Ling-Plus ("Bailing") calcolatore TPS

Apri i pesi Ant Group 290B 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

7 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

B200

180 GB · IQ4_XS · 28.7 tok/s

Scheda più veloce

B200

28.7 tok/s · 180 GB

Quali GPU possono eseguire Ling-Plus ("Bailing")?

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.

7 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
28.7 tok/s 17–46 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	159.3 GB	IQ4_XS	Stretto
17.0 tok/s 10–27 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	243.7 GB	Q6_K	Stretto
14.9 tok/s 9–24 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	159.3 GB	IQ4_XS	Stretto
14.9 tok/s 9–24 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	159.3 GB	IQ4_XS	Stretto
13.6 tok/s 8–22 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	243.7 GB	Q6_K	Stretto
13.6 tok/s 8–22 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	243.7 GB	Q6_K	Stretto
12.2 tok/s 7–20 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	209.9 GB	Q5_K_M	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: Ant Group
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 10 March 2025
Autori: Ling Team, Binwei Zeng, Chao Huang, Chao Zhang, Changxin Tian, Cong Chen, Dingnan Jin, Feng Yu, Feng Zhu, Feng Yuan, Fakang Wang, Gangshan Wang, Guangyao Zhai, Haitao Zhang, Huizhong Li, Jun Zhou, Jia Liu, Junpeng Fang, Junjie Ou, Jun Hu, Ji Luo, Ji Zhang, Jian Liu, Jian Sha, Jianxue Qian, Jiewei Wu, Junping Zhao, Jianguo Li, Jubao Feng, Jingchao Di, Junming Xu, Jinghua Yao, Kuan Xu, Kewei Du, Lon…

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, Code 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: 290B
Dati di addestramento: 9,000,000,000,000 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: 1.6 × 10²⁴ 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)
Codice di addestramento: Unreleased
Hugging Face: inclusionAI

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: Every FLOP Counts: Scaling a 300B Mixture-of-Experts LING LLM without Premium GPUs
Ultimo aggiornamento: 11 February 2026

Gli estremi

Le dieci GPU più veloci che eseguono Ling-Plus ("Bailing")

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 Ling-Plus ("Bailing")

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 serve per eseguire questo modello

Scheda minima

B200

Memoria necessaria

159.3 GB

Più veloce

28.7 tok/s

Ling-Plus ("Bailing") raggiunge un conteggio di parametri di 290B. 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: 7.

La scheda più piccola che lo tiene è B200, con una capacità di memoria di 180 GB, eseguendolo a una compressione di IQ4_XS e producendo circa 28.7 token al secondo

Il risultato più rapido proviene da B200, generando approssimativamente 28.7 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Ling-Plus ("Bailing") è stato pubblicato da Ant Group, nel paese registrato come China, 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, Code generation.

I pesi sono pubblicati, quindi possono essere scaricati e eseguiti sul proprio hardware indefinitamente, offline, senza un account associato. Su Hugging Face è pubblicato sotto l'organizzazione inclusionAI.

Quanto è veloce nel funzionare e perché

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 14.9 token al secondo. Superare la velocità di lettura in modo diretto: 7 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.

Come è stato addestrato

Il training ha richiesto un budget di calcolo di circa 1.6 × 10²⁴ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

L'addestramento ha consumato un corpus di circa 9,000,000,000,000 token di testo

Passo dopo passo

Come scegliere una GPU per Ling-Plus ("Bailing")

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 Ling-Plus ("Bailing"), avere bisogno di circa 159.3 GB a una compressione di IQ4_XS. Nessuna quantità di potenza di elaborazione compensano una card che non può contenerla.
02

Decidi quanto a lungo durano le tue conversazioni

La conversazione occupa memoria anche, e cresce man mano che procede. Imposta il cursore sulla lunghezza che ti aspetti, perché con un contesto lungo una CARD che gestisce facilmente domande brevi può essere scartata da Ling-Plus ("Bailing").
03

Decidi quanto spazio di compressione accetterai

Ogni card esegue la copia meno compressa che può contenere., 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.

Ordina per velocità per vedere come si classificano le schede per Ling-Plus ("Bailing"). 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 28.7 tok/s
05

Leggi l'ultima colonna di fit

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Ling-Plus ("Bailing"). 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 Ling-Plus ("Bailing").

Risposte

Ling-Plus ("Bailing") — domande comuni

Ling-Plus ("Bailing")— A cosa serve?

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

Ling-Plus ("Bailing")— Dove posso scaricarlo?

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

Ling-Plus ("Bailing")— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 1.6 × 10²⁴ 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.

Ling-Plus ("Bailing")— 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 49.2 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Ling-Plus ("Bailing")— 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: 7. Quindi una seconda CARD è raramente la risposta qui.

Ling-Plus ("Bailing")— 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: 3. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Ling-Plus ("Bailing")— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 17–46 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.

Ling-Plus ("Bailing")— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è B200, con una capacità di memoria di 180 GB. Esegui il modello a una compressione di IQ4_XS utilizzando circa 159.3 GB, e produce approssimativamente 28.7 token al secondo. Il numero di card in grado di eseguirlo in totale: 7.

Ling-Plus ("Bailing")— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 28.7 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: 7.

Ling-Plus ("Bailing")— quanta VRAM serve?

Ha bisogno di 159.3 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.

Ling-Plus ("Bailing")— 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.

Ling-Plus ("Bailing")— quanti parametri ha?

Ha un numero di parametri di 290B. 290 billion parameters with 28.8 billion activated 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.

Ling-Plus ("Bailing")— chi l'ha creato?

È stato pubblicato da Ant Group, basato su China, un'organizzazione categorizzata come industry.

Ling-Plus ("Bailing")— quando è stato rilasciato?

È stato pubblicato in March 2025.

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