BELLE-LLaMA-EXT-7B TPS-rekenmachine

Open gewichten KE Holdings Inc. (“Beike”) 7B parameters April 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

582 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Quadro 6000

6 GB · IQ4_XS · 18.1 tok/s

Snelste kaart

B200

484 tok/s · 180 GB

Welke GPU's kunnen draaien BELLE-LLaMA-EXT-7B?

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

582 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
484 tok/s 411–581	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.8 GB	Q8_0	Comfortabel
484 tok/s 411–581	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.8 GB	Q8_0	Comfortabel
387 tok/s 232–618 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.8 GB	Q8_0	Comfortabel
387 tok/s 232–618 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.8 GB	Q8_0	Comfortabel
309 tok/s 185–495 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.8 GB	Q8_0	Comfortabel
296 tok/s 251–355	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.8 GB	Q8_0	Comfortabel
296 tok/s 251–355	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.8 GB	Q8_0	Comfortabel
283 tok/s 170–453 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.8 GB	Q8_0	Comfortabel
251 tok/s 151–402 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Comfortabel
251 tok/s 151–402 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Comfortabel
251 tok/s 151–402 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.8 GB	Q8_0	Comfortabel
238 tok/s 203–286	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.8 GB	Q8_0	Comfortabel
203 tok/s 173–244	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Comfortabel
203 tok/s 173–244	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.8 GB	Q8_0	Comfortabel
203 tok/s 173–244	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Comfortabel
203 tok/s 173–244	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Comfortabel
203 tok/s 173–244	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.8 GB	Q8_0	Comfortabel
155 tok/s 93–248 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.8 GB	Q8_0	Comfortabel
155 tok/s 93–248 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.8 GB	Q8_0	Comfortabel
131 tok/s 111–157	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.1 GB	Q6_K	Krap
129 tok/s 77–206 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.8 GB	Q8_0	Comfortabel
126 tok/s 76–202 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.8 GB	Q8_0	Comfortabel
123 tok/s 105–148	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.8 GB	Q8_0	Comfortabel
123 tok/s 105–148	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.8 GB	Q8_0	Comfortabel
123 tok/s 105–148	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.8 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: KE Holdings Inc. (“Beike”)
Organisatietype: Industry
Land: China
Gepubliceerd: 16 April 2023
Auteurs: Yunjie Ji, Yan Gong, Yong Deng, Yiping Peng, Qiang Niu, Baochang Ma, Xiangang Li

Wat het doet

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

Domein: Language
Taak: Language modeling/generation
Basis model: LLaMA-7B
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: 7B
Training gegevens: 3,400,000,000 tokens
Epochs: 3

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.

Hoe het werd opgericht: Operation counting
Fijn-tuning compute: 4.3 × 10²⁰ 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: 8
Stroomverbruik: 6.4 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)

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: Towards Better Instruction Following Language Models for Chinese: Investigating the Impact of Training Data and Evaluation
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien BELLE-LLaMA-EXT-7B

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 BELLE-LLaMA-EXT-7B

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

De hardwarekant

Minimum kaart

Quadro 6000

Geheugen nodig

5.1 GB

Snelste

484 tok/s

BELLE-LLaMA-EXT-7B bereikt een parameter telling van 7B. 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: 582.

Aan de onderkant wordt het afgehandeld door Quadro 6000, met een geheugen capaciteit van 6 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 18.1 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 484 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

BELLE-LLaMA-EXT-7B werd gepubliceerd door KE Holdings Inc. (“Beike”), in het land geregistreerd als China, tijdens April 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 language modeling/generation.

Het startpunt was een bestaand basismodel, LLaMA-7B. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.

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 mediaanresultaat is rond 26.1 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 552 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.

Training en herkomst

De trainingsset liep naar ongeveer 3,400,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor BELLE-LLaMA-EXT-7B

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

De tabel vermeldt elke kaart die in staat is om te bevatten. BELLE-LLaMA-EXT-7B, ongeveer nodig 5.1 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stel de contextlengte in waarmee je gaat werken

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. BELLE-LLaMA-EXT-7B.
03

Bepaal hoeveel compressie je accepteert

De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt., 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

Vergelijk tokens per seconde, niet specificaties

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor BELLE-LLaMA-EXT-7B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 484 tok/s
05

Lees de passen kolom laatst

De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van BELLE-LLaMA-EXT-7B. 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 BELLE-LLaMA-EXT-7B.

Antwoorden

BELLE-LLaMA-EXT-7B — veelgestelde vragen

BELLE-LLaMA-EXT-7B— kan ik het draaien op een GPU met 8 GB?

Ja. De GPU kaart CMP 170HX 8 GB, houden 8 GB, draait het met een compressie van Q6_K, ongeveer 7.1 GB en genereren ongeveer 131 tokens per second. De pasvorm is krap.

BELLE-LLaMA-EXT-7B— 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 Q8_0, ongeveer 8.8 GB en genereren ongeveer 55.2 tokens per second. De fit is comfortabel.

BELLE-LLaMA-EXT-7B— 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 Q8_0, ongeveer 8.8 GB en genereren ongeveer 68.4 tokens per second. De fit is comfortabel.

BELLE-LLaMA-EXT-7B— 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 8.8 GB en genereren ongeveer 81.1 tokens per second. De fit is comfortabel.

BELLE-LLaMA-EXT-7B— 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.

BELLE-LLaMA-EXT-7B— hoeveel parameters heeft het?

Het heeft een parameter telling van 7B. 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.

BELLE-LLaMA-EXT-7B— wie heeft het gemaakt?

Het werd gepubliceerd door KE Holdings Inc. (“Beike”), gebaseerd op China, een organisatie geclassificeerd als industry.

BELLE-LLaMA-EXT-7B— wanneer is het uitgebracht?

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

BELLE-LLaMA-EXT-7B— waarvoor wordt het gebruikt?

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

BELLE-LLaMA-EXT-7B— 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.

BELLE-LLaMA-EXT-7B— 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 1.0 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

BELLE-LLaMA-EXT-7B— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 582. Dus een tweede card is zelden het antwoord hier.

BELLE-LLaMA-EXT-7B— 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: 3. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

BELLE-LLaMA-EXT-7B— hoe nauwkeurig zijn deze snelheidsschattingen?

Dit zijn schattingen met echte foutmarges, en elk van hen zou redelijkerwijs ergens binnen zijn gepubliceerde bereik kunnen vallen, afhankelijk van welke runtime je gebruikt. Het snelste resultaat hier: 411–581 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

BELLE-LLaMA-EXT-7B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Quadro 6000, met een geheugen capaciteit van 6 GB. Het draait het model op een compressie van IQ4_XS ongeveer 5.1 GB, en produceert ongeveer 18.1 tokens per second. Het aantal kaarten dat het totaal kan draaien: 582.

BELLE-LLaMA-EXT-7B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 484 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: 552.

BELLE-LLaMA-EXT-7B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 5.1 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.

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