Apriel Nemotron 15B TPS-rekenmachine

Open gewichten NVIDIA,ServiceNow 15B parameters May 2025

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 · IQ4_XS · 18.9 tok/s

Snelste kaart

B200

226 tok/s · 180 GB

Welke GPU's kunnen draaien Apriel Nemotron 15B?

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.

306 kaarten passen

Berekenen
Heeft Kwantificatie Past
226 tok/s

136–361 · lage vertrouwen

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 16.8 GB Q8_0 Comfortabel
226 tok/s

136–361 · lage vertrouwen

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 16.8 GB Q8_0 Comfortabel
180 tok/s

108–289 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 16.8 GB Q8_0 Comfortabel
180 tok/s

108–289 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 16.8 GB Q8_0 Comfortabel
144 tok/s

87–231 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 16.8 GB Q8_0 Comfortabel
138 tok/s

83–221 · lage vertrouwen

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 16.8 GB Q8_0 Comfortabel
138 tok/s

83–221 · lage vertrouwen

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 16.8 GB Q8_0 Comfortabel
132 tok/s

79–211 · lage vertrouwen

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 16.8 GB Q8_0 Comfortabel
117 tok/s

70–188 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 16.8 GB Q8_0 Comfortabel
117 tok/s

70–188 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 16.8 GB Q8_0 Comfortabel
117 tok/s

70–188 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 16.8 GB Q8_0 Comfortabel
111 tok/s

67–178 · lage vertrouwen

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 16.8 GB Q8_0 Comfortabel
108 tok/s

65–173 · lage vertrouwen

CMP 170HX 10 GB NVIDIA 10 GB 1,560 GB/s Sep 2021 8.9 GB IQ4_XS Krap
94.9 tok/s

57–152 · lage vertrouwen

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 16.8 GB Q8_0 Comfortabel
94.9 tok/s

57–152 · lage vertrouwen

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 16.8 GB Q8_0 Comfortabel
94.9 tok/s

57–152 · lage vertrouwen

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 16.8 GB Q8_0 Comfortabel
94.9 tok/s

57–152 · lage vertrouwen

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 16.8 GB Q8_0 Comfortabel
94.9 tok/s

57–152 · lage vertrouwen

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 16.8 GB Q8_0 Comfortabel
72.2 tok/s

43–116 · lage vertrouwen

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 16.8 GB Q8_0 Comfortabel
72.2 tok/s

43–116 · lage vertrouwen

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 16.8 GB Q8_0 Comfortabel
60.2 tok/s

36–96 · lage vertrouwen

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 16.8 GB Q8_0 Comfortabel
59.5 tok/s

36–95 · lage vertrouwen

GeForce RTX 3080 12 GB NVIDIA 12 GB 912 GB/s Jan 2022 9.8 GB Q4_K_M Krap
59.5 tok/s

36–95 · lage vertrouwen

GeForce RTX 3080 Ti NVIDIA 12 GB 912 GB/s May 2021 9.8 GB Q4_K_M Krap
58.9 tok/s

35–94 · lage vertrouwen

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 16.8 GB Q8_0 Comfortabel
57.6 tok/s

35–92 · lage vertrouwen

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 16.8 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
NVIDIA,ServiceNow
Organisatietype
Industry,Industry
Land
United States of America
Gepubliceerd
6 May 2025

Wat het doet

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

Domein
Language
Taak
Language modeling/generation, Question answering, Quantitative reasoning, Chat

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
15B

15B

Training gegevens
100,000,000,000 tokens

1. Mid training / Continual Pre‑training In this stage, the model is trained on 100+ billion tokens of carefully curated examples drawn from mathematical reasoning, coding challenges, scientific discourse and logical puzzles. 2. Supervised Fine‑Tuning (SFT) Next, we SFT the model using 200,000 high‑quality demonstrations that cover mathematical and scientific problem‑solving, coding tasks, generic instruction‑following scenarios, API/function invocation use cases etc. 3. RLHF

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
9 × 10²¹ FLOP

6 FLOP / parameter / token * 15 * 10^9 parameters * 100 * 10^9 tokens = 9e+21 FLOP [1 epoch assumed] -> "Likely" confidence

Hoe het werd opgericht
Operation counting

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

MIT license https://huggingface.co/ServiceNow-AI/Apriel-Nemotron-15b-Thinker

Hugging Face
ServiceNow-AI

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
Likely

Bronnen

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

Referentie
New Apriel Nemotron 15B reasoning model delivers lower latency, lower inference costs, and faster agentic AI—purpose built for performance, cost, and scale
Laatst bijgewerkt
28 November 2025

De extremen

De tien snelste GPU's die draaien Apriel Nemotron 15B

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 B300 288 GB · 8,000 GB/s · Q8_0 226 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 226 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 180 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 180 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 144 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 138 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 138 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 132 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 117 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 117 tok/s

De kleinste GPU's die nog steeds draaien Apriel Nemotron 15B

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

  1. 01 Arc B570 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 17.1 tok/s
  2. 02 Xbox Series X 6nm GPU 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 30.3 tok/s
  3. 03 Radeon RX 6750 GRE 10 GB 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 17.3 tok/s
  4. 04 CMP 170HX 10 GB 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 108 tok/s
  5. 05 CMP 90HX 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 52.7 tok/s
  6. 06 CMP 50HX 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 38.8 tok/s
  7. 07 Radeon RX 6700 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 17.3 tok/s
  8. 08 Radeon RX 6700M 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 17.3 tok/s
  9. 09 Xbox Series X GPU 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 30.3 tok/s
  10. 10 GeForce RTX 3080 10 GB · Heeft 8.9 GB · IQ4_XS · Krap 52.7 tok/s

Wat de cijfers betekenen

Wat nodig is om dit model te draaien

Minimum kaart

P102-101

Geheugen nodig

8.9 GB

Snelste

226 tok/s

Apriel Nemotron 15B bereikt een parameter telling van 15B. 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 IQ4_XS en produceren rond 18.9 tokens per seconde

De snelste we er voor berekenen is B200, genereren ongeveer 226 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Over dit model

Apriel Nemotron 15B werd gepubliceerd door NVIDIA,ServiceNow, in het land geregistreerd als United States of America, tijdens May 2025. Het komt uit een organisatie gecategoriseerd als industry,Industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering, Quantitative reasoning, Chat.

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. Op Hugging Face is het gepubliceerd onder de organisatie ServiceNow-AI.

Hoe snel het draait, en waarom

De mediaanresultaat is rond 21.1 tokens per seconde. 266 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.

Wat erin ging zitten om het te bouwen

Het produceren ervan vereiste een rekenkundige totaal van ongeveer 9 × 10²¹ FLOP. 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 100,000,000,000 tekstokens

Stap voor stap

Hoe een GPU te kiezen voor Apriel Nemotron 15B

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

    Elke kaart hier is gecontroleerd op Apriel Nemotron 15B, ongeveer nodig 8.9 GB bij een compressie van IQ4_XS. Die figuur, niet de hoofdtitelprestaties van een kaart, is wat bepaalt of het draait.

  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 Apriel Nemotron 15B.

  3. 03

    Stel een kwaliteitsvloer in

    Elke kaart draait de minst-gecomprimeerde kopie die hij kan vasthouden., 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.

  4. 04

    Sorteer op snelheid

    De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. Apriel Nemotron 15B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 226 tok/s

  5. 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 Apriel Nemotron 15B. 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

    Open de kaart die je hebt gekozen.

    Elke kaartpagina herhaalt deze scan voor elk model dat we hebben, en beantwoordt waarvoor de hardware verder goed is naast Apriel Nemotron 15B.

Antwoorden

Apriel Nemotron 15B — veelgestelde vragen

01

Apriel Nemotron 15B— 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.

02

Apriel Nemotron 15B— 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: 136–361 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

03

Apriel Nemotron 15B— 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 IQ4_XS ongeveer 8.9 GB, en produceert ongeveer 18.9 tokens per second. Het aantal kaarten dat het totaal kan draaien: 306.

04

Apriel Nemotron 15B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 226 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: 266.

05

Apriel Nemotron 15B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 8.9 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.

06

Apriel Nemotron 15B— 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 9.8 GB en genereren ongeveer 59.5 tokens per second. De pasvorm is krap.

07

Apriel Nemotron 15B— 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 13.3 GB en genereren ongeveer 46.4 tokens per second. De pasvorm is krap.

08

Apriel Nemotron 15B— 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 16.8 GB en genereren ongeveer 37.8 tokens per second. De fit is comfortabel.

09

Apriel Nemotron 15B— 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.

10

Apriel Nemotron 15B— hoeveel parameters heeft het?

Het heeft een parameter telling van 15B. 15B. 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.

11

Apriel Nemotron 15B— wie heeft het gemaakt?

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

12

Apriel Nemotron 15B— wanneer is het uitgebracht?

Het werd gepubliceerd in May 2025.

13

Apriel Nemotron 15B— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Quantitative reasoning, Chat. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

14

Apriel Nemotron 15B— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie ServiceNow-AI. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

15

Apriel Nemotron 15B— hoeveel rekencapaciteit is gebruikt om het te trainen?

Training verbruikte ongeveer 9 × 10²¹ FLOP. 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.

16

Apriel Nemotron 15B— 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 2.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

17

Apriel Nemotron 15B— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 306. Dus een tweede card is zelden het antwoord hier.

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