VILA-13B TPS-rekenmachine

Open gewichten NVIDIA,Massachusetts Institute of Technology (MIT) 13.4B parameters December 2023

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 · 19.9 tok/s

Snelste kaart

B200

254 tok/s · 180 GB

Welke GPU's kunnen draaien VILA-13B?

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
254 tok/s 152–406 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	15.0 GB	Q8_0	Comfortabel
254 tok/s 152–406 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	15.0 GB	Q8_0	Comfortabel
203 tok/s 122–324 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	15.0 GB	Q8_0	Comfortabel
203 tok/s 122–324 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	15.0 GB	Q8_0	Comfortabel
162 tok/s 97–259 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	15.0 GB	Q8_0	Comfortabel
155 tok/s 93–248 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.0 GB	Q8_0	Comfortabel
155 tok/s 93–248 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	15.0 GB	Q8_0	Comfortabel
148 tok/s 89–238 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	15.0 GB	Q8_0	Comfortabel
132 tok/s 79–211 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	15.0 GB	Q8_0	Comfortabel
132 tok/s 79–211 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	15.0 GB	Q8_0	Comfortabel
132 tok/s 79–211 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	15.0 GB	Q8_0	Comfortabel
125 tok/s 75–200 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	15.0 GB	Q8_0	Comfortabel
114 tok/s 69–183 · lage vertrouwen	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.8 GB	Q4_K_M	Krap
107 tok/s 64–171 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Comfortabel
107 tok/s 64–171 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	15.0 GB	Q8_0	Comfortabel
107 tok/s 64–171 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Comfortabel
107 tok/s 64–171 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Comfortabel
107 tok/s 64–171 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	15.0 GB	Q8_0	Comfortabel
81.2 tok/s 49–130 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	15.0 GB	Q8_0	Comfortabel
81.2 tok/s 49–130 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	15.0 GB	Q8_0	Comfortabel
67.6 tok/s 41–108 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	15.0 GB	Q8_0	Comfortabel
66.2 tok/s 40–106 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	15.0 GB	Q8_0	Comfortabel
64.7 tok/s 39–104 · lage vertrouwen	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	15.0 GB	Q8_0	Comfortabel
64.7 tok/s 39–104 · lage vertrouwen	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	15.0 GB	Q8_0	Comfortabel
64.7 tok/s 39–104 · lage vertrouwen	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	15.0 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: NVIDIA,Massachusetts Institute of Technology (MIT)
Organisatietype: Industry,Academia
Land: United States of America
Gepubliceerd: 12 December 2023
Auteurs: Ji Lin, Hongxu Yin, Wei Ping, Yao Lu, Pavlo Molchanov, Andrew Tao, Huizi Mao, Jan Kautz, Mohammad Shoeybi, Song Han

Wat het doet

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

Domein: Multimodal, Language, Vision
Taak: Chat, Visual question answering, Image captioning, Language modeling/generation, Question answering
Basis model: Llama 2-13B,CLIP (ViT L/14@336px)
Numerieke indeling: BF16

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: 13.4B
Training gegevens: 32,430,000,000 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: 2.3 × 10²¹ 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 A100 SXM4 80 GB
Gebruikte chips: 128
Stroomverbruik: 101.5 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 (non-commercial)
Training code: Open source
Hugging Face: Efficient-Large-Model

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.

Waarom het wordt gevolgd: SOTA improvement
Record vertrouwen: Confident
Citaties: 827

Bronnen

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

Referentie: VILA: On Pre-training for Visual Language Models
Laatst bijgewerkt: 25 May 2026

De extremen

De tien snelste GPU's die draaien VILA-13B

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 VILA-13B

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

P102-101

Geheugen nodig

8.8 GB

Snelste

254 tok/s

VILA-13B bereikt een parameter telling van 13.4B. 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.

Het toegangspunt is P102-101, met een geheugen capaciteit van 10 GB, het draaien ervan met een compressie van Q4_K_M en produceren rond 19.9 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 254 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

VILA-13B werd gepubliceerd door NVIDIA,Massachusetts Institute of Technology (MIT), in het land geregistreerd als United States of America, tijdens December 2023. De publicerende organisatie is geclassificeerd als industry,Academia.

Het werkt in het domein van Multimodal, Language, Vision, en wordt geregistreerd als het uitvoeren van de taak van chat, Visual question answering, Image captioning, Language modeling/generation, Question answering.

Het startpunt was een bestaand basismodel, Llama 2-13B,CLIP (ViT L/14@336px). Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.

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. Op Hugging Face is het gepubliceerd onder de organisatie Efficient-Large-Model.

Het lezen van de doorvoercijfers

De mediaanresultaat is rond 21.4 tokens per second. Outright de leessnelheid overschrijden. 269 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.

Zonder de aandachtlay-out op record, is de geheugen kolom een benadering. Het is dicht genoeg om hardware te kiezen, en het minst betrouwbaar bij lange context.

Hoe het getraind werd

Training kostte een rekensbudget van ongeveer 2.3 × 10²¹ FLOP, op hardware vastgelegd als NVIDIA A100 SXM4 80 GB. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

De trainingsset liep naar ongeveer 32,430,000,000 tekstokens

De inclusiecriteria: sOTA improvement.

Stap voor stap

Hoe een GPU te kiezen voor VILA-13B

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.

De tabel vermeldt elke kaart die in staat is om te bevatten. VILA-13B, ongeveer nodig 8.8 GB bij een compressie van Q4_K_M. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.
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 VILA-13B.
03

Kies hoe ver je het wilt comprimeren

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

Sorteer op snelheid

De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. VILA-13B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 254 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 VILA-13B. 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 kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast VILA-13B.

Antwoorden

VILA-13B — veelgestelde vragen

VILA-13B— 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 8.8 GB, en produceert ongeveer 19.9 tokens per second. Het aantal kaarten dat het totaal kan draaien: 306.

VILA-13B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 254 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: 269.

VILA-13B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 8.8 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.

VILA-13B— 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 Q5_K_M, ongeveer 10.3 GB en genereren ongeveer 51.7 tokens per second. De pasvorm is krap.

VILA-13B— 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 Q6_K, ongeveer 11.9 GB en genereren ongeveer 52.1 tokens per second. De fit is comfortabel.

VILA-13B— 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 15.0 GB en genereren ongeveer 42.5 tokens per second. De fit is comfortabel.

VILA-13B— 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.

VILA-13B— hoeveel parameters heeft het?

Het heeft een parameter telling van 13.4B. https://huggingface.co/Efficient-Large-Model/VILA-13b/tree/main?show_file_info=model.safetensors.index.json. 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.

VILA-13B— wie heeft het gemaakt?

Het werd gepubliceerd door NVIDIA,Massachusetts Institute of Technology (MIT), gebaseerd op United States of America, een organisatie geclassificeerd als industry,Academia.

VILA-13B— wanneer is het uitgebracht?

Het werd gepubliceerd in December 2023. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

VILA-13B— waarvoor wordt het gebruikt?

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

VILA-13B— waar kan ik het downloaden?

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

VILA-13B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 2.3 × 10²¹ FLOP, op hardware vastgelegd als NVIDIA A100 SXM4 80 GB. 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.

VILA-13B— 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 1.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

VILA-13B— 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.

VILA-13B— 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.

VILA-13B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 152–406 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 25 May 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