InternVL2 26B kalkulator TPS

Otwórz wagi Shanghai AI Lab 25.5B 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

241 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Xeon Phi 7120P

16 GB · Q3_K_M · 10.3 tok/s

Najszybsza karta

B200

133 tok/s · 180 GB

Które GPU mogą uruchomić InternVL2 26B?

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.

241 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
133 tok/s 80–213 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	28.0 GB	Q8_0	Wygodny
133 tok/s 80–213 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	28.0 GB	Q8_0	Wygodny
106 tok/s 64–170 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	28.0 GB	Q8_0	Wygodny
106 tok/s 64–170 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	28.0 GB	Q8_0	Wygodny
84.9 tok/s 51–136 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	28.0 GB	Q8_0	Wygodny
81.2 tok/s 49–130 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	28.0 GB	Q8_0	Wygodny
81.2 tok/s 49–130 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	28.0 GB	Q8_0	Wygodny
77.7 tok/s 47–124 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	28.0 GB	Q8_0	Wygodny
69.0 tok/s 41–110 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	28.0 GB	Q8_0	Wygodny
69.0 tok/s 41–110 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	28.0 GB	Q8_0	Wygodny
69.0 tok/s 41–110 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	28.0 GB	Q8_0	Wygodny
65.4 tok/s 39–105 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	28.0 GB	Q8_0	Wygodny
55.8 tok/s 33–89 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Wygodny
55.8 tok/s 33–89 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	28.0 GB	Q8_0	Wygodny
55.8 tok/s 33–89 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Wygodny
55.8 tok/s 33–89 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Wygodny
55.8 tok/s 33–89 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	28.0 GB	Q8_0	Wygodny
50.6 tok/s 30–81 · niska pewność	Tesla V100 SXM2 16 GB NVIDIA	16 GB	1,130 GB/s	Nov 2019	13.2 GB	Q3_K_M	Wąski
43.0 tok/s 26–69 · niska pewność	GeForce RTX 5080 NVIDIA	16 GB	960 GB/s	Jan 2025	13.2 GB	Q3_K_M	Wąski
42.5 tok/s 26–68 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	28.0 GB	Q8_0	Wygodny
42.5 tok/s 26–68 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	28.0 GB	Q8_0	Wygodny
40.2 tok/s 24–64 · niska pewność	Tesla V100 DGXS 16 GB NVIDIA	16 GB	897 GB/s	Mar 2018	13.2 GB	Q3_K_M	Wąski
40.2 tok/s 24–64 · niska pewność	Tesla V100 PCIe 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.2 GB	Q3_K_M	Wąski
40.2 tok/s 24–64 · niska pewność	Tesla V100 SXM2 16 GB NVIDIA	16 GB	897 GB/s	Jun 2017	13.2 GB	Q3_K_M	Wąski
40.2 tok/s 24–64 · niska pewność	GeForce RTX 5070 Ti NVIDIA	16 GB	896 GB/s	Feb 2025	13.2 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: Shanghai AI Lab
Typ organizacji: Academia
Kraj: China
Opublikowany: 4 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, Character recognition (OCR)
Model bazowy: InternViT-6B,InternLM2-20B

Rozmiar

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

parametry: 25.5B
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 (unrestricted)
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: InternVL2: Better than the Best—Expanding Performance Boundaries of Open-Source Multimodal Models with the Progressive Scaling Strategy
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają InternVL2 26B

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 26B

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

Xeon Phi 7120P

Pamięć potrzebna

13.2 GB

Najszybszy

133 tok/s

InternVL2 26B osiąga liczbę parametrów równą 25.5B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 241.

Punkt wejścia to Xeon Phi 7120P, o pojemności pamięci 16 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 10.3 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 133 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

InternVL2 26B został opublikowany przez Shanghai AI Lab, w kraju zapisanym jako China, podczas July 2024. Kategoria, do której należy wydawca, to academia.

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

Jego punktem wyjścia był istniejący model podstawowy, InternViT-6B,InternLM2-20B. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.

Opublikowane wagi oznaczają, że model działa na twojej maszynie, a nie na czyjejś, co sprawia, że poniższe pytanie dotyczące sprzętu jest w ogóle możliwe do odpowiedzi. Na Hugging Face jest opublikowane pod organizacją OpenGVLab.

Jak szybko działa i dlaczego

Mediana wyniku wynosi około 19.9 tokenów na sekundę 195 ich

Każda waga uczestniczy w każdym tokenie tutaj, więc szerokość pasma jest całą historią: poniższa lista to w rzeczywistości ranking 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 26B

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 InternVL2 26B, potrzebując około 13.2 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
02

Ustaw długość kontekstu, z którą będziesz pracować

Dłuższe rozmowy kosztują pamięć oprócz tego, co potrzebują wagi. Przesuń suwak do swojej rzeczywistej długości roboczej przed zaufaniem jakiejkolwiek linii dla InternVL2 26B.
03

Wybierz, jak daleko chcesz to skompresować.

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

Sortuj według prędkości

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla InternVL2 26B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 133 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku InternVL2 26B. 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 26B.

Odpowiedzi

InternVL2 26B — częste pytania

InternVL2 26B— 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 26B— 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, Character recognition (OCR). Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

InternVL2 26B— 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 26B— 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 5.3 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

InternVL2 26B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 241. Więc druga karta rzadko jest odpowiedzią tutaj.

InternVL2 26B— 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: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

InternVL2 26B— 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: 80–213 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 26B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Xeon Phi 7120P, o pojemności pamięci 16 GB. Uruchamia model przy kompresji Q3_K_M używając około 13.2 GB, i produkuje w przybliżeniu 10.3 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 241.

InternVL2 26B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 133 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 195.

InternVL2 26B— Ile VRAM-u potrzebuje?

Potrzebuje około 13.2 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.

InternVL2 26B— czy mogę uruchomić to na GPU trzymając 16 GB?

Tak. Karta Tesla V100 SXM2 16 GB, trzymanie 16 GB, uruchamia go przy kompresji Q3_K_M, używając około 13.2 GB i generując w przybliżeniu 50.6 tokenów na sekundę. Dopasowanie jest ciasne.

InternVL2 26B— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q5_K_M, używając około 19.1 GB i generując w przybliżeniu 39.8 tokenów na sekundę. Dopasowanie jest ciasne.

InternVL2 26B— 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 26B— ile ma parametrów?

Ma liczbę parametrów równą 25.5B. 25.5B. 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 26B— kto to stworzył?

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