Jamba 1.6 Mini calcolatore TPS

Apri i pesi AI21 Labs 52B 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 · 37.4 tok/s

Scheda più veloce

B200

282 tok/s · 180 GB

Quali GPU possono eseguire Jamba 1.6 Mini?

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
282 tok/s 169–452 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	55.4 GB	Q8_0	Comodo
282 tok/s 169–452 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	55.4 GB	Q8_0	Comodo
225 tok/s 135–361 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	55.4 GB	Q8_0	Comodo
225 tok/s 135–361 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	55.4 GB	Q8_0	Comodo
180 tok/s 108–289 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	55.4 GB	Q8_0	Comodo
173 tok/s 104–276 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	55.4 GB	Q8_0	Comodo
173 tok/s 104–276 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	55.4 GB	Q8_0	Comodo
165 tok/s 99–264 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	55.4 GB	Q8_0	Comodo
162 tok/s 97–259 · bassa fiducia	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	IQ4_XS	Stretto
162 tok/s 97–259 · bassa fiducia	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	IQ4_XS	Stretto
155 tok/s 93–248 · bassa fiducia	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	IQ4_XS	Stretto
155 tok/s 93–248 · bassa fiducia	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	IQ4_XS	Stretto
147 tok/s 88–235 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	55.4 GB	Q8_0	Comodo
147 tok/s 88–235 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	55.4 GB	Q8_0	Comodo
147 tok/s 88–235 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	55.4 GB	Q8_0	Comodo
139 tok/s 83–222 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	55.4 GB	Q8_0	Comodo
127 tok/s 76–203 · bassa fiducia	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	31.2 GB	Q4_K_M	Stretto
127 tok/s 76–203 · bassa fiducia	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	31.2 GB	Q4_K_M	Stretto
127 tok/s 76–203 · bassa fiducia	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	31.2 GB	Q4_K_M	Stretto
119 tok/s 71–190 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comodo
119 tok/s 71–190 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	55.4 GB	Q8_0	Comodo
119 tok/s 71–190 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comodo
119 tok/s 71–190 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comodo
119 tok/s 71–190 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comodo
118 tok/s 71–189 · bassa fiducia	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	37.2 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: AI21 Labs
Tipo di organizzazione: Industry
Paese: Israel
Pubblicato: 6 March 2025

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, Retrieval-augmented generation, Chat, Quantitative reasoning, Table tasks, Translation

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: 52B
Dati di addestramento: 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 (restricted use)
Codice di addestramento: Unreleased
Hugging Face: ai21labs

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: AI21’s Jamba 1.6: The Best Open Model for Private Enterprise Deployment
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Jamba 1.6 Mini

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 Jamba 1.6 Mini

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

Radeon PRO V710

Memoria necessaria

25.1 GB

Più veloce

282 tok/s

Jamba 1.6 Mini raggiunge un conteggio di parametri di 52B. 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.

La scheda più piccola che lo tiene è Radeon PRO V710, con una capacità di memoria di 28 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 37.4 token al secondo

Top di gamma è B200, generando approssimativamente 282 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

Jamba 1.6 Mini è stato pubblicato da AI21 Labs, nel paese registrato come Israel, 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, Retrieval-augmented generation, Chat, Quantitative reasoning, Table tasks, Translation.

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 ai21labs.

Leggendo i dati di throughput

Il risultato mediano è attorno 72.0 token al secondo. Superare la velocità di lettura in modo diretto: 89 di loro

Poiché instrada ogni token attraverso un sottoinsieme dei suoi pesi, produce testo al ritmo di un modello molto più piccolo. La questione è la memoria: tutto deve ancora adattarsi, quindi la velocità è un bonus piuttosto che uno sconto sull'hardware.

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.

Passo dopo passo

Come scegliere una GPU per Jamba 1.6 Mini

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

Ogni card qui è stata controllata contro Jamba 1.6 Mini, avere bisogno di circa 25.1 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.

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 Jamba 1.6 Mini.
03

Imposta un pavimento di qualità

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 Jamba 1.6 Mini. 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 282 tok/s
05

Leggi l'ultima colonna di fit

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di Jamba 1.6 Mini. 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

Controlla la GPU dall'altro lato

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 Jamba 1.6 Mini.

Risposte

Jamba 1.6 Mini — domande comuni

Jamba 1.6 Mini— quanta VRAM serve?

Ha bisogno di 25.1 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.

Jamba 1.6 Mini— 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.

Jamba 1.6 Mini— quanti parametri ha?

Ha un numero di parametri di 52B. 12B active/52B total. 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.

Jamba 1.6 Mini— chi l'ha creato?

È stato pubblicato da AI21 Labs, basato su Israel, un'organizzazione categorizzata come industry.

Jamba 1.6 Mini— quando è stato rilasciato?

È stato pubblicato in March 2025.

Jamba 1.6 Mini— A cosa serve?

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

Jamba 1.6 Mini— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione ai21labs. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

Jamba 1.6 Mini— 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 9.6 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Jamba 1.6 Mini— 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.

Jamba 1.6 Mini— 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.

Jamba 1.6 Mini— 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: 169–452 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.

Jamba 1.6 Mini— 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 25.1 GB, e produce approssimativamente 37.4 token al secondo. Il numero di card in grado di eseguirlo in totale: 93.

Jamba 1.6 Mini— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 282 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: 89.

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