Nanbeige2-16B-Chat TPS-rekenmachine

Open gewichten Nanbeige LLM Lab 15.8B parameters May 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

306 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

P102-101

10 GB · Q3_K_M · 19.7 tok/s

Snelste kaart

B200

214 tok/s · 180 GB

Welke GPU's kunnen draaien Nanbeige2-16B-Chat?

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.

306 kaarten passen

Berekenen
Heeft Kwantificatie Past
214 tok/s

129–343 · lage vertrouwen

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 17.6 GB Q8_0 Comfortabel
214 tok/s

129–343 · lage vertrouwen

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 17.6 GB Q8_0 Comfortabel
171 tok/s

103–274 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 17.6 GB Q8_0 Comfortabel
171 tok/s

103–274 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 17.6 GB Q8_0 Comfortabel
137 tok/s

82–219 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 17.6 GB Q8_0 Comfortabel
131 tok/s

79–210 · lage vertrouwen

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 17.6 GB Q8_0 Comfortabel
131 tok/s

79–210 · lage vertrouwen

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 17.6 GB Q8_0 Comfortabel
125 tok/s

75–201 · lage vertrouwen

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 17.6 GB Q8_0 Comfortabel
113 tok/s

68–181 · lage vertrouwen

CMP 170HX 10 GB NVIDIA 10 GB 1,560 GB/s Sep 2021 8.4 GB Q3_K_M Krap
111 tok/s

67–178 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 17.6 GB Q8_0 Comfortabel
111 tok/s

67–178 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 17.6 GB Q8_0 Comfortabel
111 tok/s

67–178 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 17.6 GB Q8_0 Comfortabel
106 tok/s

63–169 · lage vertrouwen

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 17.6 GB Q8_0 Comfortabel
90.1 tok/s

54–144 · lage vertrouwen

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 17.6 GB Q8_0 Comfortabel
90.1 tok/s

54–144 · lage vertrouwen

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 17.6 GB Q8_0 Comfortabel
90.1 tok/s

54–144 · lage vertrouwen

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 17.6 GB Q8_0 Comfortabel
90.1 tok/s

54–144 · lage vertrouwen

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 17.6 GB Q8_0 Comfortabel
90.1 tok/s

54–144 · lage vertrouwen

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 17.6 GB Q8_0 Comfortabel
68.6 tok/s

41–110 · lage vertrouwen

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 17.6 GB Q8_0 Comfortabel
68.6 tok/s

41–110 · lage vertrouwen

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 17.6 GB Q8_0 Comfortabel
57.2 tok/s

34–91 · lage vertrouwen

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 17.6 GB Q8_0 Comfortabel
56.5 tok/s

34–90 · lage vertrouwen

GeForce RTX 3080 12 GB NVIDIA 12 GB 912 GB/s Jan 2022 10.3 GB Q4_K_M Krap
56.5 tok/s

34–90 · lage vertrouwen

GeForce RTX 3080 Ti NVIDIA 12 GB 912 GB/s May 2021 10.3 GB Q4_K_M Krap
55.9 tok/s

34–89 · lage vertrouwen

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 17.6 GB Q8_0 Comfortabel
55.0 tok/s

33–88 · lage vertrouwen

CMP 90HX NVIDIA 10 GB 760 GB/s Jul 2021 8.4 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
Nanbeige LLM Lab
Organisatietype
Industry
Land
China
Gepubliceerd
28 May 2024
Auteurs
Nanbeige Lab

Wat het doet

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

Domein
Language
Taak
Chat, Question answering

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
15.8B

https://huggingface.co/Nanbeige/Nanbeige2-16B-Chat

Training gegevens
tokens

The model was trained on 4.5T tokens during the training phrase (https://huggingface.co/Nanbeige/Nanbeige2-16B-Chat).

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
4.1 × 10²³ FLOP

The model has 15.8B parameters and was trained on 4.5T tokens during the training phrase (https://huggingface.co/Nanbeige/Nanbeige2-16B-Chat). It appears to be entirely transformer-based (https://huggingface.co/Nanbeige/Nanbeige2-16B-Chat/blob/main/modeling_nanbeige.py). Assuming training was done for 1 epoch, the 6ND approximation yields Training compute = # of active parameters / forward pass * # of tokens * 6 FLOPS / token = 1.5e10 parameters * 4.5e12 tokens * 6 FLOPS / token = 4.05e23 FLOPS

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

Apache 2.0 though you need to ask to use commercially "If you intend to use the Nanbeige Models or its derivatives for commercial purposes, please submit application materials to meet the requirements of the Nanbeige Models Community License Agreement by contacting [email protected]" https://huggingface.co/Nanbeige/Nanbeige2-16B-Chat no training code here https://github.com/Nanbeige/Nanbeige/blob/main/README_EN.md

Hugging Face
Nanbeige

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
Nanbeige2-16B-Chat
Laatst bijgewerkt
28 November 2025

De extremen

De tien snelste GPU's die draaien Nanbeige2-16B-Chat

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_0 214 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 214 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 171 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 171 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 137 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 131 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 131 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 125 tok/s
  9. 09 CMP 170HX 10 GB 10 GB · 1,560 GB/s · Q3_K_M 113 tok/s
  10. 10 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 111 tok/s

De kleinste GPU's die nog steeds draaien Nanbeige2-16B-Chat

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

  1. 01 Arc B570 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 17.9 tok/s
  2. 02 Xbox Series X 6nm GPU 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 31.6 tok/s
  3. 03 Radeon RX 6750 GRE 10 GB 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 18.1 tok/s
  4. 04 CMP 170HX 10 GB 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 113 tok/s
  5. 05 CMP 90HX 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 55.0 tok/s
  6. 06 CMP 50HX 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 40.5 tok/s
  7. 07 Radeon RX 6700 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 18.1 tok/s
  8. 08 Radeon RX 6700M 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 18.1 tok/s
  9. 09 Xbox Series X GPU 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 31.6 tok/s
  10. 10 GeForce RTX 3080 10 GB · Heeft 8.4 GB · Q3_K_M · Krap 55.0 tok/s

Wat de cijfers betekenen

Wat je nodig hebt om het te draaien

Minimum kaart

P102-101

Geheugen nodig

8.4 GB

Snelste

214 tok/s

Nanbeige2-16B-Chat bereikt een parameter telling van 15.8B. 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: 306.

De minste hardware die werkt is P102-101, met een geheugen capaciteit van 10 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 19.7 tokens per seconde

De snelste resultaten komen van B200, genereren ongeveer 214 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Over dit model

Nanbeige2-16B-Chat werd gepubliceerd door Nanbeige LLM Lab, in het land geregistreerd als China, tijdens May 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 chat, 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 Nanbeige.

Hoe snel het draait, en waarom

Over elke kaart die het kan draaien, ligt het midden van het bereik op 20.0 tokens per second. Outright de leessnelheid overschrijden. 259 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.

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.

Wat erin ging zitten om het te bouwen

De training run verbruikte ongeveer 4.1 × 10²³ FLOP. 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 Nanbeige2-16B-Chat

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

    Begin vanuit de geheugen kolom

    De tabel vermeldt elke kaart die in staat is om te bevatten. Nanbeige2-16B-Chat, ongeveer nodig 8.4 GB bij een compressie van Q3_K_M. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.

  2. 02

    Bepaal hoe lang je gesprekken duren

    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. Nanbeige2-16B-Chat.

  3. 03

    Bepaal hoeveel compressie je accepteert

    Compressie is wat een model laat passen op kleinere kaarten, tegen een bepaalde kost in nauwkeurigheid., 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

    Sorteer op snelheid

    De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. Nanbeige2-16B-Chat. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 214 tok/s

  5. 05

    Kijk naar de speling, niet alleen naar de pasvorm.

    Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van Nanbeige2-16B-Chat. 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.

    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 Nanbeige2-16B-Chat.

Antwoorden

Nanbeige2-16B-Chat — veelgestelde vragen

01

Nanbeige2-16B-Chat— 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: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

02

Nanbeige2-16B-Chat— 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: 129–343 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

03

Nanbeige2-16B-Chat— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is P102-101, met een geheugen capaciteit van 10 GB. Het draait het model op een compressie van Q3_K_M ongeveer 8.4 GB, en produceert ongeveer 19.7 tokens per second. Het aantal kaarten dat het totaal kan draaien: 306.

04

Nanbeige2-16B-Chat— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 214 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: 259.

05

Nanbeige2-16B-Chat— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 8.4 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.

06

Nanbeige2-16B-Chat— 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 Q4_K_M, ongeveer 10.3 GB en genereren ongeveer 56.5 tokens per second. De pasvorm is krap.

07

Nanbeige2-16B-Chat— 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 Q6_K, ongeveer 13.9 GB en genereren ongeveer 44.0 tokens per second. De pasvorm is krap.

08

Nanbeige2-16B-Chat— 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 17.6 GB en genereren ongeveer 35.9 tokens per second. De fit is comfortabel.

09

Nanbeige2-16B-Chat— 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.

10

Nanbeige2-16B-Chat— hoeveel parameters heeft het?

Het heeft een parameter telling van 15.8B. https://huggingface.co/Nanbeige/Nanbeige2-16B-Chat. 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.

11

Nanbeige2-16B-Chat— wie heeft het gemaakt?

Het werd gepubliceerd door Nanbeige LLM Lab, gebaseerd op China, een organisatie geclassificeerd als industry.

12

Nanbeige2-16B-Chat— wanneer is het uitgebracht?

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

13

Nanbeige2-16B-Chat— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van chat, Question answering. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.

14

Nanbeige2-16B-Chat— waar kan ik het downloaden?

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

15

Nanbeige2-16B-Chat— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 4.1 × 10²³ FLOP. 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.

16

Nanbeige2-16B-Chat— 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 3.1 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

17

Nanbeige2-16B-Chat— 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: 306. Dus een tweede card is zelden het antwoord hier.

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