JIUTIAN-139MoE TPS-rekenmachine

Open gewichten China Mobile 38.8B parameters June 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

126 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Tesla M40 24 GB

24 GB · Q3_K_M · 7.2 tok/s

Snelste kaart

B200

87.3 tok/s · 180 GB

Welke GPU's kunnen draaien JIUTIAN-139MoE?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

126 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
87.3 tok/s 52–140 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	42.2 GB	Q8_0	Comfortabel
87.3 tok/s 52–140 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	42.2 GB	Q8_0	Comfortabel
69.7 tok/s 42–112 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	42.2 GB	Q8_0	Comfortabel
69.7 tok/s 42–112 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	42.2 GB	Q8_0	Comfortabel
55.8 tok/s 33–89 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	42.2 GB	Q8_0	Comfortabel
53.4 tok/s 32–85 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	42.2 GB	Q8_0	Comfortabel
53.4 tok/s 32–85 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	42.2 GB	Q8_0	Comfortabel
51.1 tok/s 31–82 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	42.2 GB	Q8_0	Comfortabel
45.3 tok/s 27–73 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	42.2 GB	Q8_0	Comfortabel
45.3 tok/s 27–73 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	42.2 GB	Q8_0	Comfortabel
45.3 tok/s 27–73 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	42.2 GB	Q8_0	Comfortabel
43.0 tok/s 26–69 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	42.2 GB	Q8_0	Comfortabel
39.5 tok/s 24–63 · lage vertrouwen	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	19.7 GB	Q3_K_M	Krap
36.7 tok/s 22–59 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	42.2 GB	Q8_0	Comfortabel
36.7 tok/s 22–59 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	42.2 GB	Q8_0	Comfortabel
36.7 tok/s 22–59 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	42.2 GB	Q8_0	Comfortabel
36.7 tok/s 22–59 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	42.2 GB	Q8_0	Comfortabel
36.7 tok/s 22–59 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	42.2 GB	Q8_0	Comfortabel
36.5 tok/s 22–58 · lage vertrouwen	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.7 GB	Q5_K_M	Krap
36.5 tok/s 22–58 · lage vertrouwen	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.7 GB	Q5_K_M	Krap
35.9 tok/s 22–58 · lage vertrouwen	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	19.7 GB	Q3_K_M	Krap
34.9 tok/s 21–56 · lage vertrouwen	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.7 GB	Q5_K_M	Krap
34.9 tok/s 21–56 · lage vertrouwen	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.7 GB	Q5_K_M	Krap
29.8 tok/s 18–48 · lage vertrouwen	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	19.7 GB	Q3_K_M	Krap
29.8 tok/s 18–48 · lage vertrouwen	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	19.7 GB	Q3_K_M	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: China Mobile
Organisatietype: Industry
Land: China
Gepubliceerd: 15 June 2024

Wat het doet

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

Domein: Language
Taak: Language modeling/generation, Question answering, Code generation

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: 38.8B
Training gegevens: tokens

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.

Training rekenen: 4.4 × 10²³ FLOP
Hoe het werd opgericht: Operation counting,Hardware

De trainingsrun

Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.

Training hardware: NVIDIA A800 PCIe,Ascend (昇腾) 910B
Gebruikte chips: 896
Kloktijd: 1,464 hours (61 days)

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: Unreleased

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
Record vertrouwen: Confident

Bronnen

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

Referentie: JIUTIAN-139MOE: TECHNICAL REPORT
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien JIUTIAN-139MoE

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 JIUTIAN-139MoE

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

Wat nodig is om dit model te draaien

Minimum kaart

Tesla M40 24 GB

Geheugen nodig

19.7 GB

Snelste

87.3 tok/s

JIUTIAN-139MoE bereikt een parameter telling van 38.8B. Dat valt binnen het bereik dat een serieuze desktopkaart kan aansteken zodra de gewichten zijn gecomprimeerd. Het aantal kaarten dat we volgen die het kunnen draaien: 126.

De kleinste kaart die het vasthoudt is Tesla M40 24 GB, met een geheugen capaciteit van 24 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 7.2 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 87.3 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Wat dit model is

JIUTIAN-139MoE werd gepubliceerd door China Mobile, in het land geregistreerd als China, tijdens June 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, Question answering, Code generation.

Omdat de gewichten zijn vrijgegeven, hangt niets over het uitvoeren ervan af van een leverancier die beschikbaar blijft — het is van jou zodra het is gedownload.

Wat bepaalt de snelheid

De helft van de kaarten die het vasthouden, beheren meer dan 19.5 tokens per seconde. 91 van hen

Elke gewicht participeert in elke token hier, dus bandbreedte is het hele verhaal: de ranking hieronder is effectief een ranking van geheugendoorvoer.

Zonder de aandachtlay-out op record, is de geheugen kolom een benadering. Het is dicht genoeg om hardware te kiezen, en het minst betrouwbaar bij lange context.

Hoe het getraind werd

Training kostte een rekensbudget van ongeveer 4.4 × 10²³ FLOP, op hardware vastgelegd als NVIDIA A800 PCIe,Ascend (昇腾) 910B. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

Stap voor stap

Hoe een GPU te kiezen voor JIUTIAN-139MoE

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.

De tabel vermeldt elke kaart die in staat is om te bevatten. JIUTIAN-139MoE, ongeveer nodig 19.7 GB bij een compressie van Q3_K_M. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.
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. JIUTIAN-139MoE.
03

Kies hoe ver je het wilt comprimeren

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.
04

Sorteer op snelheid

De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. JIUTIAN-139MoE. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 87.3 tok/s
05

Controleer het geschiktheidsadvies voordat je koopt

Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van JIUTIAN-139MoE. 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

Open de kaart die je hebt gekozen.

Elke kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast JIUTIAN-139MoE.

Antwoorden

JIUTIAN-139MoE — veelgestelde vragen

JIUTIAN-139MoE— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Tesla M40 24 GB, met een geheugen capaciteit van 24 GB. Het draait het model op een compressie van Q3_K_M ongeveer 19.7 GB, en produceert ongeveer 7.2 tokens per second. Het aantal kaarten dat het totaal kan draaien: 126.

JIUTIAN-139MoE— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 87.3 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: 91.

JIUTIAN-139MoE— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 19.7 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.

JIUTIAN-139MoE— 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 Q3_K_M, ongeveer 19.7 GB en genereren ongeveer 39.5 tokens per second. De pasvorm is krap.

JIUTIAN-139MoE— 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.

JIUTIAN-139MoE— hoeveel parameters heeft het?

Het heeft een parameter telling van 38.8B. 38.8B - total parameters 13B - activated parameters. 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.

JIUTIAN-139MoE— wie heeft het gemaakt?

Het werd gepubliceerd door China Mobile, gebaseerd op China, een organisatie geclassificeerd als industry.

JIUTIAN-139MoE— wanneer is het uitgebracht?

Het werd gepubliceerd in June 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

JIUTIAN-139MoE— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Code generation. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

JIUTIAN-139MoE— waar kan ik het downloaden?

De gewichten zijn gepubliceerd, hoewel we geen repositorylink daarvoor hebben. Deze site berekent hardwarevereisten in plaats van modelbestanden te hosten.

JIUTIAN-139MoE— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 4.4 × 10²³ FLOP, op hardware vastgelegd als NVIDIA A800 PCIe,Ascend (昇腾) 910B. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.

JIUTIAN-139MoE— kan ik het draaien als het niet in mijn GPU past?

Alleen door af te laden, wat meestal een valse economie is: het deel dat in systeemgeheugen wordt vastgehouden, houdt het hele ding tegen. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 6.2 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

JIUTIAN-139MoE— Zouden twee GPU's het sneller draaien?

Een tweede kaart verdubbelt ruwweg het beschikbare geheugen, maar niet de generatie snelheid. Het aantal dat al in staat is om het alleen te draaien: 126. Dus een tweede card is zelden het antwoord hier.

JIUTIAN-139MoE— waarom verschilt de quantisatie tussen kaarten?

Elke kaart wordt weergegeven met de minst-gecomprimeerde kopie die hij kan bevatten. Het aantal verschillende compressieniveaus op de kaarten die het kunnen houden: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

JIUTIAN-139MoE— hoe nauwkeurig zijn deze snelheidsschattingen?

Elke waarde is afgeleid van het geheugenbandbreedte en de modelgrootte, niet geverifieerd, wat de reden is dat elke waarde als een bereik in plaats van een enkel getal wordt gepubliceerd. Eén voorbeeld: 52–140 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Bron

Originele publicatie

Laatste update geregistreerd 28 November 2025

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