Minitron 8B TPS-rekenmachine

Open gewichten NVIDIA 8.3B parameters November 2024

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

582 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

Quadro 6000

6 GB · IQ4_XS · 15.3 tok/s

Snelste kaart

B200

408 tok/s · 180 GB

Welke GPU's kunnen draaien Minitron 8B?

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.

582 kaarten passen

Berekenen
Heeft Kwantificatie Past
408 tok/s

245–653 · lage vertrouwen

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 9.6 GB Q8_0 Comfortabel
408 tok/s

245–653 · lage vertrouwen

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 9.6 GB Q8_0 Comfortabel
326 tok/s

196–522 · lage vertrouwen

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 9.6 GB Q8_0 Comfortabel
326 tok/s

196–522 · lage vertrouwen

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 9.6 GB Q8_0 Comfortabel
261 tok/s

156–417 · lage vertrouwen

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 9.6 GB Q8_0 Comfortabel
250 tok/s

150–399 · lage vertrouwen

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 9.6 GB Q8_0 Comfortabel
250 tok/s

150–399 · lage vertrouwen

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 9.6 GB Q8_0 Comfortabel
239 tok/s

143–382 · lage vertrouwen

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 9.6 GB Q8_0 Comfortabel
212 tok/s

127–339 · lage vertrouwen

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 9.6 GB Q8_0 Comfortabel
212 tok/s

127–339 · lage vertrouwen

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 9.6 GB Q8_0 Comfortabel
212 tok/s

127–339 · lage vertrouwen

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 9.6 GB Q8_0 Comfortabel
201 tok/s

121–322 · lage vertrouwen

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 9.6 GB Q8_0 Comfortabel
171 tok/s

103–274 · lage vertrouwen

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 9.6 GB Q8_0 Comfortabel
171 tok/s

103–274 · lage vertrouwen

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 9.6 GB Q8_0 Comfortabel
171 tok/s

103–274 · lage vertrouwen

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 9.6 GB Q8_0 Comfortabel
171 tok/s

103–274 · lage vertrouwen

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 9.6 GB Q8_0 Comfortabel
171 tok/s

103–274 · lage vertrouwen

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 9.6 GB Q8_0 Comfortabel
136 tok/s

81–217 · lage vertrouwen

CMP 170HX 8 GB NVIDIA 8 GB 1,490 GB/s Sep 2021 6.7 GB Q5_K_M Krap
131 tok/s

78–209 · lage vertrouwen

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 9.6 GB Q8_0 Comfortabel
131 tok/s

78–209 · lage vertrouwen

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 9.6 GB Q8_0 Comfortabel
116 tok/s

69–185 · lage vertrouwen

CMP 170HX 10 GB NVIDIA 10 GB 1,560 GB/s Sep 2021 7.7 GB Q6_K Krap
109 tok/s

65–174 · lage vertrouwen

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 9.6 GB Q8_0 Comfortabel
106 tok/s

64–170 · lage vertrouwen

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 9.6 GB Q8_0 Comfortabel
104 tok/s

62–167 · lage vertrouwen

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 9.6 GB Q8_0 Comfortabel
104 tok/s

62–167 · lage vertrouwen

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 9.6 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
Organisatietype
Industry
Land
United States of America
Gepubliceerd
4 November 2024
Auteurs
Saurav Muralidharan, Sharath Turuvekere Sreenivas, Raviraj Joshi, Marcin Chochowski, Mostofa Patwary, Mohammad Shoeybi, Bryan Catanzaro, Jan Kautz, Pavlo Molchanov

Wat het doet

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

Domein
Language
Taak
Language modeling/generation, Chat, Question answering
Basis model
Nemotron-4 15B

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
8.3B

8.3B (table 2) (including 6.2B non-embedding parameters) Minitron-8B-Base is a large language model (LLM) obtained by pruning Nemotron-4 15B; specifically, we prune model embedding size, number of attention heads, and MLP intermediate dimension. Minitron-8B-Base uses a model embedding size of 4096, 48 attention heads, and an MLP intermediate dimension of 16384. It also uses Grouped-Query Attention (GQA) and Rotary Position Embeddings (RoPE).

Training gegevens
tokens

94B training tokens (table 2)

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
Fijn-tuning compute
4.7 × 10²¹ FLOP

6*8300000000.00*94*10^9 = 4.6812e+21

De trainingsrun

Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.

Training hardware
NVIDIA A100 SXM4 80 GB
Gebruikte chips
8
Stroomverbruik
6.3 kW

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 (non-commercial)

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
Compact Language Models via Pruning and Knowledge Distillation
Laatst bijgewerkt
28 November 2025

De extremen

De tien snelste GPU's die draaien Minitron 8B

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_0 408 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 408 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 326 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 326 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 261 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 250 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 250 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 239 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 212 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 212 tok/s

De kleinste GPU's die nog steeds draaien Minitron 8B

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

  1. 01 RTX 1000 Mobile Ada Generation 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 24.1 tok/s
  2. 02 GeForce RTX 3050 6 GB 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 21.1 tok/s
  3. 03 Arc A380M 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 15.2 tok/s
  4. 04 GeForce RTX 4050 Max-Q 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 24.1 tok/s
  5. 05 GeForce RTX 4050 Mobile 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 24.1 tok/s
  6. 06 Data Center GPU Flex 140 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 15.2 tok/s
  7. 07 Arc Pro A40 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 15.6 tok/s
  8. 08 Arc Pro A50 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 15.6 tok/s
  9. 09 GeForce RTX 3050 Max-Q Refresh 6 GB 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 16.5 tok/s
  10. 10 GeForce RTX 3050 Mobile Refresh 6 GB 6 GB · Heeft 5.2 GB · IQ4_XS · Krap 21.1 tok/s

Wat de cijfers betekenen

Hardwarevereisten in de praktijk

Minimum kaart

Quadro 6000

Geheugen nodig

5.2 GB

Snelste

408 tok/s

Minitron 8B bereikt een parameter telling van 8.3B. 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: 582.

Het toegangspunt is Quadro 6000, met een geheugen capaciteit van 6 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 15.3 tokens per seconde

Top van het assortiment is B200, genereren ongeveer 408 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Achtergrond

Minitron 8B werd gepubliceerd door NVIDIA, in het land geregistreerd als United States of America, tijdens November 2024. 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, Chat, Question answering.

In plaats van vanaf nul te worden getraind, is het afgeleid van Nemotron-4 15B. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.

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.

Het lezen van de doorvoercijfers

Over elke kaart die het kan draaien, ligt het midden van het bereik op 22.9 tokens per seconde. 551 van hen

Elke gewicht participeert in elke token hier, dus bandbreedte is het hele verhaal: de ranking hieronder is effectief een ranking van geheugendoorvoer.

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 Minitron 8B

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

    Controleer wat het nodig heeft voordat iets anders.

    De tabel vermeldt elke kaart die in staat is om te bevatten. Minitron 8B, ongeveer nodig 5.2 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.

  2. 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 Minitron 8B.

  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

    Vergelijk tokens per seconde, niet specificaties

    Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor Minitron 8B. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 408 tok/s

  5. 05

    Kijk naar de speling, niet alleen naar de pasvorm.

    De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van Minitron 8B. 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

    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 Minitron 8B.

Antwoorden

Minitron 8B — veelgestelde vragen

01

Minitron 8B— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 245–653 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

02

Minitron 8B— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is Quadro 6000, met een geheugen capaciteit van 6 GB. Het draait het model op een compressie van IQ4_XS ongeveer 5.2 GB, en produceert ongeveer 15.3 tokens per second. Het aantal kaarten dat het totaal kan draaien: 582.

03

Minitron 8B— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 408 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: 551.

04

Minitron 8B— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 5.2 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.

05

Minitron 8B— kan ik het draaien op een GPU met 8 GB?

Ja. De GPU kaart CMP 170HX 8 GB, houden 8 GB, draait het met een compressie van Q5_K_M, ongeveer 6.7 GB en genereren ongeveer 136 tokens per second. De pasvorm is krap.

06

Minitron 8B— 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 Q8_0, ongeveer 9.6 GB en genereren ongeveer 46.6 tokens per second. De pasvorm is krap.

07

Minitron 8B— 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 Q8_0, ongeveer 9.6 GB en genereren ongeveer 57.7 tokens per second. De fit is comfortabel.

08

Minitron 8B— 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 9.6 GB en genereren ongeveer 68.4 tokens per second. De fit is comfortabel.

09

Minitron 8B— 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

Minitron 8B— hoeveel parameters heeft het?

Het heeft een parameter telling van 8.3B. 8.3B (table 2) (including 6.2B non-embedding parameters) Minitron-8B-Base is a large language model (LLM) obtained by pruning Nemotron-4 15B; specifically, we prune model embedding size, number of attention heads, and MLP intermediate dimension. Minitron-8B-Base uses a model embedding size of 4096, 48 attention heads, and an MLP intermediate dimension of 16384. It also uses Grouped-Query Attention (GQA) and Rotary Position Embeddings (RoPE). 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

Minitron 8B— wie heeft het gemaakt?

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

12

Minitron 8B— wanneer is het uitgebracht?

Het werd gepubliceerd in November 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

13

Minitron 8B— waarvoor wordt het gebruikt?

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

14

Minitron 8B— waar kan ik het downloaden?

De gewichten zijn gepubliceerd, hoewel we geen repositorylink daarvoor hebben. Deze site berekent hardwarevereisten in plaats van modelbestanden te hosten.

15

Minitron 8B— 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 1.2 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

16

Minitron 8B— Zouden twee GPU's het sneller draaien?

Twee kaarten kopen geheugen in plaats van snelheid, wat alleen van belang is als één kaart het niet kan bevatten. Het aantal dat kan: 582. Dus een tweede card is zelden het antwoord hier.

17

Minitron 8B— 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: 4. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

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