BlenderBot 3 TPS-rekenmachine

Open gewichten McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms) 175B parameters August 2022

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

24 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

H100 PCIe 96 GB

96 GB · Q3_K_M · 21.9 tok/s

Snelste kaart

Radeon Instinct MI300

28.6 tok/s · 128 GB

Welke GPU's kunnen draaien BlenderBot 3?

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.

24 kaarten passen

Berekenen
Heeft Kwantificatie Past
28.6 tok/s

17–46 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 106.6 GB Q4_K_M Krap
28.1 tok/s

17–45 · lage vertrouwen

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 147.3 GB Q6_K Krap
27.3 tok/s

16–44 · lage vertrouwen

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 106.6 GB Q4_K_M Krap
27.3 tok/s

16–44 · lage vertrouwen

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 106.6 GB Q4_K_M Krap
23.2 tok/s

14–37 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 106.6 GB Q4_K_M Krap
21.9 tok/s

13–35 · lage vertrouwen

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.2 GB Q3_K_M Krap
21.9 tok/s

13–35 · lage vertrouwen

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 86.2 GB Q3_K_M Krap
19.4 tok/s

12–31 · lage vertrouwen

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 188.1 GB Q8_0 Comfortabel
15.5 tok/s

9–25 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 188.1 GB Q8_0 Comfortabel
15.5 tok/s

9–25 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 188.1 GB Q8_0 Comfortabel
14.6 tok/s

9–23 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 147.3 GB Q6_K Krap
14.6 tok/s

9–23 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 147.3 GB Q6_K Krap
14.3 tok/s

9–23 · lage vertrouwen

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 106.6 GB Q4_K_M Krap
14.3 tok/s

9–23 · lage vertrouwen

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 106.6 GB Q4_K_M Krap
11.9 tok/s

7–19 · lage vertrouwen

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 106.6 GB Q4_K_M Krap
11.7 tok/s

7–19 · lage vertrouwen

RTX PRO 6000 Blackwell NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Krap
11.7 tok/s

7–19 · lage vertrouwen

RTX PRO 6000 Blackwell Max-Q NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Krap
11.7 tok/s

7–19 · lage vertrouwen

RTX PRO 6000 Blackwell Server NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Krap
11.7 tok/s

7–19 · lage vertrouwen

RTX PRO 6000D Blackwell Max-Q NVIDIA 96 GB 1,790 GB/s Mar 2025 86.2 GB Q3_K_M Krap
11.7 tok/s

7–19 · lage vertrouwen

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 106.6 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 188.1 GB Q8_0 Comfortabel
10.4 tok/s

6–17 · lage vertrouwen

Data Center GPU Max 1350 Intel 96 GB 2,460 GB/s Jan 2023 86.2 GB Q3_K_M Krap
1.5 tok/s

1–2 · lage vertrouwen

GB10 NVIDIA 128 GB 273 GB/s Oct 2025 106.6 GB Q4_K_M Krap
1.5 tok/s

1–2 · lage vertrouwen

Jetson T5000 NVIDIA 128 GB 273 GB/s Aug 2025 106.6 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
McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms)
Organisatietype
Academia,Industry,Academia
Land
Canada, United States of America
Gepubliceerd
10 August 2022
Auteurs
Kurt Shuster, Jing Xu, Mojtaba Komeili, Da Ju, Eric Michael Smith, Stephen Roller, Megan Ung, Moya Chen, Kushal Arora, Joshua Lane, Morteza Behrooz, William Ngan, Spencer Poff, Naman Goyal, Arthur Szlam, Y-Lan Boureau, Melanie Kambadur, Jason Weston

Wat het doet

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

Domein
Language
Taak
Chat
Basis model
OPT-175B

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
175B
Training gegevens
1,300,000,000 tokens
Batchgrootte
262,144

Note that this is batch size for fine-tuning. Blenderbot is based on OPT-175B which had batch size 2M. "The 175B model was trained with a batch size of 2^18" 2^18 = 262144

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
4.3 × 10²³ FLOP

(taken from OPT-175 base)

Hoe het werd opgericht
Operation counting
Fijn-tuning compute
1.5 × 10²¹ FLOP

"The 30B and 175B parameter BlenderBot 3 models were each trained for one epoch of the training data on 64 (30B) or 128 (175B) x 40gb A100 GPUs; we found that the model (especially the 175B version) overfit significantly when seeing the training data more than once. The 175B model was trained with a batch size of 2^18 and the 30B model was trained with a batch size of 2^19, resulting in roughly 5600 updates and 2800 updates respectively." 175b params * 5600 * 2^18 * 6 = 1.5e21

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
128
Stroomverbruik
102.6 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)
Training code
Open source

weights have a non-commercial license, must go through request form: https://docs.google.com/forms/d/e/1FAIpQLSfRzw8xVzxaxgRyuodTZtkcYADAjzYjN5gcxx6DMa4XaGwwhQ/viewform meanwhile training code is here. repo is MIT-licensed https://github.com/facebookresearch/ParlAI/blob/main/parlai/scripts/train_model.py

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
Waarom het wordt gevolgd
SOTA improvement

"Human evaluations show its superiority to existing open-domain dialogue agents, including its predecessors" They don't claim absolute SOTA

Record vertrouwen
Likely
Citaties
290

Bronnen

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

Referentie
BlenderBot 3: a deployed conversational agent that continually learns to responsibly engage
Laatst bijgewerkt
25 May 2026

De extremen

De tien snelste GPU's die draaien BlenderBot 3

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..

  1. 01 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q4_K_M 28.6 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q6_K 28.1 tok/s
  3. 03 H200 NVL 141 GB · 4,890 GB/s · Q4_K_M 27.3 tok/s
  4. 04 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q4_K_M 27.3 tok/s
  5. 05 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q4_K_M 23.2 tok/s
  6. 06 H100 PCIe 96 GB 96 GB · 3,360 GB/s · Q3_K_M 21.9 tok/s
  7. 07 H100 SXM5 96 GB 96 GB · 3,360 GB/s · Q3_K_M 21.9 tok/s
  8. 08 B300 288 GB · 8,000 GB/s · Q8_0 19.4 tok/s
  9. 09 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 15.5 tok/s
  10. 10 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 15.5 tok/s

De kleinste GPU's die nog steeds draaien BlenderBot 3

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

  1. 01 RTX PRO 6000 Blackwell 96 GB · Heeft 86.2 GB · Q3_K_M · Krap 11.7 tok/s
  2. 02 RTX PRO 6000 Blackwell Max-Q 96 GB · Heeft 86.2 GB · Q3_K_M · Krap 11.7 tok/s
  3. 03 RTX PRO 6000 Blackwell Server 96 GB · Heeft 86.2 GB · Q3_K_M · Krap 11.7 tok/s
  4. 04 RTX PRO 6000D Blackwell Max-Q 96 GB · Heeft 86.2 GB · Q3_K_M · Krap 11.7 tok/s
  5. 05 H100 PCIe 96 GB 96 GB · Heeft 86.2 GB · Q3_K_M · Krap 21.9 tok/s
  6. 06 H100 SXM5 96 GB 96 GB · Heeft 86.2 GB · Q3_K_M · Krap 21.9 tok/s
  7. 07 Data Center GPU Max 1350 96 GB · Heeft 86.2 GB · Q3_K_M · Krap 10.4 tok/s
  8. 08 GB10 128 GB · Heeft 106.6 GB · Q4_K_M · Krap 1.5 tok/s
  9. 09 Jetson T5000 128 GB · Heeft 106.6 GB · Q4_K_M · Krap 1.5 tok/s
  10. 10 Radeon Instinct MI300A 128 GB · Heeft 106.6 GB · Q4_K_M · Krap 23.2 tok/s

Wat de cijfers betekenen

Wat je nodig hebt om het te draaien

Minimum kaart

H100 PCIe 96 GB

Geheugen nodig

86.2 GB

Snelste

28.6 tok/s

BlenderBot 3 bereikt een parameter telling van 175B. 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: 24.

De minste hardware die werkt is H100 PCIe 96 GB, met een geheugen capaciteit van 96 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 21.9 tokens per seconde

De snelste resultaten komen van Radeon Instinct MI300, genereren ongeveer 28.6 tokens per seconde op basis van een geheugendoorbandsnelheid van 6,550 GB/s.

Achtergrond

BlenderBot 3 werd gepubliceerd door McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), in het land geregistreerd als Canada, tijdens August 2022. De categorie waaronder de uitgever valt is academia,Industry,Academia.

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

Het bouwt voort op OPT-175B. De meeste modellen op deze schaal zijn aangepast van een bestaande basis in plaats van vanuit het niets gebouwd.

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.

Het lezen van de doorvoercijfers

De mediaanresultaat is rond 14.5 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 22 van hen

Elke gewicht participeert in elke token hier, dus bandbreedte is het hele verhaal: de ranking hieronder is effectief een ranking van geheugendoorvoer.

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 produceren ervan vereiste een rekenkundige totaal van ongeveer 4.3 × 10²³ 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 1,300,000,000 tekstokens

De inclusiecriteria: sOTA improvement.

Stap voor stap

Hoe een GPU te kiezen voor BlenderBot 3

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

  1. 01

    Begin vanuit de geheugen kolom

    De tabel vermeldt elke kaart die in staat is om te bevatten. BlenderBot 3, ongeveer nodig 86.2 GB bij een compressie van Q3_K_M. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.

  2. 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 BlenderBot 3.

  3. 03

    Bepaal hoeveel compressie je accepteert

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

  4. 04

    Rangschik op doorvoer in plaats van specificatielijst

    De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. BlenderBot 3. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is Radeon Instinct MI300, bij 28.6 tok/s

  5. 05

    Lees de passen kolom laatst

    De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van BlenderBot 3. 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.

  6. 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 BlenderBot 3.

Antwoorden

BlenderBot 3 — veelgestelde vragen

01

BlenderBot 3— 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: 17–46 tok/s op Radeon Instinct MI300. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

02

BlenderBot 3— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is H100 PCIe 96 GB, met een geheugen capaciteit van 96 GB. Het draait het model op een compressie van Q3_K_M ongeveer 86.2 GB, en produceert ongeveer 21.9 tokens per second. Het aantal kaarten dat het totaal kan draaien: 24.

03

BlenderBot 3— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is Radeon Instinct MI300, ongeveer 28.6 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: 22.

04

BlenderBot 3— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 86.2 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.

05

BlenderBot 3— 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.

06

BlenderBot 3— hoeveel parameters heeft het?

Het heeft een parameter telling van 175B. 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.

07

BlenderBot 3— wie heeft het gemaakt?

Het werd gepubliceerd door McGill University,Meta AI,Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), gebaseerd op Canada, een organisatie geclassificeerd als academia,Industry,Academia.

08

BlenderBot 3— wanneer is het uitgebracht?

Het werd gepubliceerd in August 2022. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

09

BlenderBot 3— waarvoor wordt het gebruikt?

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

10

BlenderBot 3— 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.

11

BlenderBot 3— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 4.3 × 10²³ 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.

12

BlenderBot 3— 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 22.0 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

13

BlenderBot 3— 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: 24. Dus een tweede card is zelden het antwoord hier.

14

BlenderBot 3— 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: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

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