Playground v2.5 TPS-rekenmachine

Open gewichten Playground 3.5B parameters February 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

818 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Tesla C1080

4 GB · Q5_K_M · 18.8 tok/s

Snelste kaart

B200

968 tok/s · 180 GB

Welke GPU's kunnen draaien Playground v2.5?

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

818 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
968 tok/s 581–1,549 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	4.4 GB	Q8_0	Comfortabel
968 tok/s 581–1,549 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	4.4 GB	Q8_0	Comfortabel
773 tok/s 464–1,237 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	4.4 GB	Q8_0	Comfortabel
773 tok/s 464–1,237 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	4.4 GB	Q8_0	Comfortabel
618 tok/s 371–989 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	4.4 GB	Q8_0	Comfortabel
592 tok/s 355–947 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.4 GB	Q8_0	Comfortabel
592 tok/s 355–947 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.4 GB	Q8_0	Comfortabel
566 tok/s 340–906 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	4.4 GB	Q8_0	Comfortabel
503 tok/s 302–804 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Comfortabel
503 tok/s 302–804 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Comfortabel
503 tok/s 302–804 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	4.4 GB	Q8_0	Comfortabel
477 tok/s 286–763 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	4.4 GB	Q8_0	Comfortabel
407 tok/s 244–651 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Comfortabel
407 tok/s 244–651 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	4.4 GB	Q8_0	Comfortabel
407 tok/s 244–651 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Comfortabel
407 tok/s 244–651 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Comfortabel
407 tok/s 244–651 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	4.4 GB	Q8_0	Comfortabel
310 tok/s 186–495 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	4.4 GB	Q8_0	Comfortabel
310 tok/s 186–495 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	4.4 GB	Q8_0	Comfortabel
258 tok/s 155–413 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	4.4 GB	Q8_0	Comfortabel
252 tok/s 151–404 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	4.4 GB	Q8_0	Comfortabel
247 tok/s 148–395 · lage vertrouwen	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	4.4 GB	Q8_0	Comfortabel
247 tok/s 148–395 · lage vertrouwen	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	4.4 GB	Q8_0	Comfortabel
247 tok/s 148–395 · lage vertrouwen	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	4.4 GB	Q8_0	Comfortabel
247 tok/s 148–395 · lage vertrouwen	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	4.4 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: Playground
Organisatietype: Industry
Land: United States of America
Gepubliceerd: 27 February 2024
Auteurs: Daiqing Li, Aleks Kamko, Ehsan Akhgari, Ali Sabet, Linmiao Xu, Suhail Doshi

Wat het doet

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

Domein: Image generation
Taak: Text-to-image, Image 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: 3.5B
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 (restricted use)
Training code: Unreleased
Hugging Face: playgroundai

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: Unknown
Citaties: 234

Bronnen

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

Referentie: Playground v2.5: Three Insights towards Enhancing Aesthetic Quality in Text-to-Image Generation
Laatst bijgewerkt: 25 May 2026

De extremen

De tien snelste GPU's die draaien Playground v2.5

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 Playground v2.5

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 je nodig hebt om het te draaien

Minimum kaart

Tesla C1080

Geheugen nodig

3.2 GB

Snelste

968 tok/s

Playground v2.5 bereikt een parameter telling van 3.5B. 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: 818.

De minste hardware die werkt is Tesla C1080, met een geheugen capaciteit van 4 GB, het draaien ervan met een compressie van Q5_K_M en produceren rond 18.8 tokens per seconde

De snelste we er voor berekenen is B200, genereren ongeveer 968 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Over dit model

Playground v2.5 werd gepubliceerd door Playground, in het land geregistreerd als United States of America, tijdens February 2024. De publicerende organisatie is geclassificeerd als industry.

Het werkt in het domein van Image generation, en wordt geregistreerd als het uitvoeren van de taak van text-to-image, Image generation.

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 playgroundai.

Hoe snel het draait, en waarom

Over elke kaart die het kan draaien, ligt het midden van het bereik op 32.5 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 778 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.

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 Playground v2.5

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. Playground v2.5, ongeveer nodig 3.2 GB bij een compressie van Q5_K_M. 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. Playground v2.5.
03

Bepaal hoeveel compressie je accepteert

Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., bereiken van een compressie van Q5_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

Rangschik op doorvoer in plaats van specificatielijst

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Playground v2.5. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 968 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Playground v2.5. 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 Playground v2.5.

Antwoorden

Playground v2.5 — veelgestelde vragen

Playground v2.5— 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. Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Playground v2.5— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 818. Dus een tweede card is zelden het antwoord hier.

Playground v2.5— waarom verschilt de quantisatie tussen kaarten?

Een grotere CARD houdt een nauwkeuriger kopie. Het aantal compressieniveaus dat gebruikt wordt op de CARDS die het draaien: 2. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Playground v2.5— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 581–1,549 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Playground v2.5— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Tesla C1080, met een geheugen capaciteit van 4 GB. Het draait het model op een compressie van Q5_K_M ongeveer 3.2 GB, en produceert ongeveer 18.8 tokens per second. Het aantal kaarten dat het totaal kan draaien: 818.

Playground v2.5— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 968 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: 778.

Playground v2.5— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 3.2 GB bij een compressie van Q5_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.

Playground v2.5— 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 Q8_0, ongeveer 4.4 GB en genereren ongeveer 180 tokens per second. De fit is comfortabel.

Playground v2.5— 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 Q8_0, ongeveer 4.4 GB en genereren ongeveer 110 tokens per second. De fit is comfortabel.

Playground v2.5— 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 Q8_0, ongeveer 4.4 GB en genereren ongeveer 137 tokens per second. De fit is comfortabel.

Playground v2.5— 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 4.4 GB en genereren ongeveer 162 tokens per second. De fit is comfortabel.

Playground v2.5— 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.

Playground v2.5— hoeveel parameters heeft het?

Het heeft een parameter telling van 3.5B. The Model Description section of [1] says that the model “follows the same architecture as Stable Diffusion XL.” It also says that the model is a latent diffusion model that uses OpenCLIP-ViT/G and CLIP-ViT/L as text encoders, which seemingly would make it identical to Stable Diffusion XL [2]. Therefore, I will assume that Playground v2.5 has the same number of parameters as the Stable Diffusion XL 1.0 base model, which has 3.5B model parameters [3]. 1. https://huggingface.co/playgroundai/playground-v2.5-1024px-aesthetic 2. https://arxiv.org/pdf/2307.01952 3. https://stability.ai/news/stable-diffusion-sdxl-1-announcement. 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.

Playground v2.5— wie heeft het gemaakt?

Het werd gepubliceerd door Playground, gebaseerd op United States of America, een organisatie geclassificeerd als industry.

Playground v2.5— wanneer is het uitgebracht?

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

Playground v2.5— waarvoor wordt het gebruikt?

Het werkt in het domein van Image generation, en wordt geregistreerd als het afhandelen van text-to-image, Image generation. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

Playground v2.5— waar kan ik het downloaden?

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

Bron

Originele publicatie

Laatste update geregistreerd 25 May 2026

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