Telechat2-115B calcolatore TPS

Apri i pesi China Telecom 115B 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 · Q3_K_M · 12.7 tok/s

Scheda più veloce

B200

29.5 tok/s · 180 GB

Quali GPU possono eseguire Telechat2-115B?

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
29.5 tok/s 18–47 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	123.8 GB	Q8_0	Comodo
29.5 tok/s 18–47 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	123.8 GB	Q8_0	Comodo
28.6 tok/s 17–46 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	70.3 GB	Q4_K_M	Stretto
28.6 tok/s 17–46 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	70.3 GB	Q4_K_M	Stretto
27.3 tok/s 16–44 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	97.0 GB	Q6_K	Stretto
25.9 tok/s 16–41 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	83.7 GB	Q5_K_M	Stretto
23.5 tok/s 14–38 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	123.8 GB	Q8_0	Comodo
23.5 tok/s 14–38 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	123.8 GB	Q8_0	Comodo
22.2 tok/s 13–36 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	97.0 GB	Q6_K	Stretto
22.1 tok/s 13–35 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.7 GB	Q5_K_M	Stretto
22.1 tok/s 13–35 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	83.7 GB	Q5_K_M	Stretto
22.1 tok/s 13–35 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.7 GB	Q5_K_M	Stretto
20.1 tok/s 12–32 · bassa fiducia	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	56.9 GB	Q3_K_M	Stretto
18.0 tok/s 11–29 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	123.8 GB	Q8_0	Stretto
18.0 tok/s 11–29 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	123.8 GB	Q8_0	Stretto
17.3 tok/s 10–28 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	70.3 GB	Q4_K_M	Stretto
17.3 tok/s 10–28 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	70.3 GB	Q4_K_M	Stretto
17.3 tok/s 10–28 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	70.3 GB	Q4_K_M	Stretto
17.3 tok/s 10–28 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	70.3 GB	Q4_K_M	Stretto
17.3 tok/s 10–28 · bassa fiducia	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	70.3 GB	Q4_K_M	Stretto
17.3 tok/s 10–28 · bassa fiducia	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	70.3 GB	Q4_K_M	Stretto
17.2 tok/s 10–28 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	123.8 GB	Q8_0	Comodo
16.5 tok/s 10–26 · bassa fiducia	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	70.3 GB	Q4_K_M	Stretto
16.5 tok/s 10–26 · bassa fiducia	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	70.3 GB	Q4_K_M	Stretto
15.3 tok/s 9–24 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	123.8 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: China Telecom
Tipo di organizzazione: Industry
Paese: China
Pubblicato: 20 September 2024
Autori: Zihan Wang and Xinzhang Liu and Shixuan Liu and Yitong Yao and Yuyao Huang and Zhongjiang He and Xuelong Li and Yongxiang Li and Zhonghao Che and Zhaoxi Zhang and Yan Wang and Xin Wang and Luwen Pu and Huihan Xu and Ruiyu Fang and Yu Zhao and Jie Zhang and Xiaomeng Huang and Zhilong Lu and Jiaxin Peng and Wenjun Zheng and Shiquan Wang and Bingkai Yang and Xuewei he and Zhuoru Jiang and Qiyi Xie an…

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, Chat, Text summarization, Code generation
Approccio: Supervised
Formato numerico: FP16

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: 115B
Dati di addestramento: 10,000,000,000,000 tokens
Epoche: 1
Dimensione del Batch: 6,000,000

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: 6.9 × 10²⁴ FLOP
Come è stato stabilito: Operation counting

La corsa di addestramento

Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.

Centro dati: There is no paper to reference, no information about hardware used for training found in media.

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: Open (restricted use)
Hugging Face: Tele-AI

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
Perché è monitorato: Training cost
Record fiducia: Confident

Fonti

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

Riferimento: TeleChat Technical Report
Ultimo aggiornamento: 3 January 2026

Gli estremi

Le dieci GPU più veloci che eseguono Telechat2-115B

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 Telechat2-115B

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 Instinct MI200

Memoria necessaria

56.9 GB

Più veloce

29.5 tok/s

Telechat2-115B raggiunge un conteggio di parametri di 115B. 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.

La scheda più piccola che lo tiene è Radeon Instinct MI200, con una capacità di memoria di 64 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 12.7 token al secondo

All'altra estremità si trova B200, generando approssimativamente 29.5 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Cosa è questo modello

Telechat2-115B è stato pubblicato da China Telecom, nel paese registrato come China, durante September 2024. 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, Chat, Text summarization, Code generation.

Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato. Su Hugging Face è pubblicato sotto l'organizzazione Tele-AI.

Cosa decide la velocità

Su ogni CARD che può eseguirlo, il centro della gamma si trova a 17.2 token al secondo. Superare la velocità di lettura in modo diretto: 39 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

Il training ha richiesto un budget di calcolo di circa 6.9 × 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 10,000,000,000,000 token di testo

Il motivo per cui appare in questo catalogo è: training cost.

Passo dopo passo

Come scegliere una GPU per Telechat2-115B

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

Ogni card qui è stata controllata contro Telechat2-115B, avere bisogno di circa 56.9 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.

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. Telechat2-115B.
03

Decidi quanto spazio di compressione accetterai

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

Ordina per velocità per vedere come si classificano le schede per Telechat2-115B. 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 29.5 tok/s
05

Guarda il margine, non solo l'adattamento

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di Telechat2-115B. 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

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 Telechat2-115B.

Risposte

Telechat2-115B — domande comuni

Telechat2-115B— Dove posso scaricarlo?

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

Telechat2-115B— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 6.9 × 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.

Telechat2-115B— 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 27.1 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Telechat2-115B— 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: 43. Quindi una seconda CARD è raramente la risposta qui.

Telechat2-115B— 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: 6. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Telechat2-115B— quanto sono accurate queste stime di velocità?

Vengono calcolati dalle specifiche piuttosto che misurati, e ognuno ha un intervallo. Un esempio: 18–47 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.

Telechat2-115B— 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 Q3_K_M utilizzando circa 56.9 GB, e produce approssimativamente 12.7 token al secondo. Il numero di card in grado di eseguirlo in totale: 43.

Telechat2-115B— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 29.5 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: 39.

Telechat2-115B— quanta VRAM serve?

Ha bisogno di 56.9 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.

Telechat2-115B— 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.

Telechat2-115B— quanti parametri ha?

Ha un numero di parametri di 115B. 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.

Telechat2-115B— chi l'ha creato?

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

Telechat2-115B— 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.

Telechat2-115B— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering, Quantitative reasoning, Chat, Text summarization, Code generation. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 3 January 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