Qwen-72B TPS-rekenmachine

Open gewichten Alibaba 72B parameters November 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

43 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Radeon Instinct MI200

64 GB · IQ4_XS · 18.5 tok/s

Snelste kaart

B200

47.1 tok/s · 180 GB

Welke GPU's kunnen draaien Qwen-72B?

Stel de invoer in, lees het antwoord

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

43 kaarten passen

Berekenen
Heeft Kwantificatie Past
47.1 tok/s

40–56

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 93.3 GB Q8_0 Comfortabel
47.1 tok/s

40–56

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 93.3 GB Q8_0 Comfortabel
37.6 tok/s

23–60 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 93.3 GB Q8_0 Comfortabel
37.6 tok/s

23–60 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 93.3 GB Q8_0 Comfortabel
35.3 tok/s

30–42

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 68.1 GB Q5_K_M Krap
35.3 tok/s

30–42

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 68.1 GB Q5_K_M Krap
33.7 tok/s

29–40

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 76.5 GB Q6_K Krap
30.1 tok/s

18–48 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 93.3 GB Q8_0 Comfortabel
29.2 tok/s

25–35

H100 SXM5 64 GB NVIDIA 64 GB 2,020 GB/s Mar 2023 55.6 GB IQ4_XS Krap
28.8 tok/s

24–35

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 93.3 GB Q8_0 Comfortabel
28.8 tok/s

24–35

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 93.3 GB Q8_0 Comfortabel
28.7 tok/s

24–34

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 76.5 GB Q6_K Krap
28.7 tok/s

24–34

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 76.5 GB Q6_K Krap
28.7 tok/s

24–34

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 76.5 GB Q6_K Krap
27.5 tok/s

17–44 · lage vertrouwen

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 93.3 GB Q8_0 Comfortabel
24.4 tok/s

15–39 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 93.3 GB Q8_0 Comfortabel
24.4 tok/s

15–39 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 93.3 GB Q8_0 Comfortabel
24.4 tok/s

15–39 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 93.3 GB Q8_0 Comfortabel
21.4 tok/s

18–26

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 68.1 GB Q5_K_M Krap
21.4 tok/s

18–26

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 68.1 GB Q5_K_M Krap
21.4 tok/s

18–26

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 68.1 GB Q5_K_M Krap
21.4 tok/s

18–26

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 68.1 GB Q5_K_M Krap
21.4 tok/s

18–26

H100 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Oct 2022 68.1 GB Q5_K_M Krap
21.4 tok/s

18–26

H800 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Mar 2023 68.1 GB Q5_K_M Krap
20.4 tok/s

17–24

A100 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Jun 2021 68.1 GB Q5_K_M Krap

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
Alibaba
Organisatietype
Industry
Land
China
Gepubliceerd
30 November 2023
Auteurs
Jinze Bai, Shuai Bai, Yunfei Chu, Zeyu Cui, Kai Dang, Xiaodong Deng, Yang Fan, Wenbin Ge, Yu Han, Fei Huang, Binyuan Hui, Luo Ji, Mei Li, Junyang Lin, Runji Lin, Dayiheng Liu, Gao Liu, Chengqiang Lu, Keming Lu, Jianxin Ma, Rui Men, Xingzhang Ren, Xuancheng Ren, Chuanqi Tan, Sinan Tan, Jianhong Tu, Peng Wang, Shijie Wang, Wei Wang, Shengguang Wu, Benfeng Xu, Jin Xu, An Yang, Hao Yang, Jian Yang, Sh…

Wat het doet

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

Domein
Language
Taak
Chat, Code generation, Language modeling/generation, Question answering
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
72B

72B

Training gegevens
3,000,000,000,000 tokens

Assuming not trained for multiple epochs.

Batchgrootte
4,000,000

Table 1 https://arxiv.org/abs/2309.16609 (this is uncertain because this table only lists sizes up to 14B. 72B was released after the paper)

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
1.3 × 10²⁴ FLOP

72 billion params, 3 trillion tokens 72b * 3T * 6 = 1.3e24

Hoe het werd opgericht
Operation counting

De trainingsrun

Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.

Datacenter
The paper does not mention any hardware, GPUs or any information regarding the hardware used.

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

up to 100m active users: https://github.com/QwenLM/Qwen/blob/main/Tongyi%20Qianwen%20LICENSE%20AGREEMENT

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
Waarom het wordt gevolgd
SOTA improvement

SOTA on several Chinese benchmarks, with highest average rating overall for Chinese benchmarks: https://opencompass.org.cn/leaderboard-llm "significantly surpasses existing open-source models on multiple Chinese and English downstream evaluation tasks (including commonsense, reasoning, code, mathematics, etc.)" I haven't found confirmations of it being absolute SOTA on any particular benchmarks, only among similarly sized models

Record vertrouwen
Confident

Bronnen

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

Laatst bijgewerkt
28 November 2025

De extremen

De tien snelste GPU's die draaien Qwen-72B

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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 47.1 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 47.1 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 37.6 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 37.6 tok/s
  5. 05 H800 SXM5 80 GB · 3,360 GB/s · Q5_K_M 35.3 tok/s
  6. 06 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q5_K_M 35.3 tok/s
  7. 07 H100 NVL 94 GB 94 GB · 3,940 GB/s · Q6_K 33.7 tok/s
  8. 08 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.1 tok/s
  9. 09 H100 SXM5 64 GB 64 GB · 2,020 GB/s · IQ4_XS 29.2 tok/s
  10. 10 H200 NVL 141 GB · 4,890 GB/s · Q8_0 28.8 tok/s

De kleinste GPU's die nog steeds draaien Qwen-72B

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

  1. 01 Jetson T4000 64 GB · Heeft 55.6 GB · IQ4_XS · Krap 4.0 tok/s
  2. 02 H100 SXM5 64 GB 64 GB · Heeft 55.6 GB · IQ4_XS · Krap 29.2 tok/s
  3. 03 Jetson AGX Orin 64 GB 64 GB · Heeft 55.6 GB · IQ4_XS · Krap 3.0 tok/s
  4. 04 Radeon Instinct MI200 64 GB · Heeft 55.6 GB · IQ4_XS · Krap 18.5 tok/s
  5. 05 Radeon Instinct MI210 64 GB · Heeft 55.6 GB · IQ4_XS · Krap 18.5 tok/s
  6. 06 RTX PRO 5000 72 GB Blackwell 72 GB · Heeft 59.8 GB · Q4_K_M · Krap 18.2 tok/s
  7. 07 H100 CNX 80 GB · Heeft 68.1 GB · Q5_K_M · Krap 21.4 tok/s
  8. 08 H800 PCIe 80 GB 80 GB · Heeft 68.1 GB · Q5_K_M · Krap 21.4 tok/s
  9. 09 H800 SXM5 80 GB · Heeft 68.1 GB · Q5_K_M · Krap 35.3 tok/s
  10. 10 A800 PCIe 80 GB 80 GB · Heeft 68.1 GB · Q5_K_M · Krap 20.4 tok/s

Wat de cijfers betekenen

De hardwarekant

Minimum kaart

Radeon Instinct MI200

Geheugen nodig

55.6 GB

Snelste

47.1 tok/s

Qwen-72B bereikt een parameter telling van 72B. 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: 43.

Aan de onderkant wordt het afgehandeld door Radeon Instinct MI200, met een geheugen capaciteit van 64 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 18.5 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 47.1 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

Qwen-72B werd gepubliceerd door Alibaba, in het land geregistreerd als China, tijdens November 2023. 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, Code generation, Language modeling/generation, 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.

Begrijpen van de snelheden

De helft van de kaarten die het vasthouden, beheren meer dan 21.4 tokens per seconde. 39 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 1.3 × 10²⁴ 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 3,000,000,000,000 tekstokens

De inclusiecriteria: sOTA improvement.

Stap voor stap

Hoe een GPU te kiezen voor Qwen-72B

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

  1. 01

    Controleer wat het nodig heeft voordat iets anders.

    Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van Qwen-72B, ongeveer nodig 55.6 GB bij een compressie van IQ4_XS. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.

  2. 02

    Bepaal hoe lang je gesprekken duren

    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. Qwen-72B.

  3. 03

    Kies hoe ver je het wilt comprimeren

    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.

  4. 04

    Vergelijk tokens per seconde, niet specificaties

    Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor Qwen-72B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 47.1 tok/s

  5. 05

    Lees de passen kolom laatst

    De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Qwen-72B. 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.

  6. 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 Qwen-72B.

Antwoorden

Qwen-72B — veelgestelde vragen

01

Qwen-72B— wie heeft het gemaakt?

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

02

Qwen-72B— wanneer is het uitgebracht?

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

03

Qwen-72B— waarvoor wordt het gebruikt?

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

04

Qwen-72B— 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.

05

Qwen-72B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 1.3 × 10²⁴ 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.

06

Qwen-72B— kan ik het draaien als het niet in mijn GPU past?

Gedeeltelijk. Layers die niet passen, bevinden zich in system memory en draaien met een fractie van de snelheid, dus een grotendeels gedeactiveerd model is zelden de moeite waard om te gebruiken. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 16.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

07

Qwen-72B— 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: 43. Dus een tweede card is zelden het antwoord hier.

08

Qwen-72B— 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: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

09

Qwen-72B— hoe nauwkeurig zijn deze snelheidsschattingen?

Elke waarde is afgeleid van het geheugenbandbreedte en de modelgrootte, niet geverifieerd, wat de reden is dat elke waarde als een bereik in plaats van een enkel getal wordt gepubliceerd. Eén voorbeeld: 40–56 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

10

Qwen-72B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Radeon Instinct MI200, met een geheugen capaciteit van 64 GB. Het draait het model op een compressie van IQ4_XS ongeveer 55.6 GB, en produceert ongeveer 18.5 tokens per second. Het aantal kaarten dat het totaal kan draaien: 43.

11

Qwen-72B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 47.1 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: 39.

12

Qwen-72B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 55.6 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.

13

Qwen-72B— 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.

14

Qwen-72B— hoeveel parameters heeft het?

Het heeft een parameter telling van 72B. 72B. 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.

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