Jamba 1.6 Mini TPS-rekenmachine

Open gewichten AI21 Labs 52B parameters March 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

93 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Radeon PRO V710

28 GB · Q3_K_M · 37.4 tok/s

Snelste kaart

B200

282 tok/s · 180 GB

Welke GPU's kunnen draaien Jamba 1.6 Mini?

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

93 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
282 tok/s 169–452 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	55.4 GB	Q8_0	Comfortabel
282 tok/s 169–452 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	55.4 GB	Q8_0	Comfortabel
225 tok/s 135–361 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	55.4 GB	Q8_0	Comfortabel
225 tok/s 135–361 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	55.4 GB	Q8_0	Comfortabel
180 tok/s 108–289 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	55.4 GB	Q8_0	Comfortabel
173 tok/s 104–276 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	55.4 GB	Q8_0	Comfortabel
173 tok/s 104–276 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	55.4 GB	Q8_0	Comfortabel
165 tok/s 99–264 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	55.4 GB	Q8_0	Comfortabel
162 tok/s 97–259 · lage vertrouwen	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	IQ4_XS	Krap
162 tok/s 97–259 · lage vertrouwen	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	IQ4_XS	Krap
155 tok/s 93–248 · lage vertrouwen	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	IQ4_XS	Krap
155 tok/s 93–248 · lage vertrouwen	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	IQ4_XS	Krap
147 tok/s 88–235 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	55.4 GB	Q8_0	Comfortabel
147 tok/s 88–235 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	55.4 GB	Q8_0	Comfortabel
147 tok/s 88–235 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	55.4 GB	Q8_0	Comfortabel
139 tok/s 83–222 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	55.4 GB	Q8_0	Comfortabel
127 tok/s 76–203 · lage vertrouwen	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	31.2 GB	Q4_K_M	Krap
127 tok/s 76–203 · lage vertrouwen	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	31.2 GB	Q4_K_M	Krap
127 tok/s 76–203 · lage vertrouwen	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	31.2 GB	Q4_K_M	Krap
119 tok/s 71–190 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comfortabel
119 tok/s 71–190 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	55.4 GB	Q8_0	Comfortabel
119 tok/s 71–190 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comfortabel
119 tok/s 71–190 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comfortabel
119 tok/s 71–190 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	55.4 GB	Q8_0	Comfortabel
118 tok/s 71–189 · lage vertrouwen	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	37.2 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: AI21 Labs
Organisatietype: Industry
Land: Israel
Gepubliceerd: 6 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, Code generation, Retrieval-augmented generation, Chat, Quantitative reasoning, Table tasks, Translation

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: 52B
Training gegevens: tokens

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: ai21labs

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: AI21’s Jamba 1.6: The Best Open Model for Private Enterprise Deployment
Laatst bijgewerkt: 28 November 2025

De extremen

De tien snelste GPU's die draaien Jamba 1.6 Mini

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 Jamba 1.6 Mini

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

Wat nodig is om dit model te draaien

Minimum kaart

Radeon PRO V710

Geheugen nodig

25.1 GB

Snelste

282 tok/s

Jamba 1.6 Mini bereikt een parameter telling van 52B. Dat valt binnen het bereik dat een serieuze desktopkaart kan aansteken zodra de gewichten zijn gecomprimeerd. Het aantal kaarten dat we volgen die het kunnen draaien: 93.

De kleinste kaart die het vasthoudt is Radeon PRO V710, met een geheugen capaciteit van 28 GB, het draaien ervan met een compressie van Q3_K_M en produceren rond 37.4 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 282 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

Jamba 1.6 Mini werd gepubliceerd door AI21 Labs, in het land geregistreerd als Israel, tijdens March 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, Question answering, Code generation, Retrieval-augmented generation, Chat, Quantitative reasoning, Table tasks, Translation.

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 ai21labs.

Het lezen van de doorvoercijfers

De mediaanresultaat is rond 72.0 tokens per second. Outright de leessnelheid overschrijden. 89 van hen

Omdat het elk token door een subset van zijn weights leidt, produceert het tekst met de snelheid van een veel kleiner model. De catch is MEMORY: alles moet nog steeds passen, dus de snelheid is een bonus in plaats van een korting op hardware.

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 Jamba 1.6 Mini

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

Begin vanuit de geheugen kolom

Elke kaart hier is gecontroleerd op Jamba 1.6 Mini, ongeveer nodig 25.1 GB bij een compressie van Q3_K_M. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stel de contextlengte in waarmee je gaat werken

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 Jamba 1.6 Mini.
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

Sorteer op snelheid

Ranking op basis van tokens per seconde volgt geheugenbandbreedte in plaats van kernaantal, voor Jamba 1.6 Mini. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 282 tok/s
05

Lees de passen kolom laatst

Een strakke pasvorm draait, maar laat niets over voor een langer gesprek, in het geval van Jamba 1.6 Mini. 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 Jamba 1.6 Mini.

Antwoorden

Jamba 1.6 Mini — veelgestelde vragen

Jamba 1.6 Mini— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 25.1 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.

Jamba 1.6 Mini— 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.

Jamba 1.6 Mini— hoeveel parameters heeft het?

Het heeft een parameter telling van 52B. 12B active/52B total. 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.

Jamba 1.6 Mini— wie heeft het gemaakt?

Het werd gepubliceerd door AI21 Labs, gebaseerd op Israel, een organisatie geclassificeerd als industry.

Jamba 1.6 Mini— wanneer is het uitgebracht?

Het werd gepubliceerd in March 2025.

Jamba 1.6 Mini— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering, Code generation, Retrieval-augmented generation, Chat, Quantitative reasoning, Table tasks, Translation. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

Jamba 1.6 Mini— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie ai21labs. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

Jamba 1.6 Mini— 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 9.6 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

Jamba 1.6 Mini— Zouden twee GPU's het sneller draaien?

Capaciteit voegt samen over kaarten; doorvoer niet. Het aantal kaarten dat het al op zichzelf vasthoudt: 93. Dus een tweede card is zelden het antwoord hier.

Jamba 1.6 Mini— 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: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

Jamba 1.6 Mini— 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: 169–452 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

Jamba 1.6 Mini— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Radeon PRO V710, met een geheugen capaciteit van 28 GB. Het draait het model op een compressie van Q3_K_M ongeveer 25.1 GB, en produceert ongeveer 37.4 tokens per second. Het aantal kaarten dat het totaal kan draaien: 93.

Jamba 1.6 Mini— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 282 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: 89.

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