Tongyi DeepResearch TPS-rekenmachine

Open gewichten Alibaba 30.5B parameters October 2025

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

132 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

RTX A4500

20 GB · IQ4_XS · 21.8 tok/s

Snelste kaart

B200

111 tok/s · 180 GB

Welke GPU's kunnen draaien Tongyi DeepResearch?

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

132 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
111 tok/s 67–178 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	33.4 GB	Q8_0	Comfortabel
111 tok/s 67–178 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	33.4 GB	Q8_0	Comfortabel
88.7 tok/s 53–142 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	33.4 GB	Q8_0	Comfortabel
88.7 tok/s 53–142 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	33.4 GB	Q8_0	Comfortabel
70.9 tok/s 43–114 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	33.4 GB	Q8_0	Comfortabel
67.9 tok/s 41–109 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	33.4 GB	Q8_0	Comfortabel
67.9 tok/s 41–109 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	33.4 GB	Q8_0	Comfortabel
65.0 tok/s 39–104 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	33.4 GB	Q8_0	Comfortabel
57.7 tok/s 35–92 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	33.4 GB	Q8_0	Comfortabel
57.7 tok/s 35–92 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	33.4 GB	Q8_0	Comfortabel
57.7 tok/s 35–92 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	33.4 GB	Q8_0	Comfortabel
54.7 tok/s 33–88 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	33.4 GB	Q8_0	Comfortabel
46.7 tok/s 28–75 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Comfortabel
46.7 tok/s 28–75 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	33.4 GB	Q8_0	Comfortabel
46.7 tok/s 28–75 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Comfortabel
46.7 tok/s 28–75 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Comfortabel
46.7 tok/s 28–75 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	33.4 GB	Q8_0	Comfortabel
43.0 tok/s 26–69 · lage vertrouwen	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	19.2 GB	Q4_K_M	Krap
39.1 tok/s 23–63 · lage vertrouwen	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	19.2 GB	Q4_K_M	Krap
37.7 tok/s 23–60 · lage vertrouwen	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	26.3 GB	Q6_K	Krap
37.7 tok/s 23–60 · lage vertrouwen	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	26.3 GB	Q6_K	Krap
36.1 tok/s 22–58 · lage vertrouwen	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.3 GB	Q6_K	Krap
36.1 tok/s 22–58 · lage vertrouwen	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.3 GB	Q6_K	Krap
35.5 tok/s 21–57 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	33.4 GB	Q8_0	Comfortabel
35.5 tok/s 21–57 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	33.4 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: Alibaba
Organisatietype: Industry
Land: China
Gepubliceerd: 28 October 2025
Auteurs: Baixuan Li, Bo Zhang, Dingchu Zhang, Fei Huang, Guangyu Li, Guoxin Chen, Huifeng Yin, Jialong Wu, Jingren Zhou, Kuan Li, Liangcai Su, Litu Ou, Liwen Zhang, Pengjun Xie, Rui Ye, Wenbiao Yin, Xinmiao Yu, Xinyu Wang, Xixi Wu, Xuanzhong Chen, Yida Zhao, Zhen Zhang, Zhengwei Tao, Zhongwang Zhang, Zile Qiao, Chenxi Wang, Donglei Yu, Gang Fu, Haiyang Shen, Jiayin Yang, Jun Lin, Junkai Zhang, Kui Zeng, Li…

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, Quantitative reasoning, Search, System control
Basis model: Qwen3-30B-A3B

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: 30.5B
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 (unrestricted)
Training code: Unreleased
Hugging Face: Alibaba-NLP

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.

Waarom het wordt gevolgd: SOTA improvement
Record vertrouwen: Confident

Bronnen

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

Referentie: Tongyi DeepResearch Technical Report
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Tongyi DeepResearch

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 Tongyi DeepResearch

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

RTX A4500

Geheugen nodig

17.4 GB

Snelste

111 tok/s

Tongyi DeepResearch bereikt een parameter telling van 30.5B. 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: 132.

De kleinste kaart die het vasthoudt is RTX A4500, met een geheugen capaciteit van 20 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 21.8 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 111 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Wat dit model is

Tongyi DeepResearch werd gepubliceerd door Alibaba, in het land geregistreerd als China, tijdens October 2025. 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, Quantitative reasoning, Search, System control.

Het startpunt was een bestaand basismodel, Qwen3-30B-A3B. De meeste modellen op deze schaal zijn aangepast van een bestaande basis in plaats van vanuit het niets gebouwd.

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 Alibaba-NLP.

Wat bepaalt de snelheid

Over elke kaart die het kan draaien, ligt het midden van het bereik op 21.6 tokens per seconde. 104 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.

Hoe het getraind werd

De inclusiecriteria: sOTA improvement.

Stap voor stap

Hoe een GPU te kiezen voor Tongyi DeepResearch

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. Tongyi DeepResearch, ongeveer nodig 17.4 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stel de contextlengte in waarmee je gaat werken

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. Tongyi DeepResearch.
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 IQ4_XS 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

Vergelijk tokens per seconde, niet specificaties

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Tongyi DeepResearch. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 111 tok/s
05

Controleer het geschiktheidsadvies voordat je koopt

De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Tongyi DeepResearch. 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

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 Tongyi DeepResearch.

Antwoorden

Tongyi DeepResearch — veelgestelde vragen

Tongyi DeepResearch— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is RTX A4500, met een geheugen capaciteit van 20 GB. Het draait het model op een compressie van IQ4_XS ongeveer 17.4 GB, en produceert ongeveer 21.8 tokens per second. Het aantal kaarten dat het totaal kan draaien: 132.

Tongyi DeepResearch— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 111 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: 104.

Tongyi DeepResearch— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 17.4 GB bij een compressie van IQ4_XS, 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.

Tongyi DeepResearch— 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 Q4_K_M, ongeveer 19.2 GB en genereren ongeveer 43.0 tokens per second. De pasvorm is krap.

Tongyi DeepResearch— 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.

Tongyi DeepResearch— hoeveel parameters heeft het?

Het heeft een parameter telling van 30.5B. 30.5 billion total parameters, with only 3.3 billion activated per token. 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.

Tongyi DeepResearch— wie heeft het gemaakt?

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

Tongyi DeepResearch— wanneer is het uitgebracht?

Het werd gepubliceerd in October 2025.

Tongyi DeepResearch— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Quantitative reasoning, Search, System control. 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.

Tongyi DeepResearch— waar kan ik het downloaden?

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

Tongyi DeepResearch— 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 4.8 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Tongyi DeepResearch— 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: 132. Dus een tweede card is zelden het antwoord hier.

Tongyi DeepResearch— 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.

Tongyi DeepResearch— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 67–178 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