Jamba 1.5-Large TPS-rekenmachine
Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..
Bereken voor dit model
818 kaarten die we hebben specificaties voor
Kleinste kaart die past
Radeon Instinct MI325X
256 GB · IQ4_XS · 51.8 tok/s
Snelste kaart
B300
83.2 tok/s · 288 GB
Welke GPU's kunnen draaien Jamba 1.5-Large?
Stel de invoer in, lees het antwoord
Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..
Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.
4 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
83.2
tok/s
50–133 · lage vertrouwen |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 234.4 GB | Q4_K_M | Krap |
|
66.5
tok/s
40–106 · lage vertrouwen |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 234.4 GB | Q4_K_M | Krap |
|
66.5
tok/s
40–106 · lage vertrouwen |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 234.4 GB | Q4_K_M | Krap |
|
51.8
tok/s
31–83 · lage vertrouwen |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 211.3 GB | IQ4_XS | Krap |
Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- AI21 Labs
- Organisatietype
- Industry
- Land
- Israel
- Gepubliceerd
- 22 August 2024
- Auteurs
- Barak Lenz, Alan Arazi, Amir Bergman, Avshalom Manevich, Barak Peleg, Ben Aviram, Chen Almagor, Clara Fridman, Dan Padnos, Daniel Gissin, Daniel Jannai, Dor Muhlgay, Dor Zimberg, Edden M Gerber, Elad Dolev, Eran Krakovsky, Erez Safahi, Erez Schwartz, Gal Cohen, Gal Shachaf, Haim Rozenblum, Hofit Bata, Ido Blass, Inbal Magar, Itay Dalmedigos, Jhonathan Osin, Julie Fadlon, Maria Rozman, Matan Danos,…
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Chat, Translation, Question answering
- Aanpak
- Self-supervised learning
- Numerieke indeling
- BF16
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 398B
- Training gegevens
- tokens
94B active/398B total
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA H100 SXM5 80GB
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Open — downloadable
- Toegang tot model
- Open weights (restricted use)
- Training code
- Unreleased
- Hugging Face
- ai21labs
Commercial use allowed up to $50M USD annual revenue.
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarschijnlijk boven de 10²³ FLOP
- Yes
- Waarom het wordt gevolgd
- Training cost
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Jamba-1.5: Hybrid Transformer-Mamba Models at Scale
- Laatst bijgewerkt
- 28 November 2025
De extremen
De tien snelste GPU's die draaien Jamba 1.5-Large
Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..
De kleinste GPU's die nog steeds draaien Jamba 1.5-Large
De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..
Wat de cijfers betekenen
Hardwarevereisten in de praktijk
Minimum kaart
Radeon Instinct MI325X
Geheugen nodig
211.3 GB
Snelste
83.2 tok/s
Jamba 1.5-Large bereikt een parameter telling van 398B. Dat is meer dan wat enige enkele grafische kaart bevat. Het draaien ervan betekent ofwel het splitsen over meerdere kaarten of het huren van hardware die voor de klus is gebouwd, en elke kaart die het alleen kan vasthouden, is een datacenteronderdeel. Het aantal dat kan: 4.
Het toegangspunt is Radeon Instinct MI325X, met een geheugen capaciteit van 256 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 51.8 tokens per seconde
Top van het assortiment is B300, genereren ongeveer 83.2 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.
Wat dit model is
Jamba 1.5-Large werd gepubliceerd door AI21 Labs, in het land geregistreerd als Israel, tijdens August 2024. Het komt uit een organisatie gecategoriseerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Chat, Translation, Question answering.
Gepubliceerde gewichten betekenen dat het model op jouw machine draait in plaats van op die van iemand anders, wat de hardwarevraag hieronder op enige manier beantwoordbaar maakt. Op Hugging Face is het gepubliceerd onder de organisatie ai21labs.
Wat bepaalt de snelheid
De helft van de kaarten die het vasthouden, beheren meer dan 66.5 tokens per second. Outright de leessnelheid overschrijden. 4 van hen
Omdat het elk token door een subset van zijn weights leidt, produceert het tekst met de snelheid van een veel kleiner model. De catch is MEMORY: alles moet nog steeds passen, dus de snelheid is een bonus in plaats van een korting op hardware.
Geheugen hier is geschat op basis van grootte in plaats van berekend vanuit de architectuur, die niet is vastgelegd voor dit model — de cijfers zijn indicatief eerder dan exact.
Wat erin ging zitten om het te bouwen
De inclusiecriteria: training cost.
Stap voor stap
Hoe een GPU te kiezen voor Jamba 1.5-Large
De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..
-
01
Controleer wat het nodig heeft voordat iets anders.
Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van Jamba 1.5-Large, ongeveer nodig 211.3 GB bij een compressie van IQ4_XS. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.
-
02
Bepaal hoe lang je gesprekken duren
Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor Jamba 1.5-Large.
-
03
Stel een kwaliteitsvloer in
Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., bereiken van een compressie van IQ4_XS op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
-
04
Rangschik op doorvoer in plaats van specificatielijst
Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor Jamba 1.5-Large. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B300, bij 83.2 tok/s
-
05
Lees de passen kolom laatst
De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Jamba 1.5-Large. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
-
06
Zie wat die kaart nog meer draait
Elke kaartnaam linkt naar zijn eigen pagina, die dezelfde berekening door het hele modelcatalogus uitvoert. Een kaart wordt meestal gekocht voor meer dan één model, dus het is de moeite waard om te kijken voordat je koopt voor Jamba 1.5-Large.
Antwoorden
Jamba 1.5-Large — veelgestelde vragen
Jamba 1.5-Large— Welke GPU heb ik nodig om het te draaien?
De kleinste kaart in onze catalogus die het vasthoudt is Radeon Instinct MI325X, met een geheugen capaciteit van 256 GB. Het draait het model op een compressie van IQ4_XS ongeveer 211.3 GB, en produceert ongeveer 51.8 tokens per second. Het aantal kaarten dat het totaal kan draaien: 4.
Jamba 1.5-Large— hoe snel is het op een GPU?
Het hangt af van de kaart. De snelste die we berekenen is B300, ongeveer 83.2 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 4.
Jamba 1.5-Large— hoeveel VRAM heeft het nodig?
Het heeft ongeveer 211.3 GB bij een compressie van IQ4_XS, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.
Jamba 1.5-Large— is het open-source?
De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.
Jamba 1.5-Large— hoeveel parameters heeft het?
Het heeft een parameter telling van 398B. 94B active/398B total. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Jamba 1.5-Large— wie heeft het gemaakt?
Het werd gepubliceerd door AI21 Labs, gebaseerd op Israel, een organisatie geclassificeerd als industry.
Jamba 1.5-Large— wanneer is het uitgebracht?
Het werd gepubliceerd in August 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Jamba 1.5-Large— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Chat, Translation, Question answering. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
Jamba 1.5-Large— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie ai21labs. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
Jamba 1.5-Large— kan ik het draaien als het niet in mijn GPU past?
Het kan worden opgesplitst tussen de GPU-kaart en systeemgeheugen, maar het genereert op die manier pijnlijk traag. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 61.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
Jamba 1.5-Large— Zouden twee GPU's het sneller draaien?
Twee kaarten kopen geheugen in plaats van snelheid, wat alleen van belang is als één kaart het niet kan bevatten. Het aantal dat kan: 4. Dus een tweede card is zelden het antwoord hier.
Jamba 1.5-Large— waarom verschilt de quantisatie tussen kaarten?
Omdat de capaciteit varieert, varieert ook hoe hard het moet worden samengedrukt. Het aantal onderscheidende niveaus in de bovenstaande tabel: 2. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
Jamba 1.5-Large— hoe nauwkeurig zijn deze snelheidsschattingen?
Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 50–133 tok/s op B300. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.