Llama Nemotron Ultra 253B 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
H200 NVL
141 GB · Q3_K_M · 22.1 tok/s
Snelste kaart
B200
30.9 tok/s · 180 GB
Welke GPU's kunnen draaien Llama Nemotron Ultra 253B?
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.
9 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
30.9
tok/s
19–49 · lage vertrouwen |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 153.8 GB | Q4_K_M | Krap |
|
22.1
tok/s
13–35 · lage vertrouwen |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 124.3 GB | Q3_K_M | Krap |
|
22.1
tok/s
13–35 · lage vertrouwen |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 124.3 GB | Q3_K_M | Krap |
|
19.5
tok/s
12–31 · lage vertrouwen |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 212.7 GB | Q6_K | Comfortabel |
|
16.1
tok/s
10–26 · lage vertrouwen |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 153.8 GB | Q4_K_M | Krap |
|
16.1
tok/s
10–26 · lage vertrouwen |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 153.8 GB | Q4_K_M | Krap |
|
15.5
tok/s
9–25 · lage vertrouwen |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 212.7 GB | Q6_K | Comfortabel |
|
15.5
tok/s
9–25 · lage vertrouwen |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 212.7 GB | Q6_K | Comfortabel |
|
11.4
tok/s
7–18 · lage vertrouwen |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 212.7 GB | Q6_K | 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
- NVIDIA
- Organisatietype
- Industry
- Land
- United States of America
- Gepubliceerd
- 18 March 2025
- Auteurs
- Akhiad Bercovich, Itay Levy, Izik Golan, Mohammad Dabbah, Ran El-Yaniv, Omri Puny, Ido Galil, Zach Moshe, Tomer Ronen, Najeeb Nabwani, Ido Shahaf, Oren Tropp, Ehud Karpas, Ran Zilberstein, Jiaqi Zeng, Soumye Singhal, Alexander Bukharin, Yian Zhang, Tugrul Konuk, Gerald Shen, Ameya Sunil Mahabaleshwarkar, Bilal Kartal, Yoshi Suhara, Olivier Delalleau, Zijia Chen, Zhilin Wang, David Mosallanezhad, A…
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, Code generation, Neural Architecture Search - NAS
- Basis model
- Llama 3.1-405B
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
- 253B
- Training gegevens
- 603,000,000,000 tokens
253B "Dense decoder-only Transformer model Network Architecture: Llama-3.1-405B-Instruct, customized through Neural Architecture Search (NAS) **This model was developed based on Llama-3.1-405B-Instruct ** This model has 253B model parameters."
KD + Continued Training: "LN-Ultra is first trained with knowledge distillation for 65B tokens using the same distillation dataset, followed by 88B tokens of continued training on the Nemotron-H phase 4 pretraining dataset (NVIDIA et al., 2025)." (from the paper) Reasoning training data (SFT): for Super model (from the blog) "60B tokens of synthetic data (representing 4M of the 30M generated samples)" -> the entire dataset is ~450B tokens (Ultra model is likely to be trained on the entire dat…
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
- 3.9 × 10²⁵ FLOP
- Hoe het werd opgericht
- Operation counting
- Fijn-tuning compute
- 1.1 × 10²⁴ FLOP
*Training compute figure is total lifetime (Meta + Nvidia) compute, not incremental Nvidia training compute* Total training compute: 3.8e+25 FLOP (base model) + 1.11e+24 FLOP (fine-tuning) = 3.9e25 FLOP See calculation in the finetune compute notes.
Knowledge Distillation + Continued pre-training + SFT: 6 FLOP / parameter / token * 253000000000 parameters * 6033000000000 tokens [see dataset size notes] = 9.15354e+23 FLOP RL: "the whole training takes approximately 140k H100 hours" 989400000000000 FLOP / sec / GPU [bf16] * 140000 GPU-hours * 3600 sec / hour * 0.4 [assumed utilization] = 1.9946304e+23 FLOP Total: 9.15354e+23 FLOP + 1.9946304e+23 FLOP = 1.114817e+24 FLOP
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 (restricted use)
- Training code
- Unreleased
- Hugging Face
- nvidia
GOVERNING TERMS: Your use of this model is governed by the NVIDIA Open Model License. Additional Information: Llama 3.3 Community License Agreement. Built with Llama. https://huggingface.co/nvidia/Llama-3_1-Nemotron-Ultra-253B-v1
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.
- Grensmodel
- 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
- Ultra is 253B distilled from Llama 3.1 405B for maximum agentic accuracy on multi-GPU data center servers.
- Laatst bijgewerkt
- 21 July 2026
De extremen
De tien snelste GPU's die draaien Llama Nemotron Ultra 253B
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 · Q4_K_M 30.9 tok/s
- 02 H200 NVL 141 GB · 4,890 GB/s · Q3_K_M 22.1 tok/s
- 03 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q3_K_M 22.1 tok/s
- 04 B300 288 GB · 8,000 GB/s · Q6_K 19.5 tok/s
- 05 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q4_K_M 16.1 tok/s
- 06 Radeon Instinct MI308X 192 GB · 5,325 GB/s · Q4_K_M 16.1 tok/s
- 07 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q6_K 15.5 tok/s
- 08 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q6_K 15.5 tok/s
- 09 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q6_K 11.4 tok/s
De kleinste GPU's die nog steeds draaien Llama Nemotron Ultra 253B
De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..
- 01 H200 NVL 141 GB · Heeft 124.3 GB · Q3_K_M · Krap 22.1 tok/s
- 02 H200 SXM 141 GB 141 GB · Heeft 124.3 GB · Q3_K_M · Krap 22.1 tok/s
- 03 B200 180 GB · Heeft 153.8 GB · Q4_K_M · Krap 30.9 tok/s
- 04 Radeon Instinct MI300X 192 GB · Heeft 153.8 GB · Q4_K_M · Krap 16.1 tok/s
- 05 Radeon Instinct MI308X 192 GB · Heeft 153.8 GB · Q4_K_M · Krap 16.1 tok/s
- 06 Radeon Instinct MI325X 256 GB · Heeft 212.7 GB · Q6_K · Krap 11.4 tok/s
- 07 B300 288 GB · Heeft 212.7 GB · Q6_K · Comfortabel 19.5 tok/s
- 08 Radeon Instinct MI350X 288 GB · Heeft 212.7 GB · Q6_K · Comfortabel 15.5 tok/s
- 09 Radeon Instinct MI355X 288 GB · Heeft 212.7 GB · Q6_K · Comfortabel 15.5 tok/s
Wat de cijfers betekenen
Wat je nodig hebt om het te draaien
Minimum kaart
H200 NVL
Geheugen nodig
124.3 GB
Snelste
30.9 tok/s
Llama Nemotron Ultra 253B bereikt een parameter telling van 253B. 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: 9.
De minste hardware die werkt is H200 NVL, met een geheugen capaciteit van 141 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 22.1 tokens per seconde
Aan de andere kant zit B200, genereren ongeveer 30.9 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.
Waar het vandaan kwam
Llama Nemotron Ultra 253B werd gepubliceerd door NVIDIA, in het land geregistreerd als United States of America, tijdens March 2025. De categorie waaronder de uitgever valt is 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, Code generation, Neural Architecture Search - NAS.
In plaats van vanaf nul te worden getraind, is het afgeleid van Llama 3.1-405B. De meeste modellen op deze schaal zijn aangepast van een bestaande basis in plaats van vanuit het niets gebouwd.
De gewichten zijn gepubliceerd, zodat ze gedownload en onbeperkt, offline, op je eigen hardware kunnen worden uitgevoerd, zonder dat er een account aan verbonden is. Op Hugging Face is het gepubliceerd onder de organisatie nvidia.
Begrijpen van de snelheden
Over elke kaart die het kan draaien, ligt het midden van het bereik op 16.1 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 9 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.
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.
Training en herkomst
De training run verbruikte ongeveer 3.9 × 10²⁵ FLOP. 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 603,000,000,000 tekstokens
Stap voor stap
Hoe een GPU te kiezen voor Llama Nemotron Ultra 253B
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.
Elke kaart hier is gecontroleerd op Llama Nemotron Ultra 253B, ongeveer nodig 124.3 GB bij een compressie van Q3_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
-
02
Bepaal hoe lang je gesprekken duren
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 Llama Nemotron Ultra 253B.
-
03
Stel een kwaliteitsvloer in
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.
-
04
Vergelijk tokens per seconde, niet specificaties
De snelheid volgorde is effectief een volgorde op basis van GPU VRAM. Llama Nemotron Ultra 253B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 30.9 tok/s
-
05
Kijk naar de speling, niet alleen naar de pasvorm.
Een strakke pasvorm draait, maar laat niets over voor een langer gesprek, in het geval van Llama Nemotron Ultra 253B. 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
Het volgen van een GPU-kaart naar zijn eigen pagina toont elk ander model dat het kan bevatten, wat de vraag is die volgt zodra je je hebt ingesteld op Llama Nemotron Ultra 253B.
Antwoorden
Llama Nemotron Ultra 253B — veelgestelde vragen
Llama Nemotron Ultra 253B— Welke GPU heb ik nodig om het te draaien?
De kleinste kaart in onze catalogus die het vasthoudt is H200 NVL, met een geheugen capaciteit van 141 GB. Het draait het model op een compressie van Q3_K_M ongeveer 124.3 GB, en produceert ongeveer 22.1 tokens per second. Het aantal kaarten dat het totaal kan draaien: 9.
Llama Nemotron Ultra 253B— hoe snel is het op een GPU?
Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 30.9 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: 9.
Llama Nemotron Ultra 253B— hoeveel VRAM heeft het nodig?
Het heeft ongeveer 124.3 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.
Llama Nemotron Ultra 253B— 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.
Llama Nemotron Ultra 253B— hoeveel parameters heeft het?
Het heeft een parameter telling van 253B. 253B "Dense decoder-only Transformer model Network Architecture: Llama-3.1-405B-Instruct, customized through Neural Architecture Search (NAS) **This model was developed based on Llama-3.1-405B-Instruct ** This model has 253B model 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.
Llama Nemotron Ultra 253B— wie heeft het gemaakt?
Het werd gepubliceerd door NVIDIA, gebaseerd op United States of America, een organisatie geclassificeerd als industry.
Llama Nemotron Ultra 253B— wanneer is het uitgebracht?
Het werd gepubliceerd in March 2025.
Llama Nemotron Ultra 253B— 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, Code generation, Neural Architecture Search - NAS. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Llama Nemotron Ultra 253B— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie nvidia. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
Llama Nemotron Ultra 253B— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 3.9 × 10²⁵ 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.
Llama Nemotron Ultra 253B— kan ik het draaien als het niet in mijn GPU past?
Gedeeltelijk. Layers die niet passen, bevinden zich in system memory en draaien met een fractie van de snelheid, dus een grotendeels gedeactiveerd model is zelden de moeite waard om te gebruiken. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 38.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
Llama Nemotron Ultra 253B— Zouden twee GPU's het sneller draaien?
Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 9. Dus een tweede card is zelden het antwoord hier.
Llama Nemotron Ultra 253B— 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: 3. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.
Llama Nemotron Ultra 253B— hoe nauwkeurig zijn deze snelheidsschattingen?
Elke waarde is afgeleid van het geheugenbandbreedte en de modelgrootte, niet geverifieerd, wat de reden is dat elke waarde als een bereik in plaats van een enkel getal wordt gepubliceerd. Eén voorbeeld: 19–49 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
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.