

Llama Nemotron Super 49B— quando è stato rilasciato?

È stato pubblicato in March 2025.

Llama Nemotron Super 49B— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering, Quantitative reasoning, Code generation, Neural Architecture Search - NAS. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

Llama Nemotron Super 49B— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione nvidia. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

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