Me Llama 70B TPS-rekenmachine

Open gewichten Yale School of Medicine,University of Florida,University of Texas Health Science Center 70B 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

61 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

A100 PCIe 40 GB

40 GB · IQ4_XS · 23.2 tok/s

Snelste kaart

B200

48.4 tok/s · 180 GB

Welke GPU's kunnen draaien Me Llama 70B?

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.

61 kaarten passen

Berekenen
Heeft Kwantificatie Past
48.4 tok/s

41–58

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 72.5 GB Q8_0 Comfortabel
48.4 tok/s

41–58

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 72.5 GB Q8_0 Comfortabel
38.7 tok/s

23–62 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 72.5 GB Q8_0 Comfortabel
38.7 tok/s

23–62 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 72.5 GB Q8_0 Comfortabel
30.9 tok/s

19–49 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 72.5 GB Q8_0 Comfortabel
29.6 tok/s

25–36

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 72.5 GB Q8_0 Comfortabel
29.6 tok/s

25–36

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 72.5 GB Q8_0 Comfortabel
29.5 tok/s

25–35

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 56.2 GB Q6_K Comfortabel
29.5 tok/s

25–35

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 56.2 GB Q6_K Comfortabel
28.3 tok/s

17–45 · lage vertrouwen

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 72.5 GB Q8_0 Comfortabel
26.1 tok/s

22–31

GRID A100B NVIDIA 48 GB 1,870 GB/s May 2020 39.9 GB Q4_K_M Krap
25.1 tok/s

15–40 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 72.5 GB Q8_0 Comfortabel
25.1 tok/s

15–40 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 72.5 GB Q8_0 Comfortabel
25.1 tok/s

15–40 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 72.5 GB Q8_0 Comfortabel
23.8 tok/s

20–29

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 72.5 GB Q8_0 Krap
23.2 tok/s

20–28

A100 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Jun 2020 35.8 GB IQ4_XS Krap
23.2 tok/s

20–28

A100 SXM4 40 GB NVIDIA 40 GB 1,560 GB/s May 2020 35.8 GB IQ4_XS Krap
23.2 tok/s

20–28

A800 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Nov 2022 35.8 GB IQ4_XS Krap
20.3 tok/s

17–24

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 72.5 GB Q8_0 Krap
20.3 tok/s

17–24

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 72.5 GB Q8_0 Krap
20.3 tok/s

17–24

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 72.5 GB Q8_0 Krap
18.7 tok/s

16–22

RTX PRO 5000 Blackwell NVIDIA 48 GB 1,340 GB/s Mar 2025 39.9 GB Q4_K_M Krap
17.9 tok/s

15–22

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 56.2 GB Q6_K Comfortabel
17.9 tok/s

15–22

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 56.2 GB Q6_K Comfortabel
17.9 tok/s

15–22

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 56.2 GB Q6_K 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
Yale School of Medicine,University of Florida,University of Texas Health Science Center
Organisatietype
Academia,Academia,Academia
Land
United States of America
Gepubliceerd
20 February 2024
Auteurs
Qianqian Xie, Qingyu Chen, Aokun Chen, Cheng Peng, Yan Hu, Fongci Lin, Xueqing Peng, Jimin Huang, Jeffrey Zhang, Vipina Keloth, Xinyu Zhou, Lingfei Qian, Huan He, Dennis Shung, Lucila Ohno-Machado, Yonghui Wu, Hua Xu, Jiang Bian

Wat het doet

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

Domein
Language, Medicine
Taak
Language modeling/generation, Question answering, Medical diagnosis, Named entity recognition (NER), Text classification, Text summarization
Basis model
Llama 2-70B
Numerieke indeling
BF16

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
70B

70B

Training gegevens
129,000,000,000 tokens

"129B pre-training tokens and 214K instruction tuning samples from diverse biomedical and clinical data sources"

Epochs
1

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.

Hoe het werd opgericht
Operation counting,Hardware
Fijn-tuning compute
4.3 × 10²² FLOP

6 FLOP / parameter / token * 70 * 10^9 parameters * 129 * 10^9 pre-training tokens [instruction-tuning is negligible] = 5.418e+22 FLOP 312000000000000 FLOP / GPU / sec [A100, bf16] * 100000 GPU-hours * 3600 sec/ hour * 0.3 [assumed utilization] = 3.3696e+22 FLOP sqrt(3.3696e+22 * 5.418e+22) = 4.2727617e+22 FLOP

De trainingsrun

Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.

Training hardware
NVIDIA A100 SXM4 80 GB
Chip-uren
100,000

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
Unreleased

MIT license + llama 2 restirctions + PhysioNet Credentialed Health DUA 1.5.0 https://github.com/BIDS-Xu-Lab/Me-LLaMA

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
Me LLaMA: Foundation Large Language Models for Medical Applications
Laatst bijgewerkt
28 November 2025

De extremen

De tien snelste GPU's die draaien Me Llama 70B

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 48.4 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  8. 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  9. 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  10. 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s

De kleinste GPU's die nog steeds draaien Me Llama 70B

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

  1. 01 A800 PCIe 40 GB 40 GB · Heeft 35.8 GB · IQ4_XS · Krap 23.2 tok/s
  2. 02 A100 PCIe 40 GB 40 GB · Heeft 35.8 GB · IQ4_XS · Krap 23.2 tok/s
  3. 03 A100 SXM4 40 GB 40 GB · Heeft 35.8 GB · IQ4_XS · Krap 23.2 tok/s
  4. 04 Radeon PRO W7900D 48 GB · Heeft 39.9 GB · Q4_K_M · Krap 9.4 tok/s
  5. 05 RTX PRO 5000 Blackwell 48 GB · Heeft 39.9 GB · Q4_K_M · Krap 18.7 tok/s
  6. 06 RTX 5880 Ada Generation 48 GB · Heeft 39.9 GB · Q4_K_M · Krap 12.1 tok/s
  7. 07 L20 48 GB · Heeft 39.9 GB · Q4_K_M · Krap 12.1 tok/s
  8. 08 Radeon PRO W7800 48 GB 48 GB · Heeft 39.9 GB · Q4_K_M · Krap 9.4 tok/s
  9. 09 Radeon PRO W7900 48 GB · Heeft 39.9 GB · Q4_K_M · Krap 9.4 tok/s
  10. 10 Data Center GPU Max 1100 48 GB · Heeft 39.9 GB · Q4_K_M · Krap 11.2 tok/s

Wat de cijfers betekenen

Hardwarevereisten in de praktijk

Minimum kaart

A100 PCIe 40 GB

Geheugen nodig

35.8 GB

Snelste

48.4 tok/s

Me Llama 70B bereikt een parameter telling van 70B. Dat plaatst het boven consumentenharde, in het bereik waar een kaart hiervoor wordt gekocht in plaats van ervoor te worden hergebruikt. Het aantal kaarten dat we volgen die het kunnen vasthouden: 61.

Het toegangspunt is A100 PCIe 40 GB, met een geheugen capaciteit van 40 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 23.2 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 48.4 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Over dit model

Me Llama 70B werd gepubliceerd door Yale School of Medicine,University of Florida,University of Texas Health Science Center, in het land geregistreerd als United States of America, tijdens February 2024. De categorie waaronder de uitgever valt is academia,Academia,Academia.

Het werkt in het domein van Language, Medicine, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering, Medical diagnosis, Named entity recognition (NER), Text classification, Text summarization.

Het bouwt voort op Llama 2-70B. De meeste modellen op deze schaal zijn aangepast van een bestaande basis in plaats van vanuit het niets gebouwd.

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.

Hoe snel het draait, en waarom

De mediaanresultaat is rond 17.1 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 49 van hen

Elke gewicht participeert in elke token hier, dus bandbreedte is het hele verhaal: de ranking hieronder is effectief een ranking van geheugendoorvoer.

Omdat de architectuur is vastgelegd, is de geheugen kolom afgeleid in plaats van geschat.

Wat erin ging zitten om het te bouwen

Training verbruikte een corpus van ongeveer 129,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor Me Llama 70B

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

    Controleer wat het nodig heeft voordat iets anders.

    Elke kaart hier is gecontroleerd op Me Llama 70B, ongeveer nodig 35.8 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.

  2. 02

    Stel de contextlengte in waarmee je gaat werken

    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 Me Llama 70B.

  3. 03

    Kies hoe ver je het wilt comprimeren

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

  4. 04

    Rangschik op doorvoer in plaats van specificatielijst

    Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Me Llama 70B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 48.4 tok/s

  5. 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 Me Llama 70B. 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

    Zie wat die kaart nog meer draait

    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 Me Llama 70B.

Antwoorden

Me Llama 70B — veelgestelde vragen

01

Me Llama 70B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 48.4 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: 49.

02

Me Llama 70B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 35.8 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.

03

Me Llama 70B— 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.

04

Me Llama 70B— hoeveel parameters heeft het?

Het heeft een parameter telling van 70B. 70B. 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.

05

Me Llama 70B— wie heeft het gemaakt?

Het werd gepubliceerd door Yale School of Medicine,University of Florida,University of Texas Health Science Center, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Academia,Academia.

06

Me Llama 70B— 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.

07

Me Llama 70B— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, Medicine, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Medical diagnosis, Named entity recognition (NER), Text classification, Text summarization. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

08

Me Llama 70B— 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.

09

Me Llama 70B— 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 11.1 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

10

Me Llama 70B— 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: 61. Dus een tweede card is zelden het antwoord hier.

11

Me Llama 70B— 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: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

12

Me Llama 70B— 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: 41–58 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

13

Me Llama 70B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is A100 PCIe 40 GB, met een geheugen capaciteit van 40 GB. Het draait het model op een compressie van IQ4_XS ongeveer 35.8 GB, en produceert ongeveer 23.2 tokens per second. Het aantal kaarten dat het totaal kan draaien: 61.

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