Falcon-180B TPS-rekenmachine

Open gewichten Technology Innovation Institute 180B 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 · Q4_K_M · 13.9 tok/s

Snelste kaart

Radeon Instinct MI300

27.8 tok/s · 128 GB

Welke GPU's kunnen draaien Falcon-180B?

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
27.8 tok/s 17–44 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	109.6 GB	Q4_K_M	Krap
27.4 tok/s 16–44 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	151.5 GB	Q6_K	Krap
26.6 tok/s 16–43 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	109.6 GB	Q4_K_M	Krap
26.6 tok/s 16–43 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	109.6 GB	Q4_K_M	Krap
22.6 tok/s 14–36 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	109.6 GB	Q4_K_M	Krap
18.8 tok/s 11–30 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	193.4 GB	Q8_0	Comfortabel
15.0 tok/s 9–24 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	193.4 GB	Q8_0	Comfortabel
15.0 tok/s 9–24 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	193.4 GB	Q8_0	Comfortabel
14.2 tok/s 9–23 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	151.5 GB	Q6_K	Krap
14.2 tok/s 9–23 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	151.5 GB	Q6_K	Krap
13.9 tok/s 8–22 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	109.6 GB	Q4_K_M	Krap
13.9 tok/s 8–22 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	109.6 GB	Q4_K_M	Krap
11.6 tok/s 7–19 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	109.6 GB	Q4_K_M	Krap
11.3 tok/s 7–18 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	109.6 GB	Q4_K_M	Krap
11.0 tok/s 7–18 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	193.4 GB	Q8_0	Krap
1.5 tok/s 1–2 · lage vertrouwen	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	109.6 GB	Q4_K_M	Krap
1.5 tok/s 1–2 · lage vertrouwen	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	109.6 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: Technology Innovation Institute
Organisatietype: Government
Land: United Arab Emirates
Gepubliceerd: 6 September 2023
Auteurs: Ebtesam Almazrouei, Hamza Alobeidli, Abdulaziz Alshamsi, Alessandro Cappelli, Ruxandra Cojocaru, Mérouane Debbah, Étienne Goffinet, Daniel Hesslow, Julien Launay, Quentin Malartic, Daniele Mazzotta, Badreddine Noune, Baptiste Pannier, Guilherme Penedo

Wat het doet

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

Domein: Language
Taak: Language modeling, 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: 180B
Training gegevens: 3,500,000,000,000 tokens
Epochs: 1
Batchgrootte: 4,194,304

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: 3.8 × 10²⁴ FLOP
Hoe het werd opgericht: Reported,Operation counting
Geloofwaardige reeks: 3.8 × 10²⁴ – 3.8 × 10²⁴ 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 40 GB
Gebruikte chips: 4,096
Chip-uren: 17,694,720
Kloktijd: 4,320 hours (180 days)
Hardwaregebruik: MFU 18.9%
Stroomverbruik: 3.3 MW
Rekenkosten: $10,743,501
Cloud leverancier: Amazon Web Services

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

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.

Grensmodel: Yes
Waarschijnlijk boven de 10²³ FLOP: Yes
Waarom het wordt gevolgd: Training cost
Record vertrouwen: Confident
Citaties: 691

Bronnen

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

Referentie: The Falcon Series of Open Language Models
Laatst bijgewerkt: 25 May 2026

De extremen

De tien snelste GPU's die draaien Falcon-180B

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 Falcon-180B

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 nodig is om dit model te draaien

Minimum kaart

Radeon Instinct MI250

Geheugen nodig

109.6 GB

Snelste

27.8 tok/s

Falcon-180B bereikt een parameter telling van 180B. 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.

De kleinste kaart die het vasthoudt is Radeon Instinct MI250, met een geheugen capaciteit van 128 GB, het draaien ervan met een compressie van Q4_K_M en produceren rond 13.9 tokens per seconde

Aan de andere kant zit Radeon Instinct MI300, genereren ongeveer 27.8 tokens per seconde op basis van een geheugendoorbandsnelheid van 6,550 GB/s.

Waar het vandaan kwam

Falcon-180B werd gepubliceerd door Technology Innovation Institute, in het land geregistreerd als United Arab Emirates, tijdens September 2023. Het komt uit een organisatie gecategoriseerd als government.

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

Gepubliceerde gewichten betekenen dat het model op jouw machine draait in plaats van op die van iemand anders, wat de hardwarevraag hieronder op enige manier beantwoordbaar maakt.

Begrijpen van de snelheden

De helft van de kaarten die het vasthouden, beheren meer dan 14.2 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.

Hoe het getraind werd

Training kostte een rekensbudget van ongeveer 3.8 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA A100 SXM4 40 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 3,500,000,000,000 tekstokens

De reden dat het überhaupt in deze catalogus verschijnt: training cost.

Stap voor stap

Hoe een GPU te kiezen voor Falcon-180B

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

Begin vanuit de geheugen kolom

Elke kaart hier is gecontroleerd op Falcon-180B, ongeveer nodig 109.6 GB bij een compressie van Q4_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stem de context af op uw werkelijke gebruik

Het gesprek verbruikt ook geheugen en groeit naarmate het vordert. Stel de schuifregelaar in op de lengte die je verwacht, want bij lange CONTEXT kan een KAART die korte vragen gemakkelijk afhandelt, verworpen worden door Falcon-180B.
03

Kies hoe ver je het wilt comprimeren

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

Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor Falcon-180B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is Radeon Instinct MI300, bij 27.8 tok/s
05

Controleer het geschiktheidsadvies voordat je koopt

Strak betekent dat het laadt en werkt zonder ruimte om de context later te verhogen, in het geval van Falcon-180B. 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 Falcon-180B.

Antwoorden

Falcon-180B — veelgestelde vragen

Falcon-180B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 3.8 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA A100 SXM4 40 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.

Falcon-180B— kan ik het draaien als het niet in mijn GPU past?

Alleen door af te laden, wat meestal een valse economie is: het deel dat in systeemgeheugen wordt vastgehouden, houdt het hele ding tegen. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 23.2 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Falcon-180B— 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: 17. Dus een tweede card is zelden het antwoord hier.

Falcon-180B— 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: 3. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Falcon-180B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 17–44 tok/s op Radeon Instinct MI300. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Falcon-180B— 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 109.6 GB, en produceert ongeveer 13.9 tokens per second. Het aantal kaarten dat het totaal kan draaien: 17.

Falcon-180B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is Radeon Instinct MI300, ongeveer 27.8 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.

Falcon-180B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 109.6 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.

Falcon-180B— 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.

Falcon-180B— hoeveel parameters heeft het?

Het heeft een parameter telling van 180B. "Falcon 180B is a super-powerful language model with 180 billion parameters". 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.

Falcon-180B— wie heeft het gemaakt?

Het werd gepubliceerd door Technology Innovation Institute, gebaseerd op United Arab Emirates, een organisatie geclassificeerd als government.

Falcon-180B— 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.

Falcon-180B— waarvoor wordt het gebruikt?

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

Falcon-180B— 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.

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