VILA1.5-40B TPS-rekenmachine

Open gewichten NVIDIA,Massachusetts Institute of Technology (MIT) 40B 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

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 · 7.0 tok/s

Snelste kaart

B200

84.7 tok/s · 180 GB

Welke GPU's kunnen draaien VILA1.5-40B?

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
84.7 tok/s 51–136 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	43.5 GB	Q8_0	Comfortabel
84.7 tok/s 51–136 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	43.5 GB	Q8_0	Comfortabel
67.6 tok/s 41–108 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Comfortabel
67.6 tok/s 41–108 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	43.5 GB	Q8_0	Comfortabel
54.1 tok/s 32–87 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	43.5 GB	Q8_0	Comfortabel
51.8 tok/s 31–83 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Comfortabel
51.8 tok/s 31–83 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.5 GB	Q8_0	Comfortabel
49.6 tok/s 30–79 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	43.5 GB	Q8_0	Comfortabel
45.7 tok/s 27–73 · lage vertrouwen	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Krap
45.7 tok/s 27–73 · lage vertrouwen	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	24.9 GB	Q4_K_M	Krap
44.0 tok/s 26–70 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Comfortabel
44.0 tok/s 26–70 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Comfortabel
44.0 tok/s 26–70 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	43.5 GB	Q8_0	Comfortabel
43.8 tok/s 26–70 · lage vertrouwen	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Krap
43.8 tok/s 26–70 · lage vertrouwen	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	24.9 GB	Q4_K_M	Krap
41.7 tok/s 25–67 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	43.5 GB	Q8_0	Comfortabel
38.3 tok/s 23–61 · lage vertrouwen	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.2 GB	Q3_K_M	Krap
35.6 tok/s 21–57 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comfortabel
35.6 tok/s 21–57 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	43.5 GB	Q8_0	Comfortabel
35.6 tok/s 21–57 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comfortabel
35.6 tok/s 21–57 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comfortabel
35.6 tok/s 21–57 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	43.5 GB	Q8_0	Comfortabel
34.9 tok/s 21–56 · lage vertrouwen	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.2 GB	Q3_K_M	Krap
28.9 tok/s 17–46 · lage vertrouwen	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	20.2 GB	Q3_K_M	Krap
28.9 tok/s 17–46 · lage vertrouwen	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	20.2 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: NVIDIA,Massachusetts Institute of Technology (MIT)
Organisatietype: Industry,Academia
Land: United States of America
Gepubliceerd: 15 May 2024

Wat het doet

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

Domein: Multimodal, Language, Vision, Video
Taak: Chat, Visual question answering, Image captioning, Language modeling/generation, Question answering, Video description

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: 40B
Training gegevens: tokens

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 (non-commercial)
Training code: Open source
Hugging Face: Efficient-Large-Model

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: Efficient-Large-Model/VILA1.5-40b
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien VILA1.5-40B

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 VILA1.5-40B

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

De hardwarekant

Minimum kaart

Tesla M40 24 GB

Geheugen nodig

20.2 GB

Snelste

84.7 tok/s

VILA1.5-40B bereikt een parameter telling van 40B. 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.

Aan de onderkant wordt het afgehandeld door Tesla M40 24 GB, met een geheugen capaciteit van 24 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 7.0 tokens per seconde

De snelste resultaten komen van B200, genereren ongeveer 84.7 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

VILA1.5-40B werd gepubliceerd door NVIDIA,Massachusetts Institute of Technology (MIT), in het land geregistreerd als United States of America, tijdens May 2024. De categorie waaronder de uitgever valt is industry,Academia.

Het werkt in het domein van Multimodal, Language, Vision, Video, en wordt geregistreerd als het uitvoeren van de taak van chat, Visual question answering, Image captioning, Language modeling/generation, Question answering, Video description.

Het feit dat de gewichten open zijn, is wat deze pagina in de calculator plaatst in plaats van alleen in de catalogus: het is een model dat je daadwerkelijk kunt vasthouden. Op Hugging Face is het gepubliceerd onder de organisatie Efficient-Large-Model.

Begrijpen van de snelheden

Over elke kaart die het kan draaien, ligt het midden van het bereik op 21.2 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 106 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.

Stap voor stap

Hoe een GPU te kiezen voor VILA1.5-40B

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

Begin vanuit de geheugen kolom

Elke kaart hier is gecontroleerd op VILA1.5-40B, ongeveer nodig 20.2 GB bij een compressie van Q3_K_M. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.
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 VILA1.5-40B.
03

Stel een kwaliteitsvloer in

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.
04

Sorteer op snelheid

Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor VILA1.5-40B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 84.7 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 VILA1.5-40B. 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

Elke kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast VILA1.5-40B.

Antwoorden

VILA1.5-40B — veelgestelde vragen

VILA1.5-40B— wie heeft het gemaakt?

Het werd gepubliceerd door NVIDIA,Massachusetts Institute of Technology (MIT), gebaseerd op United States of America, een organisatie geclassificeerd als industry,Academia.

VILA1.5-40B— 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.

VILA1.5-40B— waarvoor wordt het gebruikt?

Het werkt in het domein van Multimodal, Language, Vision, Video, en wordt geregistreerd als het afhandelen van chat, Visual question answering, Image captioning, Language modeling/generation, Question answering, Video description. 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.

VILA1.5-40B— waar kan ik het downloaden?

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

VILA1.5-40B— 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 6.9 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

VILA1.5-40B— 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: 126. Dus een tweede card is zelden het antwoord hier.

VILA1.5-40B— 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: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

VILA1.5-40B— 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: 51–136 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

VILA1.5-40B— 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 20.2 GB, en produceert ongeveer 7.0 tokens per second. Het aantal kaarten dat het totaal kan draaien: 126.

VILA1.5-40B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 84.7 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: 106.

VILA1.5-40B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 20.2 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.

VILA1.5-40B— 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 20.2 GB en genereren ongeveer 38.3 tokens per second. De pasvorm is krap.

VILA1.5-40B— 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.

VILA1.5-40B— hoeveel parameters heeft het?

Het heeft een parameter telling van 40B. 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.

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