Qwen2-Math-72B kalkulator TPS

Otwórz wagi Alibaba 72B 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

61 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

A100 PCIe 40 GB

40 GB · Q3_K_M · 24.8 tok/s

Najszybsza karta

B200

47.1 tok/s · 180 GB

Które GPU mogą uruchomić Qwen2-Math-72B?

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.

61 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
47.1 tok/s 40–56	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	74.5 GB	Q8_0	Wygodny
47.1 tok/s 40–56	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	74.5 GB	Q8_0	Wygodny
37.6 tok/s 23–60 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	74.5 GB	Q8_0	Wygodny
37.6 tok/s 23–60 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	74.5 GB	Q8_0	Wygodny
30.1 tok/s 18–48 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	74.5 GB	Q8_0	Wygodny
28.8 tok/s 24–35	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	74.5 GB	Q8_0	Wygodny
28.8 tok/s 24–35	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	74.5 GB	Q8_0	Wygodny
28.7 tok/s 24–34	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	57.8 GB	Q6_K	Wygodny
28.7 tok/s 24–34	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	57.8 GB	Q6_K	Wygodny
27.5 tok/s 17–44 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	74.5 GB	Q8_0	Wygodny
25.4 tok/s 22–30	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	41.0 GB	Q4_K_M	Wąski
24.8 tok/s 21–30	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	32.6 GB	Q3_K_M	Wąski
24.8 tok/s 21–30	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	32.6 GB	Q3_K_M	Wąski
24.8 tok/s 21–30	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	32.6 GB	Q3_K_M	Wąski
24.4 tok/s 15–39 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	74.5 GB	Q8_0	Wygodny
24.4 tok/s 15–39 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	74.5 GB	Q8_0	Wygodny
24.4 tok/s 15–39 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	74.5 GB	Q8_0	Wygodny
23.2 tok/s 20–28	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	74.5 GB	Q8_0	Wąski
21.2 tok/s 18–25	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	49.4 GB	Q5_K_M	Wąski
19.8 tok/s 17–24	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.5 GB	Q8_0	Wąski
19.8 tok/s 17–24	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	74.5 GB	Q8_0	Wąski
19.8 tok/s 17–24	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	74.5 GB	Q8_0	Wąski
18.2 tok/s 15–22	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	41.0 GB	Q4_K_M	Wąski
17.4 tok/s 15–21	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	57.8 GB	Q6_K	Wygodny
17.4 tok/s 15–21	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	57.8 GB	Q6_K	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: Alibaba
Typ organizacji: Industry
Kraj: China
Opublikowany: 9 August 2024

Co to robi

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

Domena: Language
Zadanie: Language modeling/generation, Question answering, Mathematical reasoning
Model bazowy: Qwen2-72B

Rozmiar

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

parametry: 72B
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: Qwen

Jak jest klasyfikowane

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

Prawdopodobnie powyżej 10²³ FLOP: Yes
Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Introducing Qwen2-Math
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Qwen2-Math-72B

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 Qwen2-Math-72B

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

Co oznaczają liczby

Co potrzebujesz, aby go uruchomić

Minimalna karta

A100 PCIe 40 GB

Pamięć potrzebna

32.6 GB

Najszybszy

47.1 tok/s

Qwen2-Math-72B osiąga liczbę parametrów równą 72B. To stawia to powyżej sprzętu konsumenckiego, w zakresie, gdzie karta jest kupowana do tego celu, zamiast przystosowywana do niego. Liczba kart, które śledzimy, które mogą to pomieścić: 61.

Najmniejszy sprzęt, który działa, to A100 PCIe 40 GB, o pojemności pamięci 40 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 24.8 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 47.1 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

Qwen2-Math-72B został opublikowany przez Alibaba, w kraju zapisanym jako China, podczas August 2024. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Mathematical reasoning.

Jego punktem wyjścia był istniejący model podstawowy, Qwen2-72B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć. Na Hugging Face jest opublikowane pod organizacją Qwen.

Co decyduje o szybkości

Połowa kart, które go trzymają, osiąga więcej niż 16.6 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 49 ich

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

Ponieważ architektura jest zarejestrowana, kolumna pamięci jest wyprowadzana, a nie szacowana.

Krok po kroku

Jak wybrać GPU do Qwen2-Math-72B

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

Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu Qwen2-Math-72B, potrzebując około 32.6 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 Qwen2-Math-72B.
03

Ustal minimalną jakość

Kolumna kwantyzacji różni się w zależności od karty, ponieważ większa karta przechowuje dokładniejszą kopię., 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 Qwen2-Math-72B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 47.1 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku Qwen2-Math-72B. 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

Każda nazwa karty łączy się z jej własną stroną, która wykonuje tę samą kalkulację w całym katalogu modelu. Kartę zazwyczaj kupuje się dla więcej niż jednego modelu, więc warto rzucić okiem przed zakupem na Qwen2-Math-72B.

Odpowiedzi

Qwen2-Math-72B — częste pytania

Qwen2-Math-72B— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Częściowo. Warstwy, które nie mieszczą się w GPU VRAM, znajdują się w pamięci systemu i działają z ułamkową prędkością, więc model, który jest w dużej mierze przeniesiony, rzadko jest wart używania. Najbliższy brak, który obliczamy, jest za mały o 12.2 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Qwen2-Math-72B— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 61. Więc druga karta rzadko jest odpowiedzią tutaj.

Qwen2-Math-72B— dlaczego kwantyzacja różni się między kartami?

Ponieważ pojemność się różni, to również to, jak mocno musi być ściśnięta. Liczba wyróżniających się poziomów w tabeli powyżej: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Qwen2-Math-72B— Jak dokładne są te szacunki prędkości?

To są szacunki z rzeczywistymi marginesami błędu, a każdy z nich mógłby rozsądnie wypaść gdziekolwiek w swoim opublikowanym zakresie w zależności od używanego uruchomienia. Najszybszy wynik tutaj: 40–56 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Qwen2-Math-72B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to A100 PCIe 40 GB, o pojemności pamięci 40 GB. Uruchamia model przy kompresji Q3_K_M używając około 32.6 GB, i produkuje w przybliżeniu 24.8 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 61.

Qwen2-Math-72B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 47.1 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 49.

Qwen2-Math-72B— Ile VRAM-u potrzebuje?

Potrzebuje około 32.6 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.

Qwen2-Math-72B— 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.

Qwen2-Math-72B— ile ma parametrów?

Ma liczbę parametrów równą 72B. 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.

Qwen2-Math-72B— kto to stworzył?

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

Qwen2-Math-72B— 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.

Qwen2-Math-72B— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Mathematical reasoning. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

Qwen2-Math-72B— Gdzie mogę to pobrać?

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

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