DeepSeek Coder 33B TPS-rekenmachine

Open gewichten DeepSeek,Peking University 33B 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 · 22.2 tok/s

Snelste kaart

B200

103 tok/s · 180 GB

Welke GPU's kunnen draaien DeepSeek Coder 33B?

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
103 tok/s 87–123	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.9 GB	Q8_0	Comfortabel
103 tok/s 87–123	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.9 GB	Q8_0	Comfortabel
82.0 tok/s 49–131 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.9 GB	Q8_0	Comfortabel
82.0 tok/s 49–131 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.9 GB	Q8_0	Comfortabel
65.6 tok/s 39–105 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.9 GB	Q8_0	Comfortabel
62.8 tok/s 53–75	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.9 GB	Q8_0	Comfortabel
62.8 tok/s 53–75	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.9 GB	Q8_0	Comfortabel
60.1 tok/s 36–96 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.9 GB	Q8_0	Comfortabel
53.3 tok/s 32–85 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Comfortabel
53.3 tok/s 32–85 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Comfortabel
53.3 tok/s 32–85 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.9 GB	Q8_0	Comfortabel
50.6 tok/s 43–61	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.9 GB	Q8_0	Comfortabel
43.1 tok/s 37–52	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comfortabel
43.1 tok/s 37–52	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.9 GB	Q8_0	Comfortabel
43.1 tok/s 37–52	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comfortabel
43.1 tok/s 37–52	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comfortabel
43.1 tok/s 37–52	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.9 GB	Q8_0	Comfortabel
39.7 tok/s 34–48	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.5 GB	Q4_K_M	Krap
36.2 tok/s 31–43	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.5 GB	Q4_K_M	Krap
34.9 tok/s 30–42	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Krap
34.9 tok/s 30–42	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.2 GB	Q6_K	Krap
33.4 tok/s 28–40	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Krap
33.4 tok/s 28–40	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.2 GB	Q6_K	Krap
32.8 tok/s 20–53 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.9 GB	Q8_0	Comfortabel
32.8 tok/s 20–53 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.9 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: DeepSeek,Peking University
Organisatietype: Industry,Academia
Land: China
Gepubliceerd: 25 January 2024
Auteurs: Daya Guo, Qihao Zhu, Dejian Yang, Zhenda Xie, Kai Dong, Wentao Zhang, Guanting Chen, Xiao Bi, Y. Wu, Y.K. Li, Fuli Luo, Yingfei Xiong, Wenfeng Liang

Wat het doet

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

Domein: Language
Taak: Code 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: 33B
Training gegevens: 2,000,000,000,000 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: 4 × 10²³ FLOP
Hoe het werd opgericht: Operation counting

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: deepseek-ai

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.

Waarschijnlijk boven de 10²³ FLOP: Yes
Record vertrouwen: Likely

Bronnen

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

Referentie: DeepSeek-Coder: When the Large Language Model Meets Programming -- The Rise of Code Intelligence
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien DeepSeek Coder 33B

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 DeepSeek Coder 33B

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

De hardwarekant

Minimum kaart

RTX A4500

Geheugen nodig

16.7 GB

Snelste

103 tok/s

DeepSeek Coder 33B bereikt een parameter telling van 33B. 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.

Aan de onderkant wordt het afgehandeld door RTX A4500, met een geheugen capaciteit van 20 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 22.2 tokens per seconde

De snelste resultaten komen van B200, genereren ongeveer 103 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

DeepSeek Coder 33B werd gepubliceerd door DeepSeek,Peking University, in het land geregistreerd als China, tijdens January 2024. De categorie waaronder de uitgever valt is industry,Academia.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van code 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 deepseek-ai.

Het lezen van de doorvoercijfers

De helft van de kaarten die het vasthouden, beheren meer dan 20.0 tokens per second. Outright de leessnelheid overschrijden. 101 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.

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

Wat erin ging zitten om het te bouwen

Het produceren ervan vereiste een rekenkundige totaal van ongeveer 4 × 10²³ FLOP. 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 2,000,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor DeepSeek Coder 33B

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

Controleer wat het nodig heeft voordat iets anders.

Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van DeepSeek Coder 33B, ongeveer nodig 16.7 GB bij een compressie van Q3_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

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 DeepSeek Coder 33B.
03

Bepaal hoeveel compressie je accepteert

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

Sorteer op snelheid

Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor DeepSeek Coder 33B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 103 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 DeepSeek Coder 33B. 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

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 DeepSeek Coder 33B.

Antwoorden

DeepSeek Coder 33B — veelgestelde vragen

DeepSeek Coder 33B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 103 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: 101.

DeepSeek Coder 33B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 16.7 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.

DeepSeek Coder 33B— 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 20.5 GB en genereren ongeveer 39.7 tokens per second. De pasvorm is krap.

DeepSeek Coder 33B— 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.

DeepSeek Coder 33B— hoeveel parameters heeft het?

Het heeft een parameter telling van 33B. 33B. 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.

DeepSeek Coder 33B— wie heeft het gemaakt?

Het werd gepubliceerd door DeepSeek,Peking University, gebaseerd op China, een organisatie geclassificeerd als industry,Academia.

DeepSeek Coder 33B— 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.

DeepSeek Coder 33B— waarvoor wordt het gebruikt?

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

DeepSeek Coder 33B— waar kan ik het downloaden?

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

DeepSeek Coder 33B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 4 × 10²³ FLOP. 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.

DeepSeek Coder 33B— 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 6.1 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

DeepSeek Coder 33B— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 132. Dus een tweede card is zelden het antwoord hier.

DeepSeek Coder 33B— 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.

DeepSeek Coder 33B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 87–123 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

DeepSeek Coder 33B— 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 16.7 GB, en produceert ongeveer 22.2 tokens per second. Het aantal kaarten dat het totaal kan draaien: 132.

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