Phi-3.5-MoE kalkulator TPS

Otwórz wagi Microsoft 60.8B parametry April 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

92 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

FirePro S9170

32 GB · Q3_K_M · 26.1 tok/s

Najszybsza karta

B200

310 tok/s · 180 GB

Które GPU mogą uruchomić Phi-3.5-MoE?

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.

92 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
310 tok/s 186–495 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	62.6 GB	Q8_0	Wygodny
310 tok/s 186–495 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	62.6 GB	Q8_0	Wygodny
247 tok/s 148–396 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	62.6 GB	Q8_0	Wygodny
247 tok/s 148–396 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	62.6 GB	Q8_0	Wygodny
198 tok/s 119–316 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	62.6 GB	Q8_0	Wygodny
195 tok/s 117–312 · niska pewność	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.2 GB	Q3_K_M	Wąski
195 tok/s 117–312 · niska pewność	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.2 GB	Q3_K_M	Wąski
189 tok/s 114–303 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	62.6 GB	Q8_0	Wygodny
189 tok/s 114–303 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	62.6 GB	Q8_0	Wygodny
187 tok/s 112–299 · niska pewność	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.2 GB	Q3_K_M	Wąski
187 tok/s 112–299 · niska pewność	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.2 GB	Q3_K_M	Wąski
181 tok/s 109–290 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	62.6 GB	Q8_0	Wygodny
161 tok/s 96–257 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	62.6 GB	Q8_0	Wygodny
161 tok/s 96–257 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	62.6 GB	Q8_0	Wygodny
161 tok/s 96–257 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	62.6 GB	Q8_0	Wygodny
152 tok/s 91–244 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	62.6 GB	Q8_0	Wygodny
139 tok/s 84–223 · niska pewność	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.3 GB	Q4_K_M	Wąski
139 tok/s 84–223 · niska pewność	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.3 GB	Q4_K_M	Wąski
139 tok/s 84–223 · niska pewność	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.3 GB	Q4_K_M	Wąski
130 tok/s 78–208 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Wygodny
130 tok/s 78–208 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	62.6 GB	Q8_0	Wąski
130 tok/s 78–208 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Wygodny
130 tok/s 78–208 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Wygodny
130 tok/s 78–208 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	62.6 GB	Q8_0	Wąski
129 tok/s 78–207 · niska pewność	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	41.4 GB	Q5_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: Microsoft
Typ organizacji: Industry
Kraj: United States of America
Opublikowany: 23 April 2024
Autorzy: Marah Abdin, Sam Ade Jacobs, Ammar Ahmad Awan, Jyoti Aneja, Ahmed Awadallah, Hany Awadalla, Nguyen Bach, Amit Bahree, Arash Bakhtiari, Harkirat Behl, Alon Benhaim, Misha Bilenko, Johan Bjorck, Sébastien Bubeck, Martin Cai, Caio César Teodoro Mendes, Weizhu Chen, Vishrav Chaudhary, Parul Chopra, Allie Del Giorno, Gustavo de Rosa, Matthew Dixon, Ronen Eldan, Dan Iter, Amit Garg, Abhishek Goswami, Su…

Co to robi

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

Domena: Language
Zadanie: Language modeling/generation, Translation, Question answering, Code generation, Quantitative reasoning

Rozmiar

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

parametry: 60.8B
Dane treningowe: tokens

Obliczenia treningowe

Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.

Obliczenia treningowe: 3 × 10²³ FLOP
Jak to zostało ustalone: Hardware,Operation counting

Przebieg szkolenia

Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.

Sprzęt do trenowania: NVIDIA H100 SXM5 80GB
Zastosowane chipy: 512
Czas rzeczywisty: 552 hours (23 days)
Pobór mocy: 708.4 kW

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: Unreleased
Hugging Face: microsoft

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: Phi-3 Technical Report: A Highly Capable Language Model Locally on Your Phone
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Phi-3.5-MoE

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 Phi-3.5-MoE

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

Co oznaczają liczby

Co jest potrzebne, aby uruchomić ten model

Minimalna karta

FirePro S9170

Pamięć potrzebna

27.2 GB

Najszybszy

310 tok/s

Phi-3.5-MoE osiąga liczbę parametrów równą 60.8B. 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: 92.

Najmniejsza karta, która to utrzymuje, to FirePro S9170, o pojemności pamięci 32 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 26.1 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 310 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

Phi-3.5-MoE został opublikowany przez Microsoft, w kraju zapisanym jako United States of America, podczas April 2024. Organizacja publikująca jest klasyfikowana jako industry.

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

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

Jak szybko działa i dlaczego

Na każdej karcie, która może go uruchomić, środek zakresu plasuje się w 79.0 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 92 ich

To jest model mieszanki ekspertów, który kieruje każdy token tylko przez część siebie. Generuje więc znacznie szybciej, niż sugeruje jego całkowity rozmiar — jednocześnie potrzebując każdego parametru w pamięci, dzięki czemu jest szybki, nie będąc tanim w utrzymaniu.

Bez układu uwagi na rekordzie, kolumna pamięci jest przybliżeniem. Jest wystarczająco bliska, aby wybrać sprzęt, i najmniej wiarygodna przy długim kontekście.

Szkolenie i pochodzenie

Wytworzenie tego wymagało arytmetyki sumującej około 3 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Krok po kroku

Jak wybrać GPU do Phi-3.5-MoE

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 Phi-3.5-MoE, potrzebując około 27.2 GB przy kompresji Q3_K_M. 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 Phi-3.5-MoE.
03

Ustal minimalną jakość

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

Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. Phi-3.5-MoE. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 310 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight oznacza, że ładowanie i działanie odbywa się bez miejsca na późniejsze zwiększenie długości kontekstu, w przypadku Phi-3.5-MoE. 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 Phi-3.5-MoE.

Odpowiedzi

Phi-3.5-MoE — częste pytania

Phi-3.5-MoE— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Translation, Question answering, Code generation, Quantitative reasoning. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

Phi-3.5-MoE— Gdzie mogę to pobrać?

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

Phi-3.5-MoE— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 3 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.

Phi-3.5-MoE— 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 9.1 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Phi-3.5-MoE— czy dwa GPU uruchomią to szybciej?

Dwie karty kupują pamięć zamiast szybkości, co ma znaczenie tylko wtedy, gdy jedna karta nie może jej pomieścić. Liczba, która może: 92. Więc druga karta rzadko jest odpowiedzią tutaj.

Phi-3.5-MoE— dlaczego kwantyzacja różni się między kartami?

Większa KARTA przechowuje dokładniejszą kopię. Liczba poziomów kompresji używanych w KARTACH, które ją uruchamiają: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Phi-3.5-MoE— 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: 186–495 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Phi-3.5-MoE— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to FirePro S9170, o pojemności pamięci 32 GB. Uruchamia model przy kompresji Q3_K_M używając około 27.2 GB, i produkuje w przybliżeniu 26.1 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 92.

Phi-3.5-MoE— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 310 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 92.

Phi-3.5-MoE— Ile VRAM-u potrzebuje?

Potrzebuje około 27.2 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.

Phi-3.5-MoE— 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.

Phi-3.5-MoE— ile ma parametrów?

Ma liczbę parametrów równą 60.8B. "Phi-3.5-MoE has 16x3.8B parameters with 6.6B active parameters when using 2 experts. The model is a mixture-of-expert decoder-only Transformer model using the tokenizer with vocabulary size of 32,064.". 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.

Phi-3.5-MoE— kto to stworzył?

Zostało opublikowane przez Microsoft, oparty na United States of America, organizacja sklasyfikowana jako industry.

Phi-3.5-MoE— kiedy to zostało wydane?

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

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