PengCheng Mind (鹏城脑海) TPS-rekenmachine

Open gewichten Peng Cheng Laboratory 200B parameters September 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

17 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Radeon Instinct MI250

128 GB · IQ4_XS · 13.3 tok/s

Snelste kaart

B200

30.3 tok/s · 180 GB

Welke GPU's kunnen draaien PengCheng Mind (鹏城脑海)?

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

17 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
30.3 tok/s 18–48 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	145.0 GB	Q5_K_M	Krap
26.6 tok/s 16–43 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	110.1 GB	IQ4_XS	Krap
23.9 tok/s 14–38 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	121.7 GB	Q4_K_M	Krap
23.9 tok/s 14–38 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	121.7 GB	Q4_K_M	Krap
21.6 tok/s 13–35 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	110.1 GB	IQ4_XS	Krap
16.9 tok/s 10–27 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	214.8 GB	Q8_0	Comfortabel
13.5 tok/s 8–22 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q8_0	Comfortabel
13.5 tok/s 8–22 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	214.8 GB	Q8_0	Comfortabel
13.3 tok/s 8–21 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	110.1 GB	IQ4_XS	Krap
13.3 tok/s 8–21 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	110.1 GB	IQ4_XS	Krap
12.8 tok/s 8–20 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	168.3 GB	Q6_K	Krap
12.8 tok/s 8–20 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	168.3 GB	Q6_K	Krap
11.1 tok/s 7–18 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	110.1 GB	IQ4_XS	Krap
10.9 tok/s 7–17 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	110.1 GB	IQ4_XS	Krap
9.9 tok/s 6–16 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	214.8 GB	Q8_0	Krap
1.4 tok/s 1–2 · lage vertrouwen	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	110.1 GB	IQ4_XS	Krap
1.4 tok/s 1–2 · lage vertrouwen	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	110.1 GB	IQ4_XS	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: Peng Cheng Laboratory
Organisatietype: Academia
Land: China
Gepubliceerd: 21 September 2023

Wat het doet

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

Domein: Language
Taak: Chat, Code generation, Translation

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: 200B
Training gegevens: tokens

De trainingsrun

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

Training hardware: Ascend (昇腾) 910
Gebruikte chips: 144
Datacenter: PengCheng Cloud Brain II

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)

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.

Record vertrouwen: Confident

Bronnen

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

Referentie: OpenI启智社区/PengCheng.Mind
Laatst bijgewerkt: 11 February 2026

De extremen

De tien snelste GPU's die draaien PengCheng Mind (鹏城脑海)

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 PengCheng Mind (鹏城脑海)

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

Radeon Instinct MI250

Geheugen nodig

110.1 GB

Snelste

30.3 tok/s

PengCheng Mind (鹏城脑海) bereikt een parameter telling van 200B. Dat is meer dan wat enige enkele grafische kaart bevat. Het draaien ervan betekent ofwel het splitsen over meerdere kaarten of het huren van hardware die voor de klus is gebouwd, en elke kaart die het alleen kan vasthouden, is een datacenteronderdeel. Het aantal dat kan: 17.

De minste hardware die werkt is Radeon Instinct MI250, met een geheugen capaciteit van 128 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 13.3 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 30.3 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Wat dit model is

PengCheng Mind (鹏城脑海) werd gepubliceerd door Peng Cheng Laboratory, in het land geregistreerd als China, tijdens September 2023. Het komt uit een organisatie gecategoriseerd als academia.

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

Omdat de gewichten zijn vrijgegeven, hangt niets over het uitvoeren ervan af van een leverancier die beschikbaar blijft — het is van jou zodra het is gedownload.

Wat bepaalt de snelheid

De mediaanresultaat is rond 13.3 tokens per seconde. 14 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.

Stap voor stap

Hoe een GPU te kiezen voor PengCheng Mind (鹏城脑海)

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. PengCheng Mind (鹏城脑海), ongeveer nodig 110.1 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
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 PengCheng Mind (鹏城脑海).
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 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

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor PengCheng Mind (鹏城脑海). Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 30.3 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van PengCheng Mind (鹏城脑海). 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 PengCheng Mind (鹏城脑海).

Antwoorden

PengCheng Mind (鹏城脑海) — veelgestelde vragen

PengCheng Mind (鹏城脑海)— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 18–48 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

PengCheng Mind (鹏城脑海)— 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 IQ4_XS ongeveer 110.1 GB, en produceert ongeveer 13.3 tokens per second. Het aantal kaarten dat het totaal kan draaien: 17.

PengCheng Mind (鹏城脑海)— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 30.3 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: 14.

PengCheng Mind (鹏城脑海)— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 110.1 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.

PengCheng Mind (鹏城脑海)— 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.

PengCheng Mind (鹏城脑海)— hoeveel parameters heeft het?

Het heeft een parameter telling van 200B. "PengCheng.Mind 又称鹏城·脑海是鹏城实验室开发、开源、开放的基于Transformer架构的自回归式语言模型，目前包含7B、200B两个版本". 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.

PengCheng Mind (鹏城脑海)— wie heeft het gemaakt?

Het werd gepubliceerd door Peng Cheng Laboratory, gebaseerd op China, een organisatie geclassificeerd als academia.

PengCheng Mind (鹏城脑海)— wanneer is het uitgebracht?

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

PengCheng Mind (鹏城脑海)— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van chat, Code generation, Translation. 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.

PengCheng Mind (鹏城脑海)— 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.

PengCheng Mind (鹏城脑海)— 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 35.3 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

PengCheng Mind (鹏城脑海)— 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: 17. Dus een tweede card is zelden het antwoord hier.

PengCheng Mind (鹏城脑海)— 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: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Bron

Originele publicatie

Laatste update geregistreerd 11 February 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