InternVL2-40B kalkulator TPS

Otwórz wagi Shanghai AI Lab 40.1B 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

126 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla M40 24 GB

24 GB · Q3_K_M · 7.0 tok/s

Najszybsza karta

B200

84.5 tok/s · 180 GB

Które GPU mogą uruchomić InternVL2-40B?

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.

126 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
84.5 tok/s 51–135 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	43.6 GB	Q8_0	Wygodny
84.5 tok/s 51–135 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	43.6 GB	Q8_0	Wygodny
67.5 tok/s 40–108 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	43.6 GB	Q8_0	Wygodny
67.5 tok/s 40–108 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	43.6 GB	Q8_0	Wygodny
54.0 tok/s 32–86 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	43.6 GB	Q8_0	Wygodny
51.7 tok/s 31–83 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.6 GB	Q8_0	Wygodny
51.7 tok/s 31–83 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	43.6 GB	Q8_0	Wygodny
49.4 tok/s 30–79 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	43.6 GB	Q8_0	Wygodny
45.6 tok/s 27–73 · niska pewność	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	25.0 GB	Q4_K_M	Wąski
45.6 tok/s 27–73 · niska pewność	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	25.0 GB	Q4_K_M	Wąski
43.9 tok/s 26–70 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	43.6 GB	Q8_0	Wygodny
43.9 tok/s 26–70 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	43.6 GB	Q8_0	Wygodny
43.9 tok/s 26–70 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	43.6 GB	Q8_0	Wygodny
43.7 tok/s 26–70 · niska pewność	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.0 GB	Q4_K_M	Wąski
43.7 tok/s 26–70 · niska pewność	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.0 GB	Q4_K_M	Wąski
41.6 tok/s 25–67 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	43.6 GB	Q8_0	Wygodny
38.2 tok/s 23–61 · niska pewność	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.3 GB	Q3_K_M	Wąski
35.5 tok/s 21–57 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Wygodny
35.5 tok/s 21–57 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	43.6 GB	Q8_0	Wygodny
35.5 tok/s 21–57 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Wygodny
35.5 tok/s 21–57 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Wygodny
35.5 tok/s 21–57 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	43.6 GB	Q8_0	Wygodny
34.8 tok/s 21–56 · niska pewność	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.3 GB	Q3_K_M	Wąski
28.8 tok/s 17–46 · niska pewność	GeForce RTX 3090 Ti NVIDIA	24 GB	1,010 GB/s	Jan 2022	20.3 GB	Q3_K_M	Wąski
28.8 tok/s 17–46 · niska pewność	GeForce RTX 4090 NVIDIA	24 GB	1,010 GB/s	Sep 2022	20.3 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: Nous-Hermes-2-Yi-34B,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: 40.1B
Dane treningowe: tokens
Epoki: 1

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
Cytaty: 190

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 InternVL2-40B

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 InternVL2-40B

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

Tesla M40 24 GB

Pamięć potrzebna

20.3 GB

Najszybszy

84.5 tok/s

InternVL2-40B osiąga liczbę parametrów równą 40.1B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 126.

Najmniejszy sprzęt, który działa, to Tesla M40 24 GB, o pojemności pamięci 24 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 7.0 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 84.5 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

InternVL2-40B 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, Character recognition (OCR).

Opiera się na Nous-Hermes-2-Yi-34B,InternViT-6B. 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.

Czytanie wskaźników przepustowości

Połowa kart, które go trzymają, osiąga więcej niż 21.2 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 106 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.

Krok po kroku

Jak wybrać GPU do InternVL2-40B

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

01

Przeczytaj najpierw liczbę pamięci

Każda karta tutaj została sprawdzona pod kątem InternVL2-40B, potrzebując około 20.3 GB przy kompresji Q3_K_M. To ta liczba, a nie nagłówkowa wydajność karty, decyduje o tym, czy można ją uruchomić.
02

Dopasuj kontekst do swojego rzeczywistego użycia

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. InternVL2-40B.
03

Zdecyduj, ile kompresji zaakceptujesz

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

Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla InternVL2-40B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 84.5 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

Tight oznacza, że ładowanie i działanie odbywa się bez miejsca na późniejsze zwiększenie długości kontekstu, w przypadku InternVL2-40B. 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 strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza InternVL2-40B.

Odpowiedzi

InternVL2-40B — częste pytania

InternVL2-40B— 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 7.0 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

InternVL2-40B— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 126. Więc druga karta rzadko jest odpowiedzią tutaj.

InternVL2-40B— 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.

InternVL2-40B— 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: 51–135 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

InternVL2-40B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla M40 24 GB, o pojemności pamięci 24 GB. Uruchamia model przy kompresji Q3_K_M używając około 20.3 GB, i produkuje w przybliżeniu 7.0 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 126.

InternVL2-40B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 84.5 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 106.

InternVL2-40B— Ile VRAM-u potrzebuje?

Potrzebuje około 20.3 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.

InternVL2-40B— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q3_K_M, używając około 20.3 GB i generując w przybliżeniu 38.2 tokenów na sekundę. Dopasowanie jest ciasne.

InternVL2-40B— 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.

InternVL2-40B— ile ma parametrów?

Ma liczbę parametrów równą 40.1B. 40.1B. 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.

InternVL2-40B— kto to stworzył?

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

InternVL2-40B— 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.

InternVL2-40B— 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). Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.

InternVL2-40B— 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.

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