YaLM TPS-rekenmachine

Open gewichten Yandex 100B parameters June 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

43 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Radeon Instinct MI200

64 GB · IQ4_XS · 13.3 tok/s

Snelste kaart

B200

33.9 tok/s · 180 GB

Welke GPU's kunnen draaien YaLM?

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

43 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
33.9 tok/s 20–54 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	107.8 GB	Q8_0	Comfortabel
33.9 tok/s 20–54 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	107.8 GB	Q8_0	Comfortabel
32.9 tok/s 20–53 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	61.2 GB	Q4_K_M	Krap
32.9 tok/s 20–53 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	61.2 GB	Q4_K_M	Krap
27.1 tok/s 16–43 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	107.8 GB	Q8_0	Comfortabel
27.1 tok/s 16–43 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	107.8 GB	Q8_0	Comfortabel
24.3 tok/s 15–39 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	84.5 GB	Q6_K	Krap
21.6 tok/s 13–35 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	107.8 GB	Q8_0	Krap
21.0 tok/s 13–34 · lage vertrouwen	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.4 GB	IQ4_XS	Krap
20.7 tok/s 12–33 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.8 GB	Q8_0	Krap
20.7 tok/s 12–33 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.8 GB	Q8_0	Krap
20.7 tok/s 12–33 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	Krap
20.7 tok/s 12–33 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	Krap
20.7 tok/s 12–33 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.5 GB	Q6_K	Krap
20.0 tok/s 12–32 · lage vertrouwen	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	61.2 GB	Q4_K_M	Krap
20.0 tok/s 12–32 · lage vertrouwen	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	61.2 GB	Q4_K_M	Krap
20.0 tok/s 12–32 · lage vertrouwen	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	61.2 GB	Q4_K_M	Krap
20.0 tok/s 12–32 · lage vertrouwen	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	61.2 GB	Q4_K_M	Krap
20.0 tok/s 12–32 · lage vertrouwen	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	61.2 GB	Q4_K_M	Krap
20.0 tok/s 12–32 · lage vertrouwen	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	61.2 GB	Q4_K_M	Krap
19.8 tok/s 12–32 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	107.8 GB	Q8_0	Comfortabel
19.0 tok/s 11–30 · lage vertrouwen	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	61.2 GB	Q4_K_M	Krap
19.0 tok/s 11–30 · lage vertrouwen	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	61.2 GB	Q4_K_M	Krap
17.6 tok/s 11–28 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	107.8 GB	Q8_0	Krap
17.6 tok/s 11–28 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	107.8 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: Yandex
Organisatietype: Industry
Land: Russia
Gepubliceerd: 23 June 2022
Auteurs: Mikhail Khrushchev, Ruslan Vasilev, Alexey Petrov, Nikolay Zinov

Wat het doet

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

Domein: Language
Taak: Language modeling, Chat
Aanpak: Self-supervised learning

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: 100B
Training gegevens: 300,000,000,000 tokens

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: 2.2 × 10²³ FLOP
Hoe het werd opgericht: Hardware

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
Gebruikte chips: 800
Chip-uren: 1,248,000
Kloktijd: 1,560 hours (65 days)
Stroomverbruik: 642.0 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 (unrestricted)
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.

Basis model: Yes
Waarschijnlijk boven de 10²³ FLOP: Yes
Record vertrouwen: Likely

Bronnen

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

Referentie: Yandex Publishes YaLM 100B. It’s the Largest GPT-Like Neural Network in Open Source
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien YaLM

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 YaLM

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

Hardwarevereisten in de praktijk

Minimum kaart

Radeon Instinct MI200

Geheugen nodig

55.4 GB

Snelste

33.9 tok/s

YaLM bereikt een parameter telling van 100B. 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: 43.

Het toegangspunt is Radeon Instinct MI200, met een geheugen capaciteit van 64 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 13.3 tokens per seconde

De snelste we er voor berekenen is B200, genereren ongeveer 33.9 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Waar het vandaan kwam

YaLM werd gepubliceerd door Yandex, in het land geregistreerd als Russia, tijdens June 2022. De publicerende organisatie is geclassificeerd als industry.

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

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

Over elke kaart die het kan draaien, ligt het midden van het bereik op 19.0 tokens per seconde. 36 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.

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.

Hoe het getraind werd

Het produceren ervan vereiste een rekenkundige totaal van ongeveer 2.2 × 10²³ FLOP, op hardware vastgelegd als NVIDIA A100. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.

Training verbruikte een corpus van ongeveer 300,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor YaLM

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

Elke kaart hier is gecontroleerd op YaLM, ongeveer nodig 55.4 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Bepaal hoe lang je gesprekken duren

Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor YaLM.
03

Bepaal hoeveel compressie je accepteert

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

Vergelijk tokens per seconde, niet specificaties

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor YaLM. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 33.9 tok/s
05

Controleer het geschiktheidsadvies voordat je koopt

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

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 YaLM.

Antwoorden

YaLM — veelgestelde vragen

YaLM— 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: 43. Dus een tweede card is zelden het antwoord hier.

YaLM— 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: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

YaLM— 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: 20–54 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

YaLM— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Radeon Instinct MI200, met een geheugen capaciteit van 64 GB. Het draait het model op een compressie van IQ4_XS ongeveer 55.4 GB, en produceert ongeveer 13.3 tokens per second. Het aantal kaarten dat het totaal kan draaien: 43.

YaLM— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 33.9 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: 36.

YaLM— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 55.4 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.

YaLM— 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.

YaLM— hoeveel parameters heeft het?

Het heeft een parameter telling van 100B. 100B. 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.

YaLM— wie heeft het gemaakt?

Het werd gepubliceerd door Yandex, gebaseerd op Russia, een organisatie geclassificeerd als industry.

YaLM— wanneer is het uitgebracht?

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

YaLM— waarvoor wordt het gebruikt?

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

YaLM— 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.

YaLM— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 2.2 × 10²³ FLOP, op hardware vastgelegd als NVIDIA A100. 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.

YaLM— 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 18.0 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

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