LLaVA-NeXT-34B (LLaVA-1.6) TPS-rekenmachine

Open gewichten University of Wisconsin Madison,ByteDance,Nanyang Technological University,University of California (UC) Berkeley 34.8B parameters January 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

132 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

RTX A4500

20 GB · Q3_K_M · 21.1 tok/s

Snelste kaart

B200

97.5 tok/s · 180 GB

Welke GPU's kunnen draaien LLaVA-NeXT-34B (LLaVA-1.6)?

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
97.5 tok/s 59–156 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	37.9 GB	Q8_0	Comfortabel
97.5 tok/s 59–156 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	37.9 GB	Q8_0	Comfortabel
77.9 tok/s 47–125 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	37.9 GB	Q8_0	Comfortabel
77.9 tok/s 47–125 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	37.9 GB	Q8_0	Comfortabel
62.3 tok/s 37–100 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	37.9 GB	Q8_0	Comfortabel
59.6 tok/s 36–95 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	37.9 GB	Q8_0	Comfortabel
59.6 tok/s 36–95 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	37.9 GB	Q8_0	Comfortabel
57.0 tok/s 34–91 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	37.9 GB	Q8_0	Comfortabel
50.6 tok/s 30–81 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	37.9 GB	Q8_0	Comfortabel
50.6 tok/s 30–81 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	37.9 GB	Q8_0	Comfortabel
50.6 tok/s 30–81 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	37.9 GB	Q8_0	Comfortabel
48.0 tok/s 29–77 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	37.9 GB	Q8_0	Comfortabel
41.0 tok/s 25–66 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	37.9 GB	Q8_0	Comfortabel
41.0 tok/s 25–66 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	37.9 GB	Q8_0	Comfortabel
41.0 tok/s 25–66 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	37.9 GB	Q8_0	Comfortabel
41.0 tok/s 25–66 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	37.9 GB	Q8_0	Comfortabel
41.0 tok/s 25–66 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	37.9 GB	Q8_0	Comfortabel
40.7 tok/s 24–65 · lage vertrouwen	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	25.8 GB	Q5_K_M	Krap
40.7 tok/s 24–65 · lage vertrouwen	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	25.8 GB	Q5_K_M	Krap
40.1 tok/s 24–64 · lage vertrouwen	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	19.7 GB	IQ4_XS	Krap
39.0 tok/s 23–62 · lage vertrouwen	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.8 GB	Q5_K_M	Krap
39.0 tok/s 23–62 · lage vertrouwen	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.8 GB	Q5_K_M	Krap
36.5 tok/s 22–58 · lage vertrouwen	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	19.7 GB	IQ4_XS	Krap
31.2 tok/s 19–50 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	37.9 GB	Q8_0	Comfortabel
31.2 tok/s 19–50 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	37.9 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: University of Wisconsin Madison,ByteDance,Nanyang Technological University,University of California (UC) Berkeley
Organisatietype: Academia,Industry,Academia,Academia
Land: United States of America, China, Singapore
Gepubliceerd: 30 January 2024
Auteurs: Haotian Liu, Chunyuan Li, Yuheng Li, Bo Li, Yuanhan Zhang, Sheng Shen, Yong Jae Lee

Wat het doet

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

Domein: Multimodal, Language, Vision
Taak: Visual question answering, Chat, 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: 34.8B
Training gegevens: 89,338,000 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: 2.6 × 10²⁰ FLOP
Hoe het werd opgericht: Hardware

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
Gebruikte chips: 32
Chip-uren: 768
Kloktijd: 24 hours
Stroomverbruik: 25.3 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)

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: Likely

Bronnen

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

Referentie: LLaVA-NeXT: Improved reasoning, OCR, and world knowledge
Laatst bijgewerkt: 11 February 2026

De extremen

De tien snelste GPU's die draaien LLaVA-NeXT-34B (LLaVA-1.6)

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 LLaVA-NeXT-34B (LLaVA-1.6)

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

Hardwarevereisten in de praktijk

Minimum kaart

RTX A4500

Geheugen nodig

17.7 GB

Snelste

97.5 tok/s

LLaVA-NeXT-34B (LLaVA-1.6) bereikt een parameter telling van 34.8B. 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.

Het toegangspunt is RTX A4500, met een geheugen capaciteit van 20 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 21.1 tokens per seconde

De snelste resultaten komen van B200, genereren ongeveer 97.5 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Wat dit model is

LLaVA-NeXT-34B (LLaVA-1.6) werd gepubliceerd door University of Wisconsin Madison,ByteDance,Nanyang Technological University,University of California (UC) Berkeley, in het land geregistreerd als United States of America, tijdens January 2024. De categorie waaronder de uitgever valt is academia,Industry,Academia,Academia.

Het werkt in het domein van Multimodal, Language, Vision, en wordt geregistreerd als het uitvoeren van de taak van visual question answering, Chat, 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.

Wat bepaalt de snelheid

Over elke kaart die het kan draaien, ligt het midden van het bereik op 20.7 tokens per seconde. 103 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.

Geheugen hier is geschat op basis van grootte in plaats van berekend vanuit de architectuur, die niet is vastgelegd voor dit model — de cijfers zijn indicatief eerder dan exact.

Training en herkomst

Training kostte een rekensbudget van ongeveer 2.6 × 10²⁰ FLOP, op hardware vastgelegd als NVIDIA A100. 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 89,338,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor LLaVA-NeXT-34B (LLaVA-1.6)

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

Lees eerst de geheugenfiguur

Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van LLaVA-NeXT-34B (LLaVA-1.6), ongeveer nodig 17.7 GB bij een compressie van Q3_K_M. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.
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 LLaVA-NeXT-34B (LLaVA-1.6).
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 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

Vergelijk tokens per seconde, niet specificaties

Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor LLaVA-NeXT-34B (LLaVA-1.6). Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 97.5 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 LLaVA-NeXT-34B (LLaVA-1.6). 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 LLaVA-NeXT-34B (LLaVA-1.6).

Antwoorden

LLaVA-NeXT-34B (LLaVA-1.6) — veelgestelde vragen

LLaVA-NeXT-34B (LLaVA-1.6)— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 59–156 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

LLaVA-NeXT-34B (LLaVA-1.6)— 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 Q3_K_M ongeveer 17.7 GB, en produceert ongeveer 21.1 tokens per second. Het aantal kaarten dat het totaal kan draaien: 132.

LLaVA-NeXT-34B (LLaVA-1.6)— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 97.5 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: 103.

LLaVA-NeXT-34B (LLaVA-1.6)— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 17.7 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.

LLaVA-NeXT-34B (LLaVA-1.6)— 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 IQ4_XS, ongeveer 19.7 GB en genereren ongeveer 40.1 tokens per second. De pasvorm is krap.

LLaVA-NeXT-34B (LLaVA-1.6)— 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.

LLaVA-NeXT-34B (LLaVA-1.6)— hoeveel parameters heeft het?

Het heeft een parameter telling van 34.8B. 34.75B. 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.

LLaVA-NeXT-34B (LLaVA-1.6)— wie heeft het gemaakt?

Het werd gepubliceerd door University of Wisconsin Madison,ByteDance,Nanyang Technological University,University of California (UC) Berkeley, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Industry,Academia,Academia.

LLaVA-NeXT-34B (LLaVA-1.6)— wanneer is het uitgebracht?

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

LLaVA-NeXT-34B (LLaVA-1.6)— waarvoor wordt het gebruikt?

Het werkt in het domein van Multimodal, Language, Vision, en wordt geregistreerd als het afhandelen van visual question answering, Chat, Question answering. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

LLaVA-NeXT-34B (LLaVA-1.6)— 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.

LLaVA-NeXT-34B (LLaVA-1.6)— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 2.6 × 10²⁰ FLOP, op hardware vastgelegd als NVIDIA A100. 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.

LLaVA-NeXT-34B (LLaVA-1.6)— 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 7.3 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

LLaVA-NeXT-34B (LLaVA-1.6)— 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: 132. Dus een tweede card is zelden het antwoord hier.

LLaVA-NeXT-34B (LLaVA-1.6)— 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: 6. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Bron

Originele publicatie

Laatste update geregistreerd 11 February 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