CodeGen-Mono 16.1B TPS-rekenmachine

Open gewichten Salesforce 16.1B parameters February 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

306 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

P102-101

10 GB · Q3_K_M · 19.3 tok/s

Snelste kaart

B200

210 tok/s · 180 GB

Welke GPU's kunnen draaien CodeGen-Mono 16.1B?

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

306 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
210 tok/s 126–337 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	17.9 GB	Q8_0	Comfortabel
210 tok/s 126–337 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	17.9 GB	Q8_0	Comfortabel
168 tok/s 101–269 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	17.9 GB	Q8_0	Comfortabel
168 tok/s 101–269 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	17.9 GB	Q8_0	Comfortabel
134 tok/s 81–215 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	17.9 GB	Q8_0	Comfortabel
129 tok/s 77–206 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	17.9 GB	Q8_0	Comfortabel
129 tok/s 77–206 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	17.9 GB	Q8_0	Comfortabel
123 tok/s 74–197 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	17.9 GB	Q8_0	Comfortabel
111 tok/s 66–177 · lage vertrouwen	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q3_K_M	Krap
109 tok/s 66–175 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	17.9 GB	Q8_0	Comfortabel
109 tok/s 66–175 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	17.9 GB	Q8_0	Comfortabel
109 tok/s 66–175 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	17.9 GB	Q8_0	Comfortabel
104 tok/s 62–166 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	17.9 GB	Q8_0	Comfortabel
88.4 tok/s 53–141 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	17.9 GB	Q8_0	Comfortabel
88.4 tok/s 53–141 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	17.9 GB	Q8_0	Comfortabel
88.4 tok/s 53–141 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	17.9 GB	Q8_0	Comfortabel
88.4 tok/s 53–141 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	17.9 GB	Q8_0	Comfortabel
88.4 tok/s 53–141 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	17.9 GB	Q8_0	Comfortabel
67.3 tok/s 40–108 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	17.9 GB	Q8_0	Comfortabel
67.3 tok/s 40–108 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	17.9 GB	Q8_0	Comfortabel
56.1 tok/s 34–90 · lage vertrouwen	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	17.9 GB	Q8_0	Comfortabel
55.4 tok/s 33–89 · lage vertrouwen	GeForce RTX 3080 12 GB NVIDIA	12 GB	912 GB/s	Jan 2022	10.4 GB	Q4_K_M	Krap
55.4 tok/s 33–89 · lage vertrouwen	GeForce RTX 3080 Ti NVIDIA	12 GB	912 GB/s	May 2021	10.4 GB	Q4_K_M	Krap
54.9 tok/s 33–88 · lage vertrouwen	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	17.9 GB	Q8_0	Comfortabel
54.0 tok/s 32–86 · lage vertrouwen	CMP 90HX NVIDIA	10 GB	760 GB/s	Jul 2021	8.6 GB	Q3_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: Salesforce
Organisatietype: Industry
Land: United States of America
Gepubliceerd: 27 February 2023
Auteurs: Erik Nijkamp, Bo Pang, Hiroaki Hayashi, Lifu Tu, Huan Wang, Yingbo Zhou, Silvio Savarese, Caiming Xiong

Wat het doet

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

Domein: Language
Taak: Code generation, Code autocompletion

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: 16.1B
Training gegevens: 71,700,000,000 tokens
Epochs: 4.18

De trainingsrun

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

Training hardware: Google TPU v4

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 (unrestricted)

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
Record vertrouwen: Likely
Citaties: 1,473

Bronnen

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

Referentie: CodeGen: An Open Large Language Model for Code with Multi-Turn Program Synthesis
Laatst bijgewerkt: 25 May 2026

De extremen

De tien snelste GPU's die draaien CodeGen-Mono 16.1B

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 CodeGen-Mono 16.1B

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

P102-101

Geheugen nodig

8.6 GB

Snelste

210 tok/s

CodeGen-Mono 16.1B bereikt een parameter telling van 16.1B. 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: 306.

De kleinste kaart die het vasthoudt is P102-101, met een geheugen capaciteit van 10 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 19.3 tokens per seconde

De snelste resultaten komen van B200, genereren ongeveer 210 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

CodeGen-Mono 16.1B werd gepubliceerd door Salesforce, in het land geregistreerd als United States of America, tijdens February 2023. De publicerende organisatie is geclassificeerd als industry.

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

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.

Het lezen van de doorvoercijfers

De helft van de kaarten die het vasthouden, beheren meer dan 19.6 tokens per second. Outright de leessnelheid overschrijden. 259 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.

Zonder de aandachtlay-out op record, is de geheugen kolom een benadering. Het is dicht genoeg om hardware te kiezen, en het minst betrouwbaar bij lange context.

Training en herkomst

De trainingsset liep naar ongeveer 71,700,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor CodeGen-Mono 16.1B

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 CodeGen-Mono 16.1B, ongeveer nodig 8.6 GB bij een compressie van Q3_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 CodeGen-Mono 16.1B.
03

Kies hoe ver je het wilt comprimeren

Compressie is wat een model laat passen op kleinere kaarten, tegen een bepaalde kost in nauwkeurigheid., bereiken van een compressie van Q3_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

Vergelijk tokens per seconde, niet specificaties

De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. CodeGen-Mono 16.1B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 210 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 CodeGen-Mono 16.1B. 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

Open de kaart die je hebt gekozen.

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 CodeGen-Mono 16.1B.

Antwoorden

CodeGen-Mono 16.1B — veelgestelde vragen

CodeGen-Mono 16.1B— 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 3.2 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

CodeGen-Mono 16.1B— 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: 306. Dus een tweede card is zelden het antwoord hier.

CodeGen-Mono 16.1B— 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.

CodeGen-Mono 16.1B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 126–337 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

CodeGen-Mono 16.1B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is P102-101, met een geheugen capaciteit van 10 GB. Het draait het model op een compressie van Q3_K_M ongeveer 8.6 GB, en produceert ongeveer 19.3 tokens per second. Het aantal kaarten dat het totaal kan draaien: 306.

CodeGen-Mono 16.1B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 210 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: 259.

CodeGen-Mono 16.1B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 8.6 GB bij een compressie van Q3_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.

CodeGen-Mono 16.1B— 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 Q4_K_M, ongeveer 10.4 GB en genereren ongeveer 55.4 tokens per second. De pasvorm is krap.

CodeGen-Mono 16.1B— 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 Q6_K, ongeveer 14.2 GB en genereren ongeveer 43.2 tokens per second. De pasvorm is krap.

CodeGen-Mono 16.1B— 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 17.9 GB en genereren ongeveer 35.3 tokens per second. De fit is comfortabel.

CodeGen-Mono 16.1B— 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.

CodeGen-Mono 16.1B— hoeveel parameters heeft het?

Het heeft een parameter telling van 16.1B. 16.1B 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.

CodeGen-Mono 16.1B— wie heeft het gemaakt?

Het werd gepubliceerd door Salesforce, gebaseerd op United States of America, een organisatie geclassificeerd als industry.

CodeGen-Mono 16.1B— wanneer is het uitgebracht?

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

CodeGen-Mono 16.1B— waarvoor wordt het gebruikt?

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

CodeGen-Mono 16.1B— 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