BLUUMI TPS-rekenmachine
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
818 kaarten die we hebben specificaties voor
Kleinste kaart die past
Radeon Instinct MI250
128 GB · Q4_K_M · 14.2 tok/s
Snelste kaart
Radeon Instinct MI300
28.4 tok/s · 128 GB
Welke GPU's kunnen draaien BLUUMI?
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.
17 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
28.4
tok/s
17–45 · lage vertrouwen |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 107.2 GB | Q4_K_M | Krap |
|
28.0
tok/s
17–45 · lage vertrouwen |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 148.2 GB | Q6_K | Krap |
|
27.2
tok/s
16–43 · lage vertrouwen |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 107.2 GB | Q4_K_M | Krap |
|
27.2
tok/s
16–43 · lage vertrouwen |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 107.2 GB | Q4_K_M | Krap |
|
23.1
tok/s
14–37 · lage vertrouwen |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 107.2 GB | Q4_K_M | Krap |
|
19.3
tok/s
12–31 · lage vertrouwen |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 189.1 GB | Q8_0 | Comfortabel |
|
15.4
tok/s
9–25 · lage vertrouwen |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 189.1 GB | Q8_0 | Comfortabel |
|
15.4
tok/s
9–25 · lage vertrouwen |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 189.1 GB | Q8_0 | Comfortabel |
|
14.5
tok/s
9–23 · lage vertrouwen |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 148.2 GB | Q6_K | Krap |
|
14.5
tok/s
9–23 · lage vertrouwen |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 148.2 GB | Q6_K | Krap |
|
14.2
tok/s
9–23 · lage vertrouwen |
Radeon Instinct MI250 AMD | 128 GB | 3,280 GB/s | Nov 2021 | 107.2 GB | Q4_K_M | Krap |
|
14.2
tok/s
9–23 · lage vertrouwen |
Radeon Instinct MI250X AMD | 128 GB | 3,280 GB/s | Nov 2021 | 107.2 GB | Q4_K_M | Krap |
|
11.8
tok/s
7–19 · lage vertrouwen |
Data Center GPU Max 1550 Intel | 128 GB | 3,280 GB/s | Jan 2023 | 107.2 GB | Q4_K_M | Krap |
|
11.6
tok/s
7–19 · lage vertrouwen |
Data Center GPU Max Subsystem Intel | 128 GB | 3,210 GB/s | Jan 2023 | 107.2 GB | Q4_K_M | Krap |
|
11.3
tok/s
7–18 · lage vertrouwen |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 189.1 GB | Q8_0 | Comfortabel |
|
1.5
tok/s
1–2 · lage vertrouwen |
GB10 NVIDIA | 128 GB | 273 GB/s | Oct 2025 | 107.2 GB | Q4_K_M | Krap |
|
1.5
tok/s
1–2 · lage vertrouwen |
Jetson T5000 NVIDIA | 128 GB | 273 GB/s | Aug 2025 | 107.2 GB | Q4_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
- University of Turku,Hugging Face
- Organisatietype
- Academia,Industry
- Land
- Finland, United States of America
- Gepubliceerd
- 3 November 2023
- Auteurs
- Risto Luukkonen, Ville Komulainen, Jouni Luoma, Anni Eskelinen, Jenna Kanerva, Hanna-Mari Kupari, Filip Ginter, Veronika Laippala, Niklas Muennighoff, Aleksandra Piktus, Thomas Wang, Nouamane Tazi, Teven Le Scao, Thomas Wolf, Osma Suominen, Samuli Sairanen, Mikko Merioksa, Jyrki Heinonen, Aija Vahtola, Samuel Antao, Sampo Pyysalo
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling
- Basis model
- BLOOM-176B
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
- 176B
- Training gegevens
- 38,000,000,000 tokens
- Epochs
- 8
- Batchgrootte
- 4,194,304
176 billion
38B tokens "In total, the final pretraining dataset (including oversampling) consists of 38 billion tokens when processed with our Finnish tokenizer."
Table 5.
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- AMD Radeon Instinct MI250X
- Datacenter
- LUMI Supercomputer
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
- TurkuNLP
The BigScience RAIL License https://turkunlp.org/gpt3-finnish https://huggingface.co/TurkuNLP/bloom-finnish-176b "The Responsible AI License allows users to take advantage of the model in a wide range of settings (including free use and redistribution) as long as they respect the specific use case restrictions outlined, which correspond to model applications the licensor deems ill-suited for the model or are likely to cause harm."
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.
- Basis model
- Yes
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- Likely
- Citaties
- 70
SOTA for Finnish: "Our best monolingual model outperforms this result by over 10% points and the BLUUMI model by over 20% points, representing a substantial advance in the state of the art in the capability of generative models trained for Finnish."
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- FinGPT: Large Generative Models for a Small Language
- Laatst bijgewerkt
- 25 May 2026
De extremen
De tien snelste GPU's die draaien BLUUMI
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..
- 01 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q4_K_M 28.4 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q6_K 28.0 tok/s
- 03 H200 NVL 141 GB · 4,890 GB/s · Q4_K_M 27.2 tok/s
- 04 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q4_K_M 27.2 tok/s
- 05 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q4_K_M 23.1 tok/s
- 06 B300 288 GB · 8,000 GB/s · Q8_0 19.3 tok/s
- 07 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 15.4 tok/s
- 08 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 15.4 tok/s
- 09 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q6_K 14.5 tok/s
- 10 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q6_K 14.5 tok/s
De kleinste GPU's die nog steeds draaien BLUUMI
De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..
- 01 GB10 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 1.5 tok/s
- 02 Jetson T5000 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 1.5 tok/s
- 03 Radeon Instinct MI300A 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 23.1 tok/s
- 04 Data Center GPU Max 1550 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 11.8 tok/s
- 05 Data Center GPU Max Subsystem 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 11.6 tok/s
- 06 Radeon Instinct MI300 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 28.4 tok/s
- 07 Radeon Instinct MI250 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 14.2 tok/s
- 08 Radeon Instinct MI250X 128 GB · Heeft 107.2 GB · Q4_K_M · Krap 14.2 tok/s
- 09 H200 NVL 141 GB · Heeft 107.2 GB · Q4_K_M · Krap 27.2 tok/s
- 10 H200 SXM 141 GB 141 GB · Heeft 107.2 GB · Q4_K_M · Krap 27.2 tok/s
Wat de cijfers betekenen
De hardwarekant
Minimum kaart
Radeon Instinct MI250
Geheugen nodig
107.2 GB
Snelste
28.4 tok/s
BLUUMI bereikt een parameter telling van 176B. 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: 17.
Aan de onderkant wordt het afgehandeld door Radeon Instinct MI250, met een geheugen capaciteit van 128 GB, het draaien ervan met een compressie van Q4_K_M en produceren rond 14.2 tokens per seconde
De snelste resultaten komen van Radeon Instinct MI300, genereren ongeveer 28.4 tokens per seconde op basis van een geheugendoorbandsnelheid van 6,550 GB/s.
Over dit model
BLUUMI werd gepubliceerd door University of Turku,Hugging Face, in het land geregistreerd als Finland, tijdens November 2023. De categorie waaronder de uitgever valt is academia,Industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling.
In plaats van vanaf nul te worden getraind, is het afgeleid van BLOOM-176B. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
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 TurkuNLP.
Hoe snel het draait, en waarom
Over elke kaart die het kan draaien, ligt het midden van het bereik op 14.5 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 15 van hen
Het is een dicht model, dus elke parameter wordt gelezen voor elk token dat wordt geproduceerd. Dat maakt de snelheid bijna precies het geheugenbandbreedte bijhouden — een kaart met twee keer de bandbreedte genereert ongeveer twee keer zo snel.
Geheugen hier is geschat op basis van grootte in plaats van berekend vanuit de architectuur, die niet is vastgelegd voor dit model — de cijfers zijn indicatief eerder dan exact.
Wat erin ging zitten om het te bouwen
Het is getraind op een corpus van ongeveer 38,000,000,000 tekstokens
De reden dat het überhaupt in deze catalogus verschijnt: sOTA improvement.
Stap voor stap
Hoe een GPU te kiezen voor BLUUMI
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
Lees eerst de geheugenfiguur
De tabel vermeldt elke kaart die in staat is om te bevatten. BLUUMI, ongeveer nodig 107.2 GB bij een compressie van Q4_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
Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor BLUUMI.
-
03
Bepaal hoeveel compressie je accepteert
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 BLUUMI. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is Radeon Instinct MI300, bij 28.4 tok/s
-
05
Kijk naar de speling, niet alleen naar de pasvorm.
De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van BLUUMI. 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 BLUUMI.
Antwoorden
BLUUMI — veelgestelde vragen
BLUUMI— 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 20.8 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
BLUUMI— Zouden twee GPU's het sneller draaien?
Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 17. Dus een tweede card is zelden het antwoord hier.
BLUUMI— 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: 3. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
BLUUMI— 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: 17–45 tok/s op Radeon Instinct MI300. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
BLUUMI— Welke GPU heb ik nodig om het te draaien?
De kleinste kaart in onze catalogus die het vasthoudt is Radeon Instinct MI250, met een geheugen capaciteit van 128 GB. Het draait het model op een compressie van Q4_K_M ongeveer 107.2 GB, en produceert ongeveer 14.2 tokens per second. Het aantal kaarten dat het totaal kan draaien: 17.
BLUUMI— hoe snel is het op een GPU?
Het hangt af van de kaart. De snelste die we berekenen is Radeon Instinct MI300, ongeveer 28.4 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: 15.
BLUUMI— hoeveel VRAM heeft het nodig?
Het heeft ongeveer 107.2 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.
BLUUMI— 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.
BLUUMI— hoeveel parameters heeft het?
Het heeft een parameter telling van 176B. 176 billion. 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.
BLUUMI— wie heeft het gemaakt?
Het werd gepubliceerd door University of Turku,Hugging Face, gebaseerd op Finland, een organisatie geclassificeerd als academia,Industry.
BLUUMI— 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.
BLUUMI— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling. 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.
BLUUMI— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie TurkuNLP. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
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.