DeepSeek LLM 67B TPS-rekenmachine

Open gewichten DeepSeek 67B 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

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 · 24.2 tok/s

Snelste kaart

B200

50.6 tok/s · 180 GB

Welke GPU's kunnen draaien DeepSeek LLM 67B?

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

61 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
50.6 tok/s 43–61	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	69.7 GB	Q8_0	Comfortabel
50.6 tok/s 43–61	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	69.7 GB	Q8_0	Comfortabel
40.4 tok/s 24–65 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Comfortabel
40.4 tok/s 24–65 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	69.7 GB	Q8_0	Comfortabel
32.3 tok/s 19–52 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	69.7 GB	Q8_0	Comfortabel
30.9 tok/s 26–37	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Comfortabel
30.9 tok/s 26–37	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	69.7 GB	Q8_0	Comfortabel
29.6 tok/s 18–47 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	69.7 GB	Q8_0	Comfortabel
27.3 tok/s 23–33	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	38.5 GB	Q4_K_M	Krap
26.3 tok/s 16–42 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Comfortabel
26.3 tok/s 16–42 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Comfortabel
26.3 tok/s 16–42 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	69.7 GB	Q8_0	Comfortabel
24.9 tok/s 21–30	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	69.7 GB	Q8_0	Comfortabel
24.2 tok/s 21–29	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.6 GB	IQ4_XS	Krap
24.2 tok/s 21–29	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.6 GB	IQ4_XS	Krap
24.2 tok/s 21–29	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.6 GB	IQ4_XS	Krap
21.2 tok/s 18–25	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Comfortabel
21.2 tok/s 18–25	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	69.7 GB	Q8_0	Krap
21.2 tok/s 18–25	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Comfortabel
21.2 tok/s 18–25	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Comfortabel
21.2 tok/s 18–25	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	69.7 GB	Q8_0	Krap
19.6 tok/s 17–23	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	38.5 GB	Q4_K_M	Krap
18.6 tok/s 16–22	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.1 GB	Q6_K	Krap
16.2 tok/s 10–26 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	69.7 GB	Q8_0	Comfortabel
16.2 tok/s 10–26 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	69.7 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
Organisatietype: Industry
Land: China
Gepubliceerd: 5 January 2024
Auteurs: Xiao Bi, Deli Chen, Guanting Chen, Shanhuang Chen, Damai Dai, Chengqi Deng, Honghui Ding, Kai Dong, Qiushi Du, Zhe Fu, Huazuo Gao, Kaige Gao, Wenjun Gao, Ruiqi Ge, Kang Guan, Daya Guo, Jianzhong Guo, Guangbo Hao, Zhewen Hao, Ying He, Wenjie Hu, Panpan Huang, Erhang Li, Guowei Li, Jiashi Li, Yao Li, Y.K. Li, Wenfeng Liang, Fangyun Lin, A.X. Liu, Bo Liu, Wen Liu, Xiaodong Liu, Xin Liu, Yiyuan Liu, H…

Wat het doet

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

Domein: Language
Taak: Chat, Language modeling/generation, 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: 67B
Training gegevens: 2,000,000,000,000 tokens
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.

Training rekenen: 8 × 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: Confident

Bronnen

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

Referentie: DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien DeepSeek LLM 67B

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 LLM 67B

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

A100 PCIe 40 GB

Geheugen nodig

34.6 GB

Snelste

50.6 tok/s

DeepSeek LLM 67B bereikt een parameter telling van 67B. 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.

Aan de onderkant wordt het afgehandeld door A100 PCIe 40 GB, met een geheugen capaciteit van 40 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 24.2 tokens per seconde

De snelste we er voor berekenen is B200, genereren ongeveer 50.6 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

DeepSeek LLM 67B werd gepubliceerd door DeepSeek, in het land geregistreerd als China, tijdens January 2024. De categorie waaronder de uitgever valt is industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van chat, Language modeling/generation, Question answering.

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 12.9 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 51 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.

Training en herkomst

Training kostte een rekensbudget van ongeveer 8 × 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 LLM 67B

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.

Elke kaart hier is gecontroleerd op DeepSeek LLM 67B, ongeveer nodig 34.6 GB bij een compressie van IQ4_XS. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.
02

Stem de context af op uw werkelijke gebruik

Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor DeepSeek LLM 67B.
03

Bepaal hoeveel compressie je accepteert

Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., 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.
04

Rangschik op doorvoer in plaats van specificatielijst

De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. DeepSeek LLM 67B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 50.6 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

Een strakke pasvorm draait, maar laat niets over voor een langer gesprek, in het geval van DeepSeek LLM 67B. 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

Zie wat die kaart nog meer draait

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 LLM 67B.

Antwoorden

DeepSeek LLM 67B — veelgestelde vragen

DeepSeek LLM 67B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 50.6 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: 51.

DeepSeek LLM 67B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 34.6 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.

DeepSeek LLM 67B— 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 LLM 67B— hoeveel parameters heeft het?

Het heeft een parameter telling van 67B. 67B. 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 LLM 67B— wie heeft het gemaakt?

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

DeepSeek LLM 67B— 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 LLM 67B— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van chat, Language modeling/generation, Question answering. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

DeepSeek LLM 67B— 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 LLM 67B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 8 × 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 LLM 67B— 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 9.7 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

DeepSeek LLM 67B— 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.

DeepSeek LLM 67B— 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: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

DeepSeek LLM 67B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 43–61 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

DeepSeek LLM 67B— 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 34.6 GB, en produceert ongeveer 24.2 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