FoxBrain 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
A100 PCIe 40 GB
40 GB · Q3_K_M · 25.5 tok/s
Snelste kaart
B200
48.4 tok/s · 180 GB
Welke GPU's kunnen draaien FoxBrain?
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.
61 kaarten passen
Berekenen| Heeft | Kwantificatie | Past | |||||
|---|---|---|---|---|---|---|---|
|
48.4
tok/s
29–77 · lage vertrouwen |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 75.6 GB | Q8_0 | Comfortabel |
|
48.4
tok/s
29–77 · lage vertrouwen |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 75.6 GB | Q8_0 | Comfortabel |
|
38.7
tok/s
23–62 · lage vertrouwen |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 75.6 GB | Q8_0 | Comfortabel |
|
38.7
tok/s
23–62 · lage vertrouwen |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 75.6 GB | Q8_0 | Comfortabel |
|
30.9
tok/s
19–49 · lage vertrouwen |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 75.6 GB | Q8_0 | Comfortabel |
|
29.6
tok/s
18–47 · lage vertrouwen |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 75.6 GB | Q8_0 | Comfortabel |
|
29.6
tok/s
18–47 · lage vertrouwen |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 75.6 GB | Q8_0 | Comfortabel |
|
29.5
tok/s
18–47 · lage vertrouwen |
H100 SXM5 80 GB NVIDIA | 80 GB | 3,360 GB/s | Oct 2022 | 59.3 GB | Q6_K | Comfortabel |
|
29.5
tok/s
18–47 · lage vertrouwen |
H800 SXM5 NVIDIA | 80 GB | 3,360 GB/s | Mar 2023 | 59.3 GB | Q6_K | Comfortabel |
|
28.3
tok/s
17–45 · lage vertrouwen |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 75.6 GB | Q8_0 | Comfortabel |
|
26.1
tok/s
16–42 · lage vertrouwen |
GRID A100B NVIDIA | 48 GB | 1,870 GB/s | May 2020 | 43.0 GB | Q4_K_M | Krap |
|
25.5
tok/s
15–41 · lage vertrouwen |
A100 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Jun 2020 | 34.9 GB | Q3_K_M | Krap |
|
25.5
tok/s
15–41 · lage vertrouwen |
A100 SXM4 40 GB NVIDIA | 40 GB | 1,560 GB/s | May 2020 | 34.9 GB | Q3_K_M | Krap |
|
25.5
tok/s
15–41 · lage vertrouwen |
A800 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Nov 2022 | 34.9 GB | Q3_K_M | Krap |
|
25.1
tok/s
15–40 · lage vertrouwen |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Comfortabel |
|
25.1
tok/s
15–40 · lage vertrouwen |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Comfortabel |
|
25.1
tok/s
15–40 · lage vertrouwen |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Comfortabel |
|
23.8
tok/s
14–38 · lage vertrouwen |
H100 NVL 94 GB NVIDIA | 94 GB | 3,940 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Krap |
|
21.8
tok/s
13–35 · lage vertrouwen |
H100 SXM5 64 GB NVIDIA | 64 GB | 2,020 GB/s | Mar 2023 | 51.2 GB | Q5_K_M | Krap |
|
20.3
tok/s
12–33 · lage vertrouwen |
H100 PCIe 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Krap |
|
20.3
tok/s
12–33 · lage vertrouwen |
H100 SXM5 94 GB NVIDIA | 94 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Krap |
|
20.3
tok/s
12–33 · lage vertrouwen |
H100 SXM5 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Krap |
|
18.7
tok/s
11–30 · lage vertrouwen |
RTX PRO 5000 Blackwell NVIDIA | 48 GB | 1,340 GB/s | Mar 2025 | 43.0 GB | Q4_K_M | Krap |
|
17.9
tok/s
11–29 · lage vertrouwen |
A100 SXM4 80 GB NVIDIA | 80 GB | 2,040 GB/s | Nov 2020 | 59.3 GB | Q6_K | Comfortabel |
|
17.9
tok/s
11–29 · lage vertrouwen |
A100X NVIDIA | 80 GB | 2,040 GB/s | Jun 2021 | 59.3 GB | Q6_K | 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
- Foxconn
- Organisatietype
- Industry
- Land
- Taiwan
- Gepubliceerd
- 10 March 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, Mathematical reasoning
- Basis model
- Llama 3.1-70B
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
- 70B
- Training gegevens
- tokens
70B
"Foxconn applied data augmentation techniques, generating 98 billion tokens of pre-training data across 24 topics. "
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.
- Hoe het werd opgericht
- Operation counting,Hardware
- Fijn-tuning compute
- 4.7 × 10²² FLOP
6 FLOP / token / parameter * 70 * 10^9 parameters * 98 * 10^9 tokens = 4.116e+22 FLOP [unknown amount of epochs] 756000000000000 FLOP / GPU / sec * 64512 GPU-hours [see training time notes] * 3600 sec / hour * 0.3 [assumed utilization] = 5.2672758e+22 FLOP sqrt(4.116e+22*5.2672758e+22) = 4.6561902e+22 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 H100 PCIe
- Gebruikte chips
- 120
- Chip-uren
- 64,512
- Stroomverbruik
- 82.4 kW
- Datacenter
- Taipei-1 Supercomputer facility
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
- FoxconnAI
Llama 3.1 license https://huggingface.co/FoxconnAI/Llama_3.1-FoxBrain-70B
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
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- FoxBrain: Foxconn’s Industrial-Grade Reasoning LLM for Domain-Specific Applications
- Laatst bijgewerkt
- 28 November 2025
De extremen
De tien snelste GPU's die draaien FoxBrain
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 B300 288 GB · 8,000 GB/s · Q8_0 48.4 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
- 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
- 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
- 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
- 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
- 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
- 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
- 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
- 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s
De kleinste GPU's die nog steeds draaien FoxBrain
De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..
- 01 A800 PCIe 40 GB 40 GB · Heeft 34.9 GB · Q3_K_M · Krap 25.5 tok/s
- 02 A100 PCIe 40 GB 40 GB · Heeft 34.9 GB · Q3_K_M · Krap 25.5 tok/s
- 03 A100 SXM4 40 GB 40 GB · Heeft 34.9 GB · Q3_K_M · Krap 25.5 tok/s
- 04 Radeon PRO W7900D 48 GB · Heeft 43.0 GB · Q4_K_M · Krap 9.4 tok/s
- 05 RTX PRO 5000 Blackwell 48 GB · Heeft 43.0 GB · Q4_K_M · Krap 18.7 tok/s
- 06 RTX 5880 Ada Generation 48 GB · Heeft 43.0 GB · Q4_K_M · Krap 12.1 tok/s
- 07 L20 48 GB · Heeft 43.0 GB · Q4_K_M · Krap 12.1 tok/s
- 08 Radeon PRO W7800 48 GB 48 GB · Heeft 43.0 GB · Q4_K_M · Krap 9.4 tok/s
- 09 Radeon PRO W7900 48 GB · Heeft 43.0 GB · Q4_K_M · Krap 9.4 tok/s
- 10 Data Center GPU Max 1100 48 GB · Heeft 43.0 GB · Q4_K_M · Krap 11.2 tok/s
Wat de cijfers betekenen
Hardwarevereisten in de praktijk
Minimum kaart
A100 PCIe 40 GB
Geheugen nodig
34.9 GB
Snelste
48.4 tok/s
FoxBrain bereikt een parameter telling van 70B. 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: 61.
Het toegangspunt is A100 PCIe 40 GB, met een geheugen capaciteit van 40 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 25.5 tokens per seconde
De snelste we er voor berekenen is B200, genereren ongeveer 48.4 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.
Over dit model
FoxBrain werd gepubliceerd door Foxconn, in het land geregistreerd als Taiwan, tijdens March 2025. 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/generation, Question answering, Mathematical reasoning.
In plaats van vanaf nul te worden getraind, is het afgeleid van Llama 3.1-70B. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
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. Op Hugging Face is het gepubliceerd onder de organisatie FoxconnAI.
Hoe snel het draait, en waarom
Over elke kaart die het kan draaien, ligt het midden van het bereik op 17.1 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 50 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.
De interne architectuur is niet gedocumenteerd, dus het geheugen wordt geschat op basis van het aantal parameters en dienovereenkomstig gemarkeerd. Verwacht dat de werkelijke waarde verschilt, vooral bij lange context.
Stap voor stap
Hoe een GPU te kiezen voor FoxBrain
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
Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van FoxBrain, ongeveer nodig 34.9 GB bij een compressie van Q3_K_M. Geen hoeveelheid verwerkingskracht compenseert een kaart die het niet kan vasthouden.
-
02
Stel de contextlengte in waarmee je gaat werken
Langere gesprekken kosten geheugen bovenop wat de gewichten nodig hebben. Verplaats de schuifregelaar naar je echte werklengte voordat je een rij vertrouwt voor FoxBrain.
-
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
Rangschik op doorvoer in plaats van specificatielijst
Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor FoxBrain. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 48.4 tok/s
-
05
Lees de passen kolom laatst
De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van FoxBrain. 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
Controleer de kaart vanaf de andere kant
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 FoxBrain.
Antwoorden
FoxBrain — veelgestelde vragen
FoxBrain— 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: 29–77 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.
FoxBrain— Welke GPU heb ik nodig om het te draaien?
De kleinste kaart in onze catalogus die het vasthoudt is A100 PCIe 40 GB, met een geheugen capaciteit van 40 GB. Het draait het model op een compressie van Q3_K_M ongeveer 34.9 GB, en produceert ongeveer 25.5 tokens per second. Het aantal kaarten dat het totaal kan draaien: 61.
FoxBrain— hoe snel is het op een GPU?
Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 48.4 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: 50.
FoxBrain— hoeveel VRAM heeft het nodig?
Het heeft ongeveer 34.9 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.
FoxBrain— 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.
FoxBrain— hoeveel parameters heeft het?
Het heeft een parameter telling van 70B. 70B. 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.
FoxBrain— wie heeft het gemaakt?
Het werd gepubliceerd door Foxconn, gebaseerd op Taiwan, een organisatie geclassificeerd als industry.
FoxBrain— wanneer is het uitgebracht?
Het werd gepubliceerd in March 2025.
FoxBrain— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Mathematical reasoning. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
FoxBrain— waar kan ik het downloaden?
Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie FoxconnAI. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.
FoxBrain— 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 14.2 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.
FoxBrain— 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: 61. Dus een tweede card is zelden het antwoord hier.
FoxBrain— 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.
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.