DeepSeek Coder 6.7B TPS-rekenmachine

Open gewichten DeepSeek,Peking University 6.7B 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

306 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

P102-101

10 GB · Q4_K_M · 39.7 tok/s

Snelste kaart

B200

506 tok/s · 180 GB

Welke GPU's kunnen draaien DeepSeek Coder 6.7B?

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

306 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
506 tok/s 430–607	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	11.5 GB	Q8_0	Comfortabel
506 tok/s 430–607	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	11.5 GB	Q8_0	Comfortabel
404 tok/s 242–646 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	11.5 GB	Q8_0	Comfortabel
404 tok/s 242–646 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	11.5 GB	Q8_0	Comfortabel
323 tok/s 194–517 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	11.5 GB	Q8_0	Comfortabel
309 tok/s 263–371	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.5 GB	Q8_0	Comfortabel
309 tok/s 263–371	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	11.5 GB	Q8_0	Comfortabel
296 tok/s 178–473 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	11.5 GB	Q8_0	Comfortabel
263 tok/s 158–420 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	11.5 GB	Q8_0	Comfortabel
263 tok/s 158–420 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	11.5 GB	Q8_0	Comfortabel
263 tok/s 158–420 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	11.5 GB	Q8_0	Comfortabel
249 tok/s 212–299	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	11.5 GB	Q8_0	Comfortabel
228 tok/s 194–273	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.3 GB	Q4_K_M	Krap
212 tok/s 181–255	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.5 GB	Q8_0	Comfortabel
212 tok/s 181–255	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	11.5 GB	Q8_0	Comfortabel
212 tok/s 181–255	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	11.5 GB	Q8_0	Comfortabel
212 tok/s 181–255	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	11.5 GB	Q8_0	Comfortabel
212 tok/s 181–255	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	11.5 GB	Q8_0	Comfortabel
162 tok/s 97–259 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	11.5 GB	Q8_0	Comfortabel
162 tok/s 97–259 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	11.5 GB	Q8_0	Comfortabel
135 tok/s 81–216 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	11.5 GB	Q8_0	Comfortabel
132 tok/s 79–211 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	11.5 GB	Q8_0	Comfortabel
129 tok/s 110–155	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	11.5 GB	Q8_0	Comfortabel
129 tok/s 110–155	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	11.5 GB	Q8_0	Comfortabel
129 tok/s 110–155	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	11.5 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: 6.7B
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: 8 × 10²² 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 6.7B

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 6.7B

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

P102-101

Geheugen nodig

8.3 GB

Snelste

506 tok/s

DeepSeek Coder 6.7B bereikt een parameter telling van 6.7B. 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: 306.

De minste hardware die werkt is P102-101, met een geheugen capaciteit van 10 GB, het draaien ervan met een compressie van Q4_K_M en produceren rond 39.7 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 506 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

DeepSeek Coder 6.7B werd gepubliceerd door DeepSeek,Peking University, in het land geregistreerd als China, tijdens January 2024. Het komt uit een organisatie gecategoriseerd als industry,Academia.

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

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 deepseek-ai.

Het lezen van de doorvoercijfers

De mediaanresultaat is rond 37.0 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 292 van hen

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

De aandacht lay-out staat in onze database, zodat de GPU VRAM cijfers precies worden berekend in plaats van benaderd.

Wat erin ging zitten om het te bouwen

Het produceren ervan vereiste een rekenkundige totaal van ongeveer 8 × 10²² FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

Training verbruikte een corpus van ongeveer 2,000,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor DeepSeek Coder 6.7B

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

Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van DeepSeek Coder 6.7B, ongeveer nodig 8.3 GB bij een compressie van Q4_K_M. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.
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. DeepSeek Coder 6.7B.
03

Stel een kwaliteitsvloer in

Compressie is wat een model laat passen op kleinere kaarten, tegen een bepaalde kost in nauwkeurigheid., bereiken van een compressie van Q4_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 DeepSeek Coder 6.7B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 506 tok/s
05

Controleer het geschiktheidsadvies voordat je koopt

Een strakke pasvorm draait, maar laat niets over voor een langer gesprek, in het geval van DeepSeek Coder 6.7B. 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 DeepSeek Coder 6.7B.

Antwoorden

DeepSeek Coder 6.7B — veelgestelde vragen

DeepSeek Coder 6.7B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 8.3 GB bij een compressie van Q4_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 6.7B— 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 Q6_K, ongeveer 9.9 GB en genereren ongeveer 83.8 tokens per second. De pasvorm is krap.

DeepSeek Coder 6.7B— 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 11.5 GB en genereren ongeveer 71.4 tokens per second. De fit is comfortabel.

DeepSeek Coder 6.7B— 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 11.5 GB en genereren ongeveer 84.7 tokens per second. De fit is comfortabel.

DeepSeek Coder 6.7B— 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 6.7B— hoeveel parameters heeft het?

Het heeft een parameter telling van 6.7B. 6.7B. 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 6.7B— wie heeft het gemaakt?

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

DeepSeek Coder 6.7B— 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 6.7B— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van code generation. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.

DeepSeek Coder 6.7B— 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 6.7B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 8 × 10²² 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 6.7B— 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 1.1 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

DeepSeek Coder 6.7B— Zouden twee GPU's het sneller draaien?

Twee kaarten kopen geheugen in plaats van snelheid, wat alleen van belang is als één kaart het niet kan bevatten. Het aantal dat kan: 306. Dus een tweede card is zelden het antwoord hier.

DeepSeek Coder 6.7B— waarom verschilt de quantisatie tussen kaarten?

Elke kaart wordt weergegeven met de minst-gecomprimeerde kopie die hij kan bevatten. Het aantal verschillende compressieniveaus op de kaarten die het kunnen houden: 3. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

DeepSeek Coder 6.7B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 430–607 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

DeepSeek Coder 6.7B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is P102-101, met een geheugen capaciteit van 10 GB. Het draait het model op een compressie van Q4_K_M ongeveer 8.3 GB, en produceert ongeveer 39.7 tokens per second. Het aantal kaarten dat het totaal kan draaien: 306.

DeepSeek Coder 6.7B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 506 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: 292.

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