LLaVA-OV-7B TPS-rekenmachine

Open gewichten ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST) 7.6B parameters August 2024

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

589 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Tesla K20c

5 GB · Q3_K_M · 26.6 tok/s

Snelste kaart

B200

446 tok/s · 180 GB

Welke GPU's kunnen draaien LLaVA-OV-7B?

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.

589 kaarten passen

Berekenen
Heeft Kwantificatie Past
446 tok/s

267–713 · lage vertrouwen

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 8.8 GB Q8_0 Comfortabel
446 tok/s

267–713 · lage vertrouwen

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 8.8 GB Q8_0 Comfortabel
356 tok/s

214–570 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 8.8 GB Q8_0 Comfortabel
356 tok/s

214–570 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 8.8 GB Q8_0 Comfortabel
285 tok/s

171–456 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 8.8 GB Q8_0 Comfortabel
273 tok/s

164–436 · lage vertrouwen

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 8.8 GB Q8_0 Comfortabel
273 tok/s

164–436 · lage vertrouwen

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 8.8 GB Q8_0 Comfortabel
261 tok/s

156–417 · lage vertrouwen

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 8.8 GB Q8_0 Comfortabel
231 tok/s

139–370 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 8.8 GB Q8_0 Comfortabel
231 tok/s

139–370 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 8.8 GB Q8_0 Comfortabel
231 tok/s

139–370 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 8.8 GB Q8_0 Comfortabel
220 tok/s

132–351 · lage vertrouwen

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 8.8 GB Q8_0 Comfortabel
187 tok/s

112–300 · lage vertrouwen

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 8.8 GB Q8_0 Comfortabel
187 tok/s

112–300 · lage vertrouwen

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 8.8 GB Q8_0 Comfortabel
187 tok/s

112–300 · lage vertrouwen

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 8.8 GB Q8_0 Comfortabel
187 tok/s

112–300 · lage vertrouwen

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 8.8 GB Q8_0 Comfortabel
187 tok/s

112–300 · lage vertrouwen

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 8.8 GB Q8_0 Comfortabel
143 tok/s

86–228 · lage vertrouwen

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 8.8 GB Q8_0 Comfortabel
143 tok/s

86–228 · lage vertrouwen

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 8.8 GB Q8_0 Comfortabel
121 tok/s

72–193 · lage vertrouwen

CMP 170HX 8 GB NVIDIA 8 GB 1,490 GB/s Sep 2021 7.1 GB Q6_K Krap
119 tok/s

71–190 · lage vertrouwen

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 8.8 GB Q8_0 Comfortabel
116 tok/s

70–186 · lage vertrouwen

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 8.8 GB Q8_0 Comfortabel
114 tok/s

68–182 · lage vertrouwen

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 8.8 GB Q8_0 Comfortabel
114 tok/s

68–182 · lage vertrouwen

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 8.8 GB Q8_0 Comfortabel
114 tok/s

68–182 · lage vertrouwen

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 8.8 GB Q8_0 Comfortabel

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
ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST)
Organisatietype
Industry,Academia,Academia,Academia
Land
China, Singapore, Hong Kong
Gepubliceerd
6 August 2024
Auteurs
Bo Li, Yuanhan Zhang, Dong Guo, Renrui Zhang, Feng Li, Hao Zhang, Kaichen Zhang, Peiyuan Zhang, Yanwei Li, Ziwei Liu, Chunyuan Li

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein
Multimodal, Video, Vision, Language
Taak
Image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation
Basis model
Qwen2-7B
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
7.6B
Training gegevens
945,138,000 tokens

OneVision-1.6M comprises 1.6 million samples - single-image, multi-image, video. While the exact total number of tokens isn't explicitly stated in the available documentation, we can estimate the token count based on the dataset's composition and tokenization strategies: Single-Image: ~412M Multi-Image: ~3.08B Video: ~1.34B Total ≈ 4.83 billion tokens

Epochs
1
Batchgrootte
256

We use a global batch size of 512 for the 0.5B model, and 256 for the 7B and 72B models.

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 (unrestricted)
Training code
Open source

Apache 2.0 license for weights: https://huggingface.co/lmms-lab/llava-onevision-qwen2-7b-ov-chat Apache 2.0 for inference and training code: https://github.com/LLaVA-VL/LLaVA-NeXT?tab=readme-ov-file Dataset is also under Apache 2.0

Hugging Face
lmms-lab

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
Citaties
2,428

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie
LLaVA-OneVision: Easy Visual Task Transfer
Laatst bijgewerkt
25 May 2026

De extremen

De tien snelste GPU's die draaien LLaVA-OV-7B

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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 446 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 446 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 356 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 356 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 285 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 273 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 273 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 261 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 231 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 231 tok/s

De kleinste GPU's die nog steeds draaien LLaVA-OV-7B

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

  1. 01 Quadro P2200 5 GB · Heeft 4.4 GB · Q3_K_M · Krap 25.6 tok/s
  2. 02 P102-100 5 GB · Heeft 4.4 GB · Q3_K_M · Krap 56.3 tok/s
  3. 03 GeForce GTX 1060 5 GB 5 GB · Heeft 4.4 GB · Q3_K_M · Krap 20.5 tok/s
  4. 04 Quadro P2000 5 GB · Heeft 4.4 GB · Q3_K_M · Krap 17.9 tok/s
  5. 05 Tesla K20s 5 GB · Heeft 4.4 GB · Q3_K_M · Krap 26.6 tok/s
  6. 06 Tesla K20m 5 GB · Heeft 4.4 GB · Q3_K_M · Krap 26.6 tok/s
  7. 07 Tesla K20c 5 GB · Heeft 4.4 GB · Q3_K_M · Krap 26.6 tok/s
  8. 08 RTX 1000 Mobile Ada Generation 6 GB · Heeft 5.3 GB · Q4_K_M · Krap 24.7 tok/s
  9. 09 GeForce RTX 3050 6 GB 6 GB · Heeft 5.3 GB · Q4_K_M · Krap 21.6 tok/s
  10. 10 Arc A380M 6 GB · Heeft 5.3 GB · Q4_K_M · Krap 15.6 tok/s

Wat de cijfers betekenen

De hardwarekant

Minimum kaart

Tesla K20c

Geheugen nodig

4.4 GB

Snelste

446 tok/s

LLaVA-OV-7B bereikt een parameter telling van 7.6B. Dat is klein genoeg zodat hardware zelden de obstakel is, inclusief op kaarten van enkele jaren oud. Het aantal kaarten dat we volgen die het kunnen draaien: 589.

Aan de onderkant wordt het afgehandeld door Tesla K20c, met een geheugen capaciteit van 5 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 26.6 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 446 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

LLaVA-OV-7B werd gepubliceerd door ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST), in het land geregistreerd als China, tijdens August 2024. De categorie waaronder de uitgever valt is industry,Academia,Academia,Academia.

Het werkt in het domein van Multimodal, Video, Vision, Language, en wordt geregistreerd als het uitvoeren van de taak van image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation.

In plaats van vanaf nul te worden getraind, is het afgeleid van Qwen2-7B. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.

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 lmms-lab.

Begrijpen van de snelheden

De helft van de kaarten die het vasthouden, beheren meer dan 24.1 tokens per second. Outright de leessnelheid overschrijden. 557 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.

Training en herkomst

Het is getraind op een corpus van ongeveer 945,138,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor LLaVA-OV-7B

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

  1. 01

    Controleer wat het nodig heeft voordat iets anders.

    Elke kaart hier is gecontroleerd op LLaVA-OV-7B, ongeveer nodig 4.4 GB bij een compressie van Q3_K_M. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.

  2. 02

    Stem de context af op uw werkelijke gebruik

    Stel de context in op wat je daadwerkelijk gaat gebruiken. De cache groeit met het gesprek, en het is de gebruikelijke reden dat een CARD die in eerste instantie prima leek, niet meer past. LLaVA-OV-7B.

  3. 03

    Stel een kwaliteitsvloer in

    Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., bereiken van een compressie van Q3_K_M 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.

  4. 04

    Vergelijk tokens per seconde, niet specificaties

    Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor LLaVA-OV-7B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 446 tok/s

  5. 05

    Lees de passen kolom laatst

    De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van LLaVA-OV-7B. 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.

  6. 06

    Open de kaart die je hebt gekozen.

    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 LLaVA-OV-7B.

Antwoorden

LLaVA-OV-7B — veelgestelde vragen

01

LLaVA-OV-7B— kan ik het draaien op een GPU met 8 GB?

Ja. De GPU kaart CMP 170HX 8 GB, houden 8 GB, draait het met een compressie van Q6_K, ongeveer 7.1 GB en genereren ongeveer 121 tokens per second. De pasvorm is krap.

02

LLaVA-OV-7B— kan ik het draaien op een GPU met 12 GB?

Ja. De GPU kaart GeForce RTX 3080 Ti, houden 12 GB, draait het met een compressie van Q8_0, ongeveer 8.8 GB en genereren ongeveer 50.9 tokens per second. De fit is comfortabel.

03

LLaVA-OV-7B— kan ik het draaien op een GPU met 16 GB?

Ja. De GPU kaart Tesla V100 SXM2 16 GB, houden 16 GB, draait het met een compressie van Q8_0, ongeveer 8.8 GB en genereren ongeveer 63.0 tokens per second. De fit is comfortabel.

04

LLaVA-OV-7B— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q8_0, ongeveer 8.8 GB en genereren ongeveer 74.7 tokens per second. De fit is comfortabel.

05

LLaVA-OV-7B— 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.

06

LLaVA-OV-7B— hoeveel parameters heeft het?

Het heeft een parameter telling van 7.6B. 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.

07

LLaVA-OV-7B— wie heeft het gemaakt?

Het werd gepubliceerd door ByteDance,Nanyang Technological University,Chinese University of Hong Kong (CUHK),Hong Kong University of Science and Technology (HKUST), gebaseerd op China, een organisatie geclassificeerd als industry,Academia,Academia,Academia.

08

LLaVA-OV-7B— 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.

09

LLaVA-OV-7B— waarvoor wordt het gebruikt?

Het werkt in het domein van Multimodal, Video, Vision, Language, en wordt geregistreerd als het afhandelen van image captioning, Visual question answering, Video description, Object recognition, Action recognition, Language modeling/generation. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

10

LLaVA-OV-7B— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie lmms-lab. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

11

LLaVA-OV-7B— kan ik het draaien als het niet in mijn GPU past?

Gedeeltelijk. Layers die niet passen, bevinden zich in system memory en draaien met een fractie van de snelheid, dus een grotendeels gedeactiveerd model is zelden de moeite waard om te gebruiken. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 1.7 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

12

LLaVA-OV-7B— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 589. Dus een tweede card is zelden het antwoord hier.

13

LLaVA-OV-7B— 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: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

14

LLaVA-OV-7B— hoe nauwkeurig zijn deze snelheidsschattingen?

Dit zijn schattingen met echte foutmarges, en elk van hen zou redelijkerwijs ergens binnen zijn gepubliceerde bereik kunnen vallen, afhankelijk van welke runtime je gebruikt. Het snelste resultaat hier: 267–713 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

15

LLaVA-OV-7B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Tesla K20c, met een geheugen capaciteit van 5 GB. Het draait het model op een compressie van Q3_K_M ongeveer 4.4 GB, en produceert ongeveer 26.6 tokens per second. Het aantal kaarten dat het totaal kan draaien: 589.

16

LLaVA-OV-7B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 446 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: 557.

17

LLaVA-OV-7B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 4.4 GB bij een compressie van Q3_K_M, 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.

Bron

Originele publicatie

Laatste update geregistreerd 25 May 2026

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.

Alle AI-modellen