DeepSeek-V2.5 kalkulator TPS

Otwórz wagi DeepSeek 236B parametry September 2024

Każda karta poniżej jest oceniana w stosunku do tego modelu przy wybranej długości kontekstu i minimalnej jakości. Prędkość jest oszacowaniem dla pojedynczego żądania, obliczonym na podstawie przepustowości pamięci karty i rozmiaru modelu po skompresowaniu..

Obliczone dla tego modelu

17 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Radeon Instinct MI250

128 GB · Q3_K_M · 68.8 tok/s

Najszybsza karta

B200

142 tok/s · 180 GB

Które GPU mogą uruchomić DeepSeek-V2.5?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..

Minimalna jakość

Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..

Szukaj kart

Pamięć karty

Pokaż również karty, które nie mogą tego uruchomić.

17 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
142 tok/s 85–228 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	157.4 GB	Q5_K_M	Wąski
137 tok/s 82–220 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	102.5 GB	Q3_K_M	Wąski
120 tok/s 72–192 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.2 GB	IQ4_XS	Wąski
120 tok/s 72–192 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	116.2 GB	IQ4_XS	Wąski
112 tok/s 67–179 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	102.5 GB	Q3_K_M	Wąski
79.8 tok/s 48–128 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	239.9 GB	Q8_0	Wąski
74.0 tok/s 44–118 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	157.4 GB	Q5_K_M	Wąski
74.0 tok/s 44–118 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	157.4 GB	Q5_K_M	Wąski
68.8 tok/s 41–110 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	102.5 GB	Q3_K_M	Wąski
68.8 tok/s 41–110 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	102.5 GB	Q3_K_M	Wąski
67.8 tok/s 41–108 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	184.9 GB	Q6_K	Wygodny
63.7 tok/s 38–102 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	239.9 GB	Q8_0	Wąski
63.7 tok/s 38–102 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	239.9 GB	Q8_0	Wąski
57.4 tok/s 34–92 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	102.5 GB	Q3_K_M	Wąski
56.1 tok/s 34–90 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	102.5 GB	Q3_K_M	Wąski
7.4 tok/s 4–12 · niska pewność	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	102.5 GB	Q3_K_M	Wąski
7.4 tok/s 4–12 · niska pewność	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	102.5 GB	Q3_K_M	Wąski

Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja: DeepSeek
Typ organizacji: Industry
Kraj: China
Opublikowany: 6 September 2024
Autorzy: DeepSeek-AI, Aixin Liu, Bei Feng, Bin Wang, Bingxuan Wang, Bo Liu, Chenggang Zhao, Chengqi Dengr, Chong Ruan, Damai Dai, Daya Guo, Dejian Yang, Deli Chen, Dongjie Ji, Erhang Li, Fangyun Lin, Fuli Luo, Guangbo Hao, Guanting Chen, Guowei Li, H. Zhang, Hanwei Xu, Hao Yang, Haowei Zhang, Honghui Ding, Huajian Xin, Huazuo Gao, Hui Li, Hui Qu, J.L. Cai, Jian Liang, Jianzhong Guo, Jiaqi Ni, Jiashi Li, Ji…

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena: Language
Zadanie: Language modeling/generation, Chat, Code generation
Podejście: Self-supervised learning

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry: 236B
Dane treningowe: tokens
Rozmiar wsadu: 36,864,000

Obliczenia treningowe

Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.

Obliczenia treningowe: 1.8 × 10²⁴ FLOP
Jak to zostało ustalone: Operation counting

Przebieg szkolenia

Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.

Centrum danych: There is no paper to reference, no information about hardware used for training found in media.

Dostępność

Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.

Wagi: Open — downloadable
Dostęp do modelu: Open weights (restricted use)
Kod treningowy: Unreleased
Hugging Face: deepseek-ai

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Prawdopodobnie powyżej 10²³ FLOP: Yes
Dlaczego to jest śledzone: Training cost
Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: DeepSeek-V2.5
Ostatnio zaktualizowane: 19 February 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają DeepSeek-V2.5

Uszeregowany według szacowanej liczby tokenów na sekundę, najnowsza karta na pierwszym miejscu, gdy prędkości są równe. Ponieważ generacja jest ograniczona przez pamięć, to uporządkowanie podąża za przepustowością, a nie za jakimkolwiek benchmarkiem gier..

Najmniejsze GPU, które nadal działają DeepSeek-V2.5

Najtańsza droga do, według pojemności pamięci. Tight fit uruchamia model, ale nie zostawia nic na dłuższą rozmowę..

Co oznaczają liczby

Co jest potrzebne, aby uruchomić ten model

Minimalna karta

Radeon Instinct MI250

Pamięć potrzebna

102.5 GB

Najszybszy

142 tok/s

DeepSeek-V2.5 osiąga liczbę parametrów równą 236B. To jest poza tym, co miałaby jakakolwiek pojedyncza karta graficzna. Uruchomienie go oznacza albo podział na kilka kart, albo wynajęcie sprzętu przeznaczonego do tego zadania, a każda karta, która mogłaby go pomieścić sama, jest częścią centrum danych. Liczba, która może: 17.

Najmniejsza karta, która to utrzymuje, to Radeon Instinct MI250, o pojemności pamięci 128 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 68.8 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 142 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Skąd to pochodzi

DeepSeek-V2.5 został opublikowany przez DeepSeek, w kraju zapisanym jako China, podczas September 2024. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Chat, Code generation.

Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta. Na Hugging Face jest opublikowane pod organizacją deepseek-ai.

Zrozumienie prędkości

Mediana wyniku wynosi około 68.8 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 15 ich

Ponieważ kieruje każdy token przez podzbiór swoich wag, produkuje tekst z szybkością znacznie mniejszego modelu. Haczyk tkwi w pamięci: wszystko musi się jeszcze zmieścić, więc prędkość jest bonusem, a nie zniżką na sprzęt.

Jej architektura wewnętrzna nie jest w naszej bazie danych, więc pamięć jest szacowana na podstawie liczby parametrów i odpowiednio oznaczona. Spodziewaj się, że rzeczywista wartość będzie się różnić, tym bardziej przy długim context length.

Jak to zostało wytrenowane

Wytworzenie tego wymagało arytmetyki sumującej około 1.8 × 10²⁴ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: training cost.

Krok po kroku

Jak wybrać GPU do DeepSeek-V2.5

Tabela powyżej oceniła już każdą kartę, dla której posiadamy specyfikacje, w stosunku do tego modelu. Dotarcie do odpowiedzi wymaga sześciu kroków..

01

Sprawdź, co potrzebuje przed wszystkim innym.

Każda karta tutaj została sprawdzona pod kątem DeepSeek-V2.5, potrzebując około 102.5 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
02

Dopasuj kontekst do swojego rzeczywistego użycia

Ustaw kontekst na to, co naprawdę użyjesz. Cache rośnie wraz z rozmową i jest to zwykle powód, dla którego karta, która wydawała się w porządku, przestaje pasować. DeepSeek-V2.5.
03

Ustal minimalną jakość

Każda KARTA uruchamia najmniej skompresowaną kopię, jaką może pomieścić., osiągnięcie kompresji Q3_K_M na najmniejszej karcie, która się mieści. Ustalenie minimalnej jakości odrzuca karty, które tylko ją osiągają, uciskając bardziej niż byś chciał, i utrzymuje porównanie na jednym poziomie.
04

Oceń według przepustowości, a nie kart specyfikacji

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla DeepSeek-V2.5. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 142 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku DeepSeek-V2.5. Wygodne oznacza, że możesz później zwiększyć kontekst. Ta różnica ma większe znaczenie niż kilka tokenów na sekundę, więc kupuj za wygodne, jeśli tego oczekujesz.
06

Otwórz kartę, na którą się zdecydowałeś

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o DeepSeek-V2.5.

Odpowiedzi

DeepSeek-V2.5 — częste pytania

DeepSeek-V2.5— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 17. Więc druga karta rzadko jest odpowiedzią tutaj.

DeepSeek-V2.5— dlaczego kwantyzacja różni się między kartami?

Większa KARTA przechowuje dokładniejszą kopię. Liczba poziomów kompresji używanych w KARTACH, które ją uruchamiają: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

DeepSeek-V2.5— Jak dokładne są te szacunki prędkości?

Każda wartość pochodzi z przepustowości pamięci i rozmiaru modelu, a nie z testów porównawczych, dlatego każda jest publikowana jako zakres, a nie pojedyncza liczba. Jeden przykład: 85–228 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

DeepSeek-V2.5— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Radeon Instinct MI250, o pojemności pamięci 128 GB. Uruchamia model przy kompresji Q3_K_M używając około 102.5 GB, i produkuje w przybliżeniu 68.8 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 17.

DeepSeek-V2.5— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 142 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 15.

DeepSeek-V2.5— Ile VRAM-u potrzebuje?

Potrzebuje około 102.5 GB przy kompresji Q3_K_M, który jest najmniejszą kartą, która to uruchamia. Mniej kompresji potrzebuje więcej: liczby w kolumnie pamięci powyżej są przeliczane dla każdej karty, ponieważ każda z nich trzyma wersję o najmniejszej kompresji, jaką może.

DeepSeek-V2.5— czy jest open weight?

Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.

DeepSeek-V2.5— ile ma parametrów?

Ma liczbę parametrów równą 236B. 21B active params, 236B total. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

DeepSeek-V2.5— kto to stworzył?

Zostało opublikowane przez DeepSeek, oparty na China, organizacja sklasyfikowana jako industry.

DeepSeek-V2.5— kiedy to zostało wydane?

Zostało opublikowane w September 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

DeepSeek-V2.5— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Chat, Code generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

DeepSeek-V2.5— Gdzie mogę to pobrać?

Jego wagi są publikowane na Hugging Face, pod organizacją deepseek-ai. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.

DeepSeek-V2.5— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1.8 × 10²⁴ FLOP. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.

DeepSeek-V2.5— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Można go podzielić między kartą a pamięcią systemową, ale w ten sposób generuje się boleśnie powoli. Najbliższy brak, który obliczamy, jest za mały o 43.6 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 19 February 2026

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.

Wszystkie modele AI