Fugaku-LLM TPS-rekenmachine

Open gewichten Tohoku University,CyberAgent,Tokyo Institute of Technology,Fujitsu,RIKEN,Nagoya University,Kotoba Technologies 13B 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

509 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Xeon Phi 5110P

8 GB · Q3_K_M · 18.3 tok/s

Snelste kaart

B200

261 tok/s · 180 GB

Welke GPU's kunnen draaien Fugaku-LLM?

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

509 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
261 tok/s 156–417 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	14.6 GB	Q8_0	Comfortabel
261 tok/s 156–417 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	14.6 GB	Q8_0	Comfortabel
208 tok/s 125–333 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	14.6 GB	Q8_0	Comfortabel
208 tok/s 125–333 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	14.6 GB	Q8_0	Comfortabel
166 tok/s 100–266 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	14.6 GB	Q8_0	Comfortabel
159 tok/s 96–255 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.6 GB	Q8_0	Comfortabel
159 tok/s 96–255 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	14.6 GB	Q8_0	Comfortabel
152 tok/s 91–244 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	14.6 GB	Q8_0	Comfortabel
135 tok/s 81–217 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	14.6 GB	Q8_0	Comfortabel
135 tok/s 81–217 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	14.6 GB	Q8_0	Comfortabel
135 tok/s 81–217 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	14.6 GB	Q8_0	Comfortabel
131 tok/s 79–210 · lage vertrouwen	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.1 GB	Q3_K_M	Krap
128 tok/s 77–205 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	14.6 GB	Q8_0	Comfortabel
117 tok/s 70–188 · lage vertrouwen	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q4_K_M	Krap
109 tok/s 66–175 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comfortabel
109 tok/s 66–175 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	14.6 GB	Q8_0	Comfortabel
109 tok/s 66–175 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comfortabel
109 tok/s 66–175 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comfortabel
109 tok/s 66–175 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	14.6 GB	Q8_0	Comfortabel
83.4 tok/s 50–133 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	14.6 GB	Q8_0	Comfortabel
83.4 tok/s 50–133 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	14.6 GB	Q8_0	Comfortabel
69.5 tok/s 42–111 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	14.6 GB	Q8_0	Comfortabel
68.0 tok/s 41–109 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	14.6 GB	Q8_0	Comfortabel
67.5 tok/s 41–108 · lage vertrouwen	RTX A5000-8Q NVIDIA	8 GB	768 GB/s	Apr 2021	7.1 GB	Q3_K_M	Krap
66.5 tok/s 40–106 · lage vertrouwen	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	14.6 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: Tohoku University,CyberAgent,Tokyo Institute of Technology,Fujitsu,RIKEN,Nagoya University,Kotoba Technologies
Organisatietype: Academia,Industry,Academia,Industry,Academia,Industry
Land: Japan
Gepubliceerd: 10 May 2024
Auteurs: Fugaku Team

Wat het doet

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

Domein: Language
Taak: Language modeling, Translation, Japanese language modeling, Language modeling/generation, 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: 13B
Training gegevens: 380,000,000,000 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: 3 × 10²² FLOP
Hoe het werd opgericht: Operation counting

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.

Record vertrouwen: Confident

Bronnen

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

Referentie: Release of “Fugaku-LLM” – a large language model trained on the supercomputer “Fugaku”
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Fugaku-LLM

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 Fugaku-LLM

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

Xeon Phi 5110P

Geheugen nodig

7.1 GB

Snelste

261 tok/s

Fugaku-LLM bereikt een parameter telling van 13B. 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: 509.

Aan de onderkant wordt het afgehandeld door Xeon Phi 5110P, met een geheugen capaciteit van 8 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 18.3 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 261 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Over dit model

Fugaku-LLM werd gepubliceerd door Tohoku University,CyberAgent,Tokyo Institute of Technology,Fujitsu,RIKEN,Nagoya University,Kotoba Technologies, in het land geregistreerd als Japan, tijdens May 2024. De publicerende organisatie is geclassificeerd als academia,Industry,Academia,Industry,Academia,Industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling, Translation, Japanese language modeling, Language modeling/generation, Question answering.

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.

Hoe snel het draait, en waarom

De mediaanresultaat is rond 21.2 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 459 van hen

Het is een dicht model, dus elke parameter wordt gelezen voor elk token dat wordt geproduceerd. Dat maakt de snelheid bijna precies het geheugenbandbreedte bijhouden — een kaart met twee keer de bandbreedte genereert ongeveer twee keer zo snel.

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

Het produceren ervan vereiste een rekenkundige totaal van ongeveer 3 × 10²² FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

Training verbruikte een corpus van ongeveer 380,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor Fugaku-LLM

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

De tabel vermeldt elke kaart die in staat is om te bevatten. Fugaku-LLM, ongeveer nodig 7.1 GB bij een compressie van Q3_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Bepaal hoe lang je gesprekken duren

Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor Fugaku-LLM.
03

Bepaal hoeveel compressie je accepteert

De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt., 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

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Fugaku-LLM. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 261 tok/s
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 Fugaku-LLM. 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

Zie wat die kaart nog meer draait

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

Antwoorden

Fugaku-LLM — veelgestelde vragen

Fugaku-LLM— hoeveel parameters heeft het?

Het heeft een parameter telling van 13B. "Fugaku-LLM has 13 billion parameters (2)". 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.

Fugaku-LLM— wie heeft het gemaakt?

Het werd gepubliceerd door Tohoku University,CyberAgent,Tokyo Institute of Technology,Fujitsu,RIKEN,Nagoya University,Kotoba Technologies, gebaseerd op Japan, een organisatie geclassificeerd als academia,Industry,Academia,Industry,Academia,Industry.

Fugaku-LLM— 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.

Fugaku-LLM— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling, Translation, Japanese language modeling, Language modeling/generation, Question answering. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

Fugaku-LLM— 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.

Fugaku-LLM— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 3 × 10²² 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.

Fugaku-LLM— 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 3.2 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Fugaku-LLM— 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: 509. Dus een tweede card is zelden het antwoord hier.

Fugaku-LLM— 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.

Fugaku-LLM— 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: 156–417 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Fugaku-LLM— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Xeon Phi 5110P, met een geheugen capaciteit van 8 GB. Het draait het model op een compressie van Q3_K_M ongeveer 7.1 GB, en produceert ongeveer 18.3 tokens per second. Het aantal kaarten dat het totaal kan draaien: 509.

Fugaku-LLM— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 261 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: 459.

Fugaku-LLM— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 7.1 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.

Fugaku-LLM— 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 Q3_K_M, ongeveer 7.1 GB en genereren ongeveer 131 tokens per second. De pasvorm is krap.

Fugaku-LLM— 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 Q5_K_M, ongeveer 10.1 GB en genereren ongeveer 53.1 tokens per second. De pasvorm is krap.

Fugaku-LLM— 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 11.6 GB en genereren ongeveer 53.5 tokens per second. De fit is comfortabel.

Fugaku-LLM— 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 14.6 GB en genereren ongeveer 43.7 tokens per second. De fit is comfortabel.

Fugaku-LLM— 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.

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