Llama 3.2 90B calcolatore TPS

Apri i pesi Meta AI 88.6B parametri September 2024

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

43 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Radeon Instinct MI200

64 GB · Q4_K_M · 14.1 tok/s

Scheda più veloce

B200

38.2 tok/s · 180 GB

Quali GPU possono eseguire Llama 3.2 90B?

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.

43 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
38.2 tok/s 23–61 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	95.6 GB	Q8_0	Comodo
38.2 tok/s 23–61 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	95.6 GB	Q8_0	Comodo
30.5 tok/s 18–49 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	95.6 GB	Q8_0	Comodo
30.5 tok/s 18–49 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	95.6 GB	Q8_0	Comodo
28.7 tok/s 17–46 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	64.6 GB	Q5_K_M	Stretto
28.7 tok/s 17–46 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	64.6 GB	Q5_K_M	Stretto
27.4 tok/s 16–44 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	74.9 GB	Q6_K	Stretto
24.4 tok/s 15–39 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	95.6 GB	Q8_0	Comodo
23.4 tok/s 14–37 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	95.6 GB	Q8_0	Comodo
23.4 tok/s 14–37 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	95.6 GB	Q8_0	Comodo
23.3 tok/s 14–37 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.9 GB	Q6_K	Stretto
23.3 tok/s 14–37 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	74.9 GB	Q6_K	Stretto
23.3 tok/s 14–37 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.9 GB	Q6_K	Stretto
22.4 tok/s 13–36 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	95.6 GB	Q8_0	Comodo
22.3 tok/s 13–36 · bassa fiducia	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.3 GB	Q4_K_M	Stretto
19.9 tok/s 12–32 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	95.6 GB	Q8_0	Comodo
19.9 tok/s 12–32 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	95.6 GB	Q8_0	Comodo
19.9 tok/s 12–32 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	95.6 GB	Q8_0	Comodo
17.4 tok/s 10–28 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	64.6 GB	Q5_K_M	Stretto
17.4 tok/s 10–28 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	64.6 GB	Q5_K_M	Stretto
17.4 tok/s 10–28 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	64.6 GB	Q5_K_M	Stretto
17.4 tok/s 10–28 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	64.6 GB	Q5_K_M	Stretto
17.4 tok/s 10–28 · bassa fiducia	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	64.6 GB	Q5_K_M	Stretto
17.4 tok/s 10–28 · bassa fiducia	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	64.6 GB	Q5_K_M	Stretto
16.6 tok/s 10–27 · bassa fiducia	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	64.6 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: Meta AI
Tipo di organizzazione: Industry
Paese: United States of America
Pubblicato: 24 September 2024

Cosa fa

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

Dominio: Multimodal, Vision, Language
Compito: Visual question answering, Image captioning, Object detection
Modello di base: Llama 3.1-70B

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: 88.6B
Dati di addestramento: 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: Hardware
Addestramento fine: 2.5 × 10²⁴ FLOP

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 H100 SXM5 80GB
Chip-ore: 1,770,000

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

Come è classificato

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

Probabilmente sopra 10²³ FLOP: Yes
Record fiducia: Confident

Fonti

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

Riferimento: Llama 3.2: Revolutionizing edge AI and vision with open, customizable models
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono Llama 3.2 90B

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 3.2 90B

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

Il lato hardware

Scheda minima

Radeon Instinct MI200

Memoria necessaria

54.3 GB

Più veloce

38.2 tok/s

Llama 3.2 90B raggiunge un conteggio di parametri di 88.6B. 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: 43.

A basso prezzo è gestito da Radeon Instinct MI200, con una capacità di memoria di 64 GB, eseguendolo a una compressione di Q4_K_M e producendo circa 14.1 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 38.2 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

Llama 3.2 90B è stato pubblicato da Meta AI, nel paese registrato come United States of America, durante September 2024. Esce da un'organizzazione categorizzata come industry.

Funziona nel dominio di Multimodal, Vision, Language, ed è registrato come eseguire il compito di visual question answering, Image captioning, Object detection.

Il suo punto di partenza era un modello di base esistente, Llama 3.1-70B. Quello è il modo abituale in cui viene prodotto un modello specializzato.

I pesi aperti sono ciò che mette questa pagina nel calcolatore piuttosto che solo nel catalogo: è un modello che puoi effettivamente tenere.

Cosa decide la velocità

Il risultato mediano è attorno 17.4 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 38 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.

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.

Passo dopo passo

Come scegliere una GPU per Llama 3.2 90B

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 3.2 90B, avere bisogno di circa 54.3 GB a una compressione di Q4_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.

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 Llama 3.2 90B.
03

Decidi quanto spazio di compressione accetterai

Ogni card esegue la copia meno compressa che può contenere., raggiungendo una compressione di Q4_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.

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per Llama 3.2 90B. 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 38.2 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 Llama 3.2 90B. 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

Vedi cos'altro che questa card esegue

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. Llama 3.2 90B.

Risposte

Llama 3.2 90B — domande comuni

Llama 3.2 90B— quanta VRAM serve?

Ha bisogno di 54.3 GB a una compressione di Q4_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 3.2 90B— 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 3.2 90B— quanti parametri ha?

Ha un numero di parametri di 88.6B. https://huggingface.co/meta-llama/Llama-3.2-90B-Vision. 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 3.2 90B— chi l'ha creato?

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

Llama 3.2 90B— quando è stato rilasciato?

È stato pubblicato in September 2024. 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.

Llama 3.2 90B— A cosa serve?

Funziona nel dominio di Multimodal, Vision, Language, e viene registrato come gestire il compito di visual question answering, Image captioning, Object detection. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

Llama 3.2 90B— 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.

Llama 3.2 90B— posso eseguirlo se non si adatta nella mia GPU?

Solo scaricando, che di solito è una falsa economia: la parte tenuta in SYSTEM MEMORY rallenta tutto. La più vicina mancata che calcoliamo risulta insufficiente di 11.1 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Llama 3.2 90B— 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: 43. Quindi una seconda CARD è raramente la risposta qui.

Llama 3.2 90B— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Llama 3.2 90B— 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: 23–61 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 3.2 90B— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Radeon Instinct MI200, con una capacità di memoria di 64 GB. Esegui il modello a una compressione di Q4_K_M utilizzando circa 54.3 GB, e produce approssimativamente 14.1 token al secondo. Il numero di card in grado di eseguirlo in totale: 43.

Llama 3.2 90B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 38.2 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: 38.

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