InternVL2-Llama3-76B kalkulator TPS

Otwórz wagi Shanghai AI Lab 76B parametry July 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

58 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Quadro RTX 8000

48 GB · IQ4_XS · 9.2 tok/s

Najszybsza karta

B200

44.6 tok/s · 180 GB

Które GPU mogą uruchomić InternVL2-Llama3-76B?

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.

58 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
44.6 tok/s 27–71 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	82.1 GB	Q8_0	Wygodny
44.6 tok/s 27–71 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	82.1 GB	Q8_0	Wygodny
35.6 tok/s 21–57 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	82.1 GB	Q8_0	Wygodny
35.6 tok/s 21–57 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	82.1 GB	Q8_0	Wygodny
28.5 tok/s 17–46 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	82.1 GB	Q8_0	Wygodny
27.3 tok/s 16–44 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	82.1 GB	Q8_0	Wygodny
27.3 tok/s 16–44 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	82.1 GB	Q8_0	Wygodny
27.2 tok/s 16–44 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	64.4 GB	Q6_K	Wąski
27.2 tok/s 16–44 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	64.4 GB	Q6_K	Wąski
26.1 tok/s 16–42 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	82.1 GB	Q8_0	Wygodny
25.6 tok/s 15–41 · niska pewność	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	42.3 GB	IQ4_XS	Wąski
23.2 tok/s 14–37 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	82.1 GB	Q8_0	Wygodny
23.2 tok/s 14–37 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	82.1 GB	Q8_0	Wygodny
23.2 tok/s 14–37 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	82.1 GB	Q8_0	Wygodny
22.0 tok/s 13–35 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	82.1 GB	Q8_0	Wąski
20.1 tok/s 12–32 · niska pewność	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	55.5 GB	Q5_K_M	Wąski
18.7 tok/s 11–30 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	82.1 GB	Q8_0	Wąski
18.7 tok/s 11–30 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	82.1 GB	Q8_0	Wąski
18.7 tok/s 11–30 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	82.1 GB	Q8_0	Wąski
18.3 tok/s 11–29 · niska pewność	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	42.3 GB	IQ4_XS	Wąski
16.5 tok/s 10–26 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	64.4 GB	Q6_K	Wąski
16.5 tok/s 10–26 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	64.4 GB	Q6_K	Wąski
16.5 tok/s 10–26 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	64.4 GB	Q6_K	Wąski
16.5 tok/s 10–26 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	64.4 GB	Q6_K	Wąski
16.5 tok/s 10–26 · niska pewność	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	64.4 GB	Q6_K	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: Shanghai AI Lab
Typ organizacji: Academia
Kraj: China
Opublikowany: 15 July 2024

Co to robi

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

Domena: Multimodal, Language, Vision, Video
Zadanie: Visual question answering, Language modeling/generation, Question answering, Video description
Model bazowy: Hermes 2 Theta Llama-3 70B,InternViT-6B

Rozmiar

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

parametry: 76B
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: Open source
Hugging Face: OpenGVLab

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: OpenGVLab/InternVL2-Llama3-76B
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają InternVL2-Llama3-76B

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 InternVL2-Llama3-76B

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

Quadro RTX 8000

Pamięć potrzebna

42.3 GB

Najszybszy

44.6 tok/s

InternVL2-Llama3-76B osiąga liczbę parametrów równą 76B. 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: 58.

Najmniejszy sprzęt, który działa, to Quadro RTX 8000, o pojemności pamięci 48 GB, uruchomienie go przy kompresji IQ4_XS i produkując około 9.2 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 44.6 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

InternVL2-Llama3-76B został opublikowany przez Shanghai AI Lab, w kraju zapisanym jako China, podczas July 2024. Wychodzi z organizacji zaklasyfikowanej jako academia.

Działa w dziedzinie Multimodal, Language, Vision, Video, i jest zapisany jako wykonujący zadanie visual question answering, Language modeling/generation, Question answering, Video description.

Zamiast być trenowanym od podstaw, pochodzi z Hermes 2 Theta Llama-3 70B,InternViT-6B. Dlatego dzieli ogólny kształt i rozmiar modelu bazowego.

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

Co decyduje o szybkości

Mediana wyniku wynosi około 14.3 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 43 ich

Będąc gęstym, odczytuje każdą swoją część po tokenie, dlatego poniższe uporządkowanie według szybkości tak ściśle pokrywa się z uporządkowaniem według przepustowości pamięci.

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.

Krok po kroku

Jak wybrać GPU do InternVL2-Llama3-76B

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 InternVL2-Llama3-76B, potrzebując około 42.3 GB przy kompresji IQ4_XS. To ta liczba, a nie nagłówkowa wydajność karty, decyduje o tym, czy można ją uruchomić.
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 InternVL2-Llama3-76B.
03

Wybierz, jak daleko chcesz to skompresować.

Każda KARTA uruchamia najmniej skompresowaną kopię, jaką może pomieścić., osiągnięcie kompresji IQ4_XS 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

Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. InternVL2-Llama3-76B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 44.6 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku InternVL2-Llama3-76B. 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

Zobacz, co jeszcze ta karta uruchamia

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 InternVL2-Llama3-76B.

Odpowiedzi

InternVL2-Llama3-76B — częste pytania

InternVL2-Llama3-76B— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 58. Więc druga karta rzadko jest odpowiedzią tutaj.

InternVL2-Llama3-76B— 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.

InternVL2-Llama3-76B— 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: 27–71 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

InternVL2-Llama3-76B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Quadro RTX 8000, o pojemności pamięci 48 GB. Uruchamia model przy kompresji IQ4_XS używając około 42.3 GB, i produkuje w przybliżeniu 9.2 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 58.

InternVL2-Llama3-76B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 44.6 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 43.

InternVL2-Llama3-76B— Ile VRAM-u potrzebuje?

Potrzebuje około 42.3 GB przy kompresji IQ4_XS, 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.

InternVL2-Llama3-76B— 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.

InternVL2-Llama3-76B— ile ma parametrów?

Ma liczbę parametrów równą 76B. 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.

InternVL2-Llama3-76B— kto to stworzył?

Zostało opublikowane przez Shanghai AI Lab, oparty na China, organizacja sklasyfikowana jako academia.

InternVL2-Llama3-76B— kiedy to zostało wydane?

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

InternVL2-Llama3-76B— do czego to służy?

Działa w dziedzinie Multimodal, Language, Vision, Video, i jest zarejestrowany jako realizujący zadanie visual question answering, Language modeling/generation, Question answering, Video description. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

InternVL2-Llama3-76B— Gdzie mogę to pobrać?

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

InternVL2-Llama3-76B— 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 10.7 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

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