Hermes 3 405B 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 · 12.0 tok/s
Snelste kaart
B300
19.3 tok/s · 288 GB
Welke GPU's kunnen draaien Hermes 3 405B?
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 | |||||
|---|---|---|---|---|---|---|---|
|
19.3
tok/s
12–31 · lage vertrouwen |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 245.7 GB | Q4_K_M | Krap |
|
15.4
tok/s
9–25 · lage vertrouwen |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 245.7 GB | Q4_K_M | Krap |
|
15.4
tok/s
9–25 · lage vertrouwen |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 245.7 GB | Q4_K_M | Krap |
|
12.0
tok/s
7–19 · lage vertrouwen |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 222.1 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
- Nous Research
- Organisatietype
- Industry
- Land
- United States of America
- Gepubliceerd
- 14 August 2024
- Auteurs
- teknium, Jeffrey Quesnelle, Chen Guang
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Chat, Question answering
- Basis model
- Llama 3.1-405B
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
- 405B
- Training gegevens
- 270,000,000 tokens
- Epochs
- 4
405B
390M tokens (Table 1)
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Hoe het werd opgericht
- Hardware,Operation counting
- Fijn-tuning compute
- 2.9 × 10²¹ FLOP
6 FLOP / parameter / token * 405*10^9 parameters * 390*10^6 tokens * 4 epochs = 3.7908e+21 FLOP 989500000000000 FLOP / GPU / sec * 2086 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.2292248e+21 FLOP sqrt(2.2292248e+21*3.7908e+21) = 2.9069822e+21
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
- Gebruikte chips
- 128
- Chip-uren
- 2,086
- Stroomverbruik
- 176.7 kW
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
- NousResearch
Llama license https://huggingface.co/NousResearch/Hermes-3-Llama-3.1-405B
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.
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Hermes 3 Technical Report
- Laatst bijgewerkt
- 28 November 2025
De extremen
De tien snelste GPU's die draaien Hermes 3 405B
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 Hermes 3 405B
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
222.1 GB
Snelste
19.3 tok/s
Hermes 3 405B bereikt een parameter telling van 405B. 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 12.0 tokens per seconde
De snelste resultaten komen van B300, genereren ongeveer 19.3 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.
Achtergrond
Hermes 3 405B werd gepubliceerd door Nous Research, in het land geregistreerd als United States of America, 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, Question answering.
Het startpunt was een bestaand basismodel, Llama 3.1-405B. Dat is waarom het de algemene vorm en grootte van het basismodell deelt.
De gewichten zijn gepubliceerd, zodat ze gedownload en onbeperkt, offline, op je eigen hardware kunnen worden uitgevoerd, zonder dat er een account aan verbonden is. Op Hugging Face is het gepubliceerd onder de organisatie NousResearch.
Het lezen van de doorvoercijfers
Over elke kaart die het kan draaien, ligt het midden van het bereik op 15.4 tokens per second. Outright de leessnelheid overschrijden. 4 van hen
Doordat het dicht is, leest het alles per token, wat de reden is waarom de volgorde op snelheid hieronder zo nauwkeurig de volgorde op geheugendebandbreedte volgt.
De interne architectuur is niet gedocumenteerd, dus het geheugen wordt geschat op basis van het aantal parameters en dienovereenkomstig gemarkeerd. Verwacht dat de werkelijke waarde verschilt, vooral bij lange context.
Hoe het getraind werd
De trainingsset liep naar ongeveer 270,000,000 tekstokens
Stap voor stap
Hoe een GPU te kiezen voor Hermes 3 405B
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
Lees eerst de geheugenfiguur
Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van Hermes 3 405B, ongeveer nodig 222.1 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
-
02
Stem de context af op uw werkelijke gebruik
Het gesprek verbruikt ook geheugen en groeit naarmate het vordert. Stel de schuifregelaar in op de lengte die je verwacht, want bij lange CONTEXT kan een KAART die korte vragen gemakkelijk afhandelt, verworpen worden door Hermes 3 405B.
-
03
Kies hoe ver je het wilt comprimeren
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
Vergelijk tokens per seconde, niet specificaties
Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Hermes 3 405B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B300, bij 19.3 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 Hermes 3 405B. 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
Controleer de kaart vanaf de andere kant
Het volgen van een GPU-kaart naar zijn eigen pagina toont elk ander model dat het kan bevatten, wat de vraag is die volgt zodra je je hebt ingesteld op Hermes 3 405B.
Antwoorden
Hermes 3 405B — veelgestelde vragen
Hermes 3 405B— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie NousResearch. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
Hermes 3 405B— 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 72.9 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
Hermes 3 405B— Zouden twee GPU's het sneller draaien?
Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 4. Dus een tweede card is zelden het antwoord hier.
Hermes 3 405B— waarom verschilt de quantisatie tussen kaarten?
Een grotere CARD houdt een nauwkeuriger kopie. Het aantal compressieniveaus dat gebruikt wordt op de CARDS die het draaien: 2. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
Hermes 3 405B— hoe nauwkeurig zijn deze snelheidsschattingen?
Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 12–31 tok/s op B300. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
Hermes 3 405B— 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 222.1 GB, en produceert ongeveer 12.0 tokens per second. Het aantal kaarten dat het totaal kan draaien: 4.
Hermes 3 405B— hoe snel is het op een GPU?
Het hangt af van de kaart. De snelste die we berekenen is B300, ongeveer 19.3 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.
Hermes 3 405B— hoeveel VRAM heeft het nodig?
Het heeft ongeveer 222.1 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.
Hermes 3 405B— 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.
Hermes 3 405B— hoeveel parameters heeft het?
Het heeft een parameter telling van 405B. 405B. 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.
Hermes 3 405B— wie heeft het gemaakt?
Het werd gepubliceerd door Nous Research, gebaseerd op United States of America, een organisatie geclassificeerd als industry.
Hermes 3 405B— 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.
Hermes 3 405B— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Chat, Question answering. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
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.