OLMoE kalkulator TPS

Otwórz wagi Allen Institute for AI,Contextual AI,University of Washington,Princeton University 7B 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

589 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla K20c

5 GB · Q3_K_M · 28.9 tok/s

Najszybsza karta

B200

484 tok/s · 180 GB

Które GPU mogą uruchomić OLMoE?

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.

589 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
484 tok/s 290–774 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.2 GB	Q8_0	Wygodny
484 tok/s 290–774 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.2 GB	Q8_0	Wygodny
387 tok/s 232–618 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.2 GB	Q8_0	Wygodny
387 tok/s 232–618 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.2 GB	Q8_0	Wygodny
309 tok/s 185–495 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.2 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.2 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.2 GB	Q8_0	Wygodny
283 tok/s 170–453 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.2 GB	Q8_0	Wygodny
251 tok/s 151–402 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.2 GB	Q8_0	Wygodny
251 tok/s 151–402 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.2 GB	Q8_0	Wygodny
251 tok/s 151–402 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.2 GB	Q8_0	Wygodny
238 tok/s 143–381 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
155 tok/s 93–248 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.2 GB	Q8_0	Wygodny
155 tok/s 93–248 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.2 GB	Q8_0	Wygodny
131 tok/s 79–210 · niska pewność	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.6 GB	Q6_K	Wąski
129 tok/s 77–206 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.2 GB	Q8_0	Wygodny
126 tok/s 76–202 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.2 GB	Q8_0	Wygodny
123 tok/s 74–197 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.2 GB	Q8_0	Wygodny
123 tok/s 74–197 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.2 GB	Q8_0	Wygodny
123 tok/s 74–197 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.2 GB	Q8_0	Wygodny

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: Allen Institute for AI,Contextual AI,University of Washington,Princeton University
Typ organizacji: Research collective,Industry,Academia,Academia
Kraj: United States of America
Opublikowany: 3 September 2024
Autorzy: Niklas Muennighoff, Luca Soldaini, Dirk Groeneveld, Kyle Lo, Jacob Morrison, Sewon Min, Weijia Shi, Pete Walsh, Oyvind Tafjord, Nathan Lambert, Yuling Gu, Shane Arora, Akshita Bhagia, Dustin Schwenk, David Wadden, Alexander Wettig, Binyuan Hui, Tim Dettmers, Douwe Kiela, Ali Farhadi, Noah A. Smith, Pang Wei Koh, Amanpreet Singh, Hannaneh Hajishirzi

Co to robi

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

Domena: Language
Zadanie: Language modeling/generation, Chat
Format numeryczny: BF16

Rozmiar

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

parametry: 7B
Dane treningowe: tokens
Epoki: 1.26
Rozmiar wsadu: 4,194,304

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: 5.2 × 10²² FLOP
Jak to zostało ustalone: Operation counting,Hardware

Przebieg szkolenia

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

Sprzęt do trenowania: NVIDIA H100 SXM5 80GB
Zastosowane chipy: 256
Czas rzeczywisty: 287 hours (12 days)
Pobór mocy: 353.1 kW

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 (unrestricted)
Kod treningowy: Open source

Jak jest klasyfikowane

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

Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: OLMoE: Open Mixture-of-Experts Language Models
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają OLMoE

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 OLMoE

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

Co oznaczają liczby

Wymagania sprzętowe w praktyce

Minimalna karta

Tesla K20c

Pamięć potrzebna

4.1 GB

Najszybszy

484 tok/s

OLMoE osiąga liczbę parametrów równą 7B. To jest na tyle małe, że sprzęt rzadko stanowi przeszkodę, w tym na kartach sprzed kilku lat. Liczba kart, które śledzimy, które mogą go uruchomić: 589.

Punkt wejścia to Tesla K20c, o pojemności pamięci 5 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 28.9 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 484 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

OLMoE został opublikowany przez Allen Institute for AI,Contextual AI,University of Washington,Princeton University, w kraju zapisanym jako United States of America, podczas September 2024. Organizacja publikująca jest klasyfikowana jako research collective,Industry,Academia,Academia.

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

Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć.

Jak szybko działa i dlaczego

Połowa kart, które go trzymają, osiąga więcej niż 26.1 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 559 ich

Każda waga uczestniczy w każdym tokenie tutaj, więc szerokość pasma jest całą historią: poniższa lista to w rzeczywistości ranking przepustowości pamięci.

Bez układu uwagi na rekordzie, kolumna pamięci jest przybliżeniem. Jest wystarczająco bliska, aby wybrać sprzęt, i najmniej wiarygodna przy długim kontekście.

Jak to zostało wytrenowane

Wytworzenie tego wymagało arytmetyki sumującej około 5.2 × 10²² FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Krok po kroku

Jak wybrać GPU do OLMoE

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.

Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu OLMoE, potrzebując około 4.1 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Ustaw długość kontekstu, z którą będziesz pracować

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. OLMoE.
03

Wybierz, jak daleko chcesz to skompresować.

Kompresja to to, co sprawia, że model mieści się w mniejszych KARTACH, kosztem pewnej dokładności., 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

Sortuj według prędkości

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla OLMoE. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 484 tok/s
05

Sprawdź werdykt dopasowania przed zakupem

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku OLMoE. 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

Każda strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza OLMoE.

Odpowiedzi

OLMoE — częste pytania

OLMoE— 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.

OLMoE— do czego to służy?

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

OLMoE— Gdzie mogę to pobrać?

Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.

OLMoE— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 5.2 × 10²² FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. 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.

OLMoE— 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 1.3 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

OLMoE— czy dwa GPU uruchomią to szybciej?

Dwie karty kupują pamięć zamiast szybkości, co ma znaczenie tylko wtedy, gdy jedna karta nie może jej pomieścić. Liczba, która może: 589. Więc druga karta rzadko jest odpowiedzią tutaj.

OLMoE— dlaczego kwantyzacja różni się między kartami?

Każda KARTA jest przedstawiana z uruchomioną najmniej skompresowaną wersją, jaką może pomieścić. Liczba odmiennych poziomów kompresji w KARTACH, które mogą go pomieścić: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

OLMoE— 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: 290–774 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

OLMoE— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla K20c, o pojemności pamięci 5 GB. Uruchamia model przy kompresji Q3_K_M używając około 4.1 GB, i produkuje w przybliżeniu 28.9 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 589.

OLMoE— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 484 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 559.

OLMoE— Ile VRAM-u potrzebuje?

Potrzebuje około 4.1 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.

OLMoE— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q6_K, używając około 6.6 GB i generując w przybliżeniu 131 tokenów na sekundę. Dopasowanie jest ciasne.

OLMoE— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q8_0, używając około 8.2 GB i generując w przybliżeniu 55.2 tokenów na sekundę. Dopasowanie jest komfortowe.

OLMoE— czy mogę uruchomić to na GPU trzymając 16 GB?

Tak. Karta Tesla V100 SXM2 16 GB, trzymanie 16 GB, uruchamia go przy kompresji Q8_0, używając około 8.2 GB i generując w przybliżeniu 68.4 tokenów na sekundę. Dopasowanie jest komfortowe.

OLMoE— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q8_0, używając około 8.2 GB i generując w przybliżeniu 81.1 tokenów na sekundę. Dopasowanie jest komfortowe.

OLMoE— 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.

OLMoE— ile ma parametrów?

Ma liczbę parametrów równą 7B. "6.9B total parameters, of which only 1.3B are activated for each input token". 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.

OLMoE— kto to stworzył?

Zostało opublikowane przez Allen Institute for AI,Contextual AI,University of Washington,Princeton University, oparty na United States of America, organizacja sklasyfikowana jako research collective,Industry,Academia,Academia.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 28 November 2025

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