ERNIE-4.5-300B-A47B TPS-rekenmachine
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
818 kaarten die we hebben specificaties voor
Kleinste kaart die past
B200
180 GB · IQ4_XS · 154 tok/s
Snelste kaart
B200
154 tok/s · 180 GB
Welke GPU's kunnen draaien ERNIE-4.5-300B-A47B?
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.
7 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
154
tok/s
92–247 · lage vertrouwen |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 153.0 GB | IQ4_XS | Krap |
|
91.2
tok/s
55–146 · lage vertrouwen |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 240.3 GB | Q6_K | Krap |
|
75.2
tok/s
45–120 · lage vertrouwen |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 170.5 GB | Q4_K_M | Krap |
|
75.2
tok/s
45–120 · lage vertrouwen |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 170.5 GB | Q4_K_M | Krap |
|
72.8
tok/s
44–116 · lage vertrouwen |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 240.3 GB | Q6_K | Krap |
|
72.8
tok/s
44–116 · lage vertrouwen |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 240.3 GB | Q6_K | Krap |
|
65.6
tok/s
39–105 · lage vertrouwen |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 205.4 GB | Q5_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
- Baidu
- Organisatietype
- Industry
- Land
- China
- Gepubliceerd
- 29 June 2025
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering
- Numerieke indeling
- FP8
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
- 300B
- Training gegevens
- tokens
MoE total parameters: 300B active parameters: 47B
"We commence with large-scale pre-training on trillions of pure-text tokens sourced from diverse domains."
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
- 2.8 × 10²⁴ FLOP
They say the model was trained on "trillions of tokens" Speculatively assuming 10T tokens: 6 FLOP / token / parameter * 47 * 10^9 active parameters * 10 * 10^12 assumed training tokens = 2.82e+24 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 H800 SXM5
- Hardwaregebruik
- MFU 47.0%
Abstract says: "We achieve 47% Model FLOPs Utilization (MFU) during the pre-training of our largest ERNIE 4.5 language model." Page 4: "We efficiently pre-train ERNIE 4.5 using a heterogeneous hybrid parallelism approach and a hierarchical load balancing solution tailored to multimodal large models. Through our extreme optimizations, including efficient intra-node expert parallelism, FP8 mixed-precision training, and fine-grained recomputation methods, we achieve 47% Model FLOPs Utilization (MF…
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
- Hugging Face
- baidu
Apache 2.0 https://huggingface.co/baidu/ERNIE-4.5-300B-A47B-Base-PT Apache 2.0 for inference code https://github.com/PaddlePaddle/ERNIE
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
- Speculative
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- ERNIE 4.5 Technical Report
- Laatst bijgewerkt
- 28 November 2025
De extremen
De tien snelste GPU's die draaien ERNIE-4.5-300B-A47B
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..
- 01 B200 180 GB · 8,000 GB/s · IQ4_XS 154 tok/s
- 02 B300 288 GB · 8,000 GB/s · Q6_K 91.2 tok/s
- 03 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q4_K_M 75.2 tok/s
- 04 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q4_K_M 75.2 tok/s
- 05 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q6_K 72.8 tok/s
- 06 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q6_K 72.8 tok/s
- 07 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q5_K_M 65.6 tok/s
De kleinste GPU's die nog steeds draaien ERNIE-4.5-300B-A47B
De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..
- 01 B200 180 GB · Heeft 153.0 GB · IQ4_XS · Krap 154 tok/s
- 02 Radeon Instinct MI300X 192 GB · Heeft 170.5 GB · Q4_K_M · Krap 75.2 tok/s
- 03 Radeon Instinct MI308X 192 GB · Heeft 170.5 GB · Q4_K_M · Krap 75.2 tok/s
- 04 Radeon Instinct MI325X 256 GB · Heeft 205.4 GB · Q5_K_M · Krap 65.6 tok/s
- 05 B300 288 GB · Heeft 240.3 GB · Q6_K · Krap 91.2 tok/s
- 06 Radeon Instinct MI350X 288 GB · Heeft 240.3 GB · Q6_K · Krap 72.8 tok/s
- 07 Radeon Instinct MI355X 288 GB · Heeft 240.3 GB · Q6_K · Krap 72.8 tok/s
Wat de cijfers betekenen
De hardwarekant
Minimum kaart
B200
Geheugen nodig
153.0 GB
Snelste
154 tok/s
ERNIE-4.5-300B-A47B bereikt een parameter telling van 300B. Dat is meer dan wat enige enkele grafische kaart bevat. Het draaien ervan betekent ofwel het splitsen over meerdere kaarten of het huren van hardware die voor de klus is gebouwd, en elke kaart die het alleen kan vasthouden, is een datacenteronderdeel. Het aantal dat kan: 7.
Aan de onderkant wordt het afgehandeld door B200, met een geheugen capaciteit van 180 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 154 tokens per seconde
De snelste we er voor berekenen is B200, genereren ongeveer 154 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.
Wat dit model is
ERNIE-4.5-300B-A47B werd gepubliceerd door Baidu, in het land geregistreerd als China, tijdens June 2025. Het komt uit een organisatie gecategoriseerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering.
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. Op Hugging Face is het gepubliceerd onder de organisatie baidu.
Wat bepaalt de snelheid
De mediaanresultaat is rond 75.2 tokens per second. Outright de leessnelheid overschrijden. 7 van hen
Mixture-of-experts routeren is waarom de snelheden hier hoog lijken voor het aantal parameters. Slechts een fractie wordt per token gelezen, maar het geheel moet worden geladen.
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 2.8 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA H800 SXM5. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Stap voor stap
Hoe een GPU te kiezen voor ERNIE-4.5-300B-A47B
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
Controleer wat het nodig heeft voordat iets anders.
Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van ERNIE-4.5-300B-A47B, ongeveer nodig 153.0 GB bij een compressie van IQ4_XS. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.
-
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 ERNIE-4.5-300B-A47B.
-
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
Sorteer op snelheid
De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. ERNIE-4.5-300B-A47B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 154 tok/s
-
05
Controleer het geschiktheidsadvies voordat je koopt
Een strakke pasvorm draait, maar laat niets over voor een langer gesprek, in het geval van ERNIE-4.5-300B-A47B. 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 ERNIE-4.5-300B-A47B.
Antwoorden
ERNIE-4.5-300B-A47B — veelgestelde vragen
ERNIE-4.5-300B-A47B— wanneer is het uitgebracht?
Het werd gepubliceerd in June 2025.
ERNIE-4.5-300B-A47B— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Quantitative reasoning, Code generation, Translation, Question answering. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
ERNIE-4.5-300B-A47B— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie baidu. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
ERNIE-4.5-300B-A47B— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 2.8 × 10²⁴ FLOP, op hardware vastgelegd als NVIDIA H800 SXM5. 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.
ERNIE-4.5-300B-A47B— 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 43.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
ERNIE-4.5-300B-A47B— Zouden twee GPU's het sneller draaien?
Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 7. Dus een tweede card is zelden het antwoord hier.
ERNIE-4.5-300B-A47B— 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: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
ERNIE-4.5-300B-A47B— 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: 92–247 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
ERNIE-4.5-300B-A47B— Welke GPU heb ik nodig om het te draaien?
De kleinste kaart in onze catalogus die het vasthoudt is B200, met een geheugen capaciteit van 180 GB. Het draait het model op een compressie van IQ4_XS ongeveer 153.0 GB, en produceert ongeveer 154 tokens per second. Het aantal kaarten dat het totaal kan draaien: 7.
ERNIE-4.5-300B-A47B— hoe snel is het op een GPU?
Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 154 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: 7.
ERNIE-4.5-300B-A47B— hoeveel VRAM heeft het nodig?
Het heeft ongeveer 153.0 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.
ERNIE-4.5-300B-A47B— 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.
ERNIE-4.5-300B-A47B— hoeveel parameters heeft het?
Het heeft een parameter telling van 300B. MoE total parameters: 300B active parameters: 47B. 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.
ERNIE-4.5-300B-A47B— wie heeft het gemaakt?
Het werd gepubliceerd door Baidu, gebaseerd op China, een organisatie geclassificeerd als industry.
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.