Shuka-1 kalkulator TPS

Otwórz wagi Sarvam 9.6B parametry August 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

582 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Quadro 6000

6 GB · Q3_K_M · 14.6 tok/s

Najszybsza karta

B200

354 tok/s · 180 GB

Które GPU mogą uruchomić Shuka-1?

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.

582 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
354 tok/s 213–567 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.9 GB	Q8_0	Wygodny
354 tok/s 213–567 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.9 GB	Q8_0	Wygodny
283 tok/s 170–453 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.9 GB	Q8_0	Wygodny
283 tok/s 170–453 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.9 GB	Q8_0	Wygodny
226 tok/s 136–362 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.9 GB	Q8_0	Wygodny
217 tok/s 130–347 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.9 GB	Q8_0	Wygodny
217 tok/s 130–347 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.9 GB	Q8_0	Wygodny
207 tok/s 124–332 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.9 GB	Q8_0	Wygodny
184 tok/s 110–294 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.9 GB	Q8_0	Wygodny
184 tok/s 110–294 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.9 GB	Q8_0	Wygodny
184 tok/s 110–294 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.9 GB	Q8_0	Wygodny
175 tok/s 105–279 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.9 GB	Q8_0	Wygodny
152 tok/s 91–244 · niska pewność	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.5 GB	Q4_K_M	Wąski
149 tok/s 89–238 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	10.9 GB	Q8_0	Wygodny
113 tok/s 68–181 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	10.9 GB	Q8_0	Wygodny
113 tok/s 68–181 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	10.9 GB	Q8_0	Wygodny
100 tok/s 60–161 · niska pewność	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.7 GB	Q6_K	Wąski
94.5 tok/s 57–151 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.9 GB	Q8_0	Wygodny
92.4 tok/s 55–148 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	10.9 GB	Q8_0	Wygodny
90.4 tok/s 54–145 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	10.9 GB	Q8_0	Wygodny
90.4 tok/s 54–145 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	10.9 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: Sarvam
Typ organizacji: Industry
Kraj: India
Opublikowany: 30 August 2024

Co to robi

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

Domena: Speech
Zadanie: Speech recognition (ASR), Speech-to-text
Model bazowy: Saaras v1,Llama 3-8B

Rozmiar

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

parametry: 9.6B
Dane treningowe: tokens

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: sarvamai

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: Shuka v1: Revolutionizing Audio Understanding for Indic Languages
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Shuka-1

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 Shuka-1

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

Co oznaczają liczby

Strona sprzętowa

Minimalna karta

Quadro 6000

Pamięć potrzebna

5.4 GB

Najszybszy

354 tok/s

Shuka-1 osiąga liczbę parametrów równą 9.6B. 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: 582.

Na niskim końcu obsługiwane jest przez Quadro 6000, o pojemności pamięci 6 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 14.6 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 354 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

Shuka-1 został opublikowany przez Sarvam, w kraju zapisanym jako India, podczas August 2024. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Speech, i jest zapisany jako wykonujący zadanie speech recognition (ASR), Speech-to-text.

Jego punktem wyjścia był istniejący model podstawowy, Saaras v1,Llama 3-8B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

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

Czytanie wskaźników przepustowości

Połowa kart, które go trzymają, osiąga więcej niż 23.0 tokenów na sekundę 545 ich

To jest gęsty model, więc każdy parametr jest odczytywany dla każdego wyprodukowanego tokena. To sprawia, że prędkość śledzi przepustowość pamięci prawie dokładnie — karta z podwójną przepustowością generuje w przybliżeniu dwa razy szybciej.

Pamięć tutaj jest szacowana na podstawie rozmiaru, a nie obliczana z architektury, która nie jest zarejestrowana dla tego modelu — liczby są wskazujące, a nie dokładne.

Krok po kroku

Jak wybrać GPU do Shuka-1

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

01

Zacznij od kolumny pamięci

Tabela zawiera każdą kartę, która jest w stanie pomieścić Shuka-1, potrzebując około 5.4 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Zdecyduj, jak długo trwają twoje rozmowy

Rozmowa zajmuje pamięć również, i rośnie w miarę trwania. Ustaw suwak na długość, której się spodziewasz, ponieważ przy długim kontekście karta, która łatwo obsługuje krótkie pytania, może zostać odrzucona przez Shuka-1.
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

Oceń według przepustowości, a nie kart specyfikacji

Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla Shuka-1. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 354 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku Shuka-1. 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

Sprawdź kartę z drugiej strony

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Shuka-1.

Odpowiedzi

Shuka-1 — częste pytania

Shuka-1— ile ma parametrów?

Ma liczbę parametrów równą 9.6B. "Our state-of-the-art, in-house, audio encoder: Saaras v1 Meta’s Llama3-8B-Instruct as the decoder The encoder and decoder are connected by a small projector with ~60M parameters.". 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.

Shuka-1— kto to stworzył?

Zostało opublikowane przez Sarvam, oparty na India, organizacja sklasyfikowana jako industry.

Shuka-1— kiedy to zostało wydane?

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

Shuka-1— do czego to służy?

Działa w dziedzinie Speech, i jest zarejestrowany jako realizujący zadanie speech recognition (ASR), Speech-to-text. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

Shuka-1— Gdzie mogę to pobrać?

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

Shuka-1— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Tylko przez odciążenie, co zwykle jest fałszywą oszczędnością: część trzymana w pamięci systemowej spowalnia cały proces. Najbliższy brak, który obliczamy, jest za mały o 2.0 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Shuka-1— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 582. Więc druga karta rzadko jest odpowiedzią tutaj.

Shuka-1— 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.

Shuka-1— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 213–567 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Shuka-1— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Quadro 6000, o pojemności pamięci 6 GB. Uruchamia model przy kompresji Q3_K_M używając około 5.4 GB, i produkuje w przybliżeniu 14.6 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 582.

Shuka-1— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 354 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 545.

Shuka-1— Ile VRAM-u potrzebuje?

Potrzebuje około 5.4 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.

Shuka-1— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q4_K_M, używając około 6.5 GB i generując w przybliżeniu 152 tokenów na sekundę. Dopasowanie jest ciasne.

Shuka-1— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q6_K, używając około 8.7 GB i generując w przybliżeniu 58.7 tokenów na sekundę. Dopasowanie jest komfortowe.

Shuka-1— 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 10.9 GB i generując w przybliżeniu 50.1 tokenów na sekundę. Dopasowanie jest komfortowe.

Shuka-1— 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 10.9 GB i generując w przybliżeniu 59.4 tokenów na sekundę. Dopasowanie jest komfortowe.

Shuka-1— 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.

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