Ring-flash-linear-2.0 TPS-rekenmachine

Open gewichten Ant Group 104.2B 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

43 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Radeon Instinct MI200

64 GB · Q3_K_M · 14.0 tok/s

Snelste kaart

B200

32.5 tok/s · 180 GB

Welke GPU's kunnen draaien Ring-flash-linear-2.0?

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

43 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
32.5 tok/s 20–52 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	112.3 GB	Q8_0	Comfortabel
32.5 tok/s 20–52 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	112.3 GB	Q8_0	Comfortabel
31.5 tok/s 19–50 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	63.7 GB	Q4_K_M	Krap
31.5 tok/s 19–50 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	63.7 GB	Q4_K_M	Krap
28.6 tok/s 17–46 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	75.9 GB	Q5_K_M	Krap
26.0 tok/s 16–42 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Comfortabel
26.0 tok/s 16–42 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	112.3 GB	Q8_0	Comfortabel
24.4 tok/s 15–39 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Krap
24.4 tok/s 15–39 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Krap
24.4 tok/s 15–39 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	75.9 GB	Q5_K_M	Krap
22.2 tok/s 13–35 · lage vertrouwen	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	51.6 GB	Q3_K_M	Krap
20.8 tok/s 12–33 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	112.3 GB	Q8_0	Krap
19.9 tok/s 12–32 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	Krap
19.9 tok/s 12–32 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	112.3 GB	Q8_0	Krap
19.1 tok/s 11–31 · lage vertrouwen	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	63.7 GB	Q4_K_M	Krap
19.1 tok/s 11–31 · lage vertrouwen	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	63.7 GB	Q4_K_M	Krap
19.1 tok/s 11–31 · lage vertrouwen	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	63.7 GB	Q4_K_M	Krap
19.1 tok/s 11–31 · lage vertrouwen	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	Krap
19.1 tok/s 11–31 · lage vertrouwen	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	63.7 GB	Q4_K_M	Krap
19.1 tok/s 11–31 · lage vertrouwen	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	63.7 GB	Q4_K_M	Krap
19.0 tok/s 11–30 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	112.3 GB	Q8_0	Comfortabel
18.2 tok/s 11–29 · lage vertrouwen	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	63.7 GB	Q4_K_M	Krap
18.2 tok/s 11–29 · lage vertrouwen	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	63.7 GB	Q4_K_M	Krap
16.9 tok/s 10–27 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	112.3 GB	Q8_0	Krap
16.9 tok/s 10–27 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	112.3 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: Ant Group
Organisatietype: Industry
Land: China
Gepubliceerd: 23 October 2025
Auteurs: Bin Han, Caizhi Tang, Chen Liang, Donghao Zhang, Fan Yuan, Feng Zhu, Jie Gao, Jingyu Hu, Longfei Li, Meng Li, Mingyang Zhang, Peijie Jiang, Peng Jiao, Qian Zhao, Qingyuan Yang, Wenbo Shen, Xinxing Yang, Yalin Zhang, Yankun Ren, Yao Zhao, Yibo Cao, Yixuan Sun, Yue Zhang, Yuchen Fang, Zibin Lin, Zixuan Cheng, Jun Zhou

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, Code generation, Mathematical reasoning
Basis model: Ling-flash-base-2.0-20T
Numerieke indeling: FP8

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: 104.2B
Training gegevens: 1,000,000,000,000 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: 7.7 × 10²³ FLOP
Hoe het werd opgericht: Operation counting
Fijn-tuning compute: 3.7 × 10²² 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 H800 SXM5
Gebruikte chips: 32
Stroomverbruik: 43.7 kW

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: inclusionAI

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: Every Attention Matters: An Efficient Hybrid Architecture for Long-Context Reasoning
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Ring-flash-linear-2.0

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 Ring-flash-linear-2.0

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

Radeon Instinct MI200

Geheugen nodig

51.6 GB

Snelste

32.5 tok/s

Ring-flash-linear-2.0 bereikt een parameter telling van 104.2B. 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: 43.

De minste hardware die werkt is Radeon Instinct MI200, met een geheugen capaciteit van 64 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 14.0 tokens per seconde

De snelste resultaten komen van B200, genereren ongeveer 32.5 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

Ring-flash-linear-2.0 werd gepubliceerd door Ant Group, in het land geregistreerd als China, tijdens October 2025. De publicerende organisatie is geclassificeerd 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, Code generation, Mathematical reasoning.

In plaats van vanaf nul te worden getraind, is het afgeleid van Ling-flash-base-2.0-20T. 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. Op Hugging Face is het gepubliceerd onder de organisatie inclusionAI.

Begrijpen van de snelheden

De mediaanresultaat is rond 18.2 tokens per seconde. 37 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

Training kostte een rekensbudget van ongeveer 7.7 × 10²³ FLOP, op hardware vastgelegd als NVIDIA H800 SXM5. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

Het is getraind op een corpus van ongeveer 1,000,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor Ring-flash-linear-2.0

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 Ring-flash-linear-2.0, ongeveer nodig 51.6 GB bij een compressie van Q3_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
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 Ring-flash-linear-2.0.
03

Bepaal hoeveel compressie je accepteert

Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., 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

Rangschik op doorvoer in plaats van specificatielijst

De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. Ring-flash-linear-2.0. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 32.5 tok/s
05

Controleer het geschiktheidsadvies voordat je koopt

Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van Ring-flash-linear-2.0. 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.

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 Ring-flash-linear-2.0.

Antwoorden

Ring-flash-linear-2.0 — veelgestelde vragen

Ring-flash-linear-2.0— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Radeon Instinct MI200, met een geheugen capaciteit van 64 GB. Het draait het model op een compressie van Q3_K_M ongeveer 51.6 GB, en produceert ongeveer 14.0 tokens per second. Het aantal kaarten dat het totaal kan draaien: 43.

Ring-flash-linear-2.0— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 32.5 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: 37.

Ring-flash-linear-2.0— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 51.6 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.

Ring-flash-linear-2.0— 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.

Ring-flash-linear-2.0— hoeveel parameters heeft het?

Het heeft een parameter telling van 104.2B. Ring-flash-linear-2.0 contains 104B parameters and 6.1B activations. 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.

Ring-flash-linear-2.0— wie heeft het gemaakt?

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

Ring-flash-linear-2.0— wanneer is het uitgebracht?

Het werd gepubliceerd in October 2025.

Ring-flash-linear-2.0— 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, Code generation, Mathematical reasoning. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

Ring-flash-linear-2.0— waar kan ik het downloaden?

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

Ring-flash-linear-2.0— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 7.7 × 10²³ FLOP, op hardware vastgelegd als NVIDIA H800 SXM5. 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.

Ring-flash-linear-2.0— kan ik het draaien als het niet in mijn GPU past?

Het kan worden opgesplitst tussen de GPU-kaart en systeemgeheugen, maar het genereert op die manier pijnlijk traag. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 20.5 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Ring-flash-linear-2.0— 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: 43. Dus een tweede card is zelden het antwoord hier.

Ring-flash-linear-2.0— 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.

Ring-flash-linear-2.0— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 20–52 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