SambaLingo-Thai-Chat-70B kalkulator TPS
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
818 Karty, które posiadamy specyfikacje dla
Najmniejsza karta, która pasuje
A100 PCIe 40 GB
40 GB · Q3_K_M · 25.5 tok/s
Najszybsza karta
B200
48.4 tok/s · 180 GB
Które GPU mogą uruchomić SambaLingo-Thai-Chat-70B?
Ustaw wejścia, odczytaj odpowiedź.
Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..
Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..
61 karty pasują
Obliczanie| potrzeby | Kwantyzacja | Pasuje | |||||
|---|---|---|---|---|---|---|---|
|
48.4
tok/s
29–77 · niska pewność |
B200 NVIDIA | 180 GB | 8,000 GB/s | Jan 2024 | 75.6 GB | Q8_0 | Wygodny |
|
48.4
tok/s
29–77 · niska pewność |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 75.6 GB | Q8_0 | Wygodny |
|
38.7
tok/s
23–62 · niska pewność |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 75.6 GB | Q8_0 | Wygodny |
|
38.7
tok/s
23–62 · niska pewność |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 75.6 GB | Q8_0 | Wygodny |
|
30.9
tok/s
19–49 · niska pewność |
Radeon Instinct MI300 AMD | 128 GB | 6,550 GB/s | Jan 2023 | 75.6 GB | Q8_0 | Wygodny |
|
29.6
tok/s
18–47 · niska pewność |
H200 NVL NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 75.6 GB | Q8_0 | Wygodny |
|
29.6
tok/s
18–47 · niska pewność |
H200 SXM 141 GB NVIDIA | 141 GB | 4,890 GB/s | Nov 2024 | 75.6 GB | Q8_0 | Wygodny |
|
29.5
tok/s
18–47 · niska pewność |
H100 SXM5 80 GB NVIDIA | 80 GB | 3,360 GB/s | Oct 2022 | 59.3 GB | Q6_K | Wygodny |
|
29.5
tok/s
18–47 · niska pewność |
H800 SXM5 NVIDIA | 80 GB | 3,360 GB/s | Mar 2023 | 59.3 GB | Q6_K | Wygodny |
|
28.3
tok/s
17–45 · niska pewność |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 75.6 GB | Q8_0 | Wygodny |
|
26.1
tok/s
16–42 · niska pewność |
GRID A100B NVIDIA | 48 GB | 1,870 GB/s | May 2020 | 43.0 GB | Q4_K_M | Wąski |
|
25.5
tok/s
15–41 · niska pewność |
A100 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Jun 2020 | 34.9 GB | Q3_K_M | Wąski |
|
25.5
tok/s
15–41 · niska pewność |
A100 SXM4 40 GB NVIDIA | 40 GB | 1,560 GB/s | May 2020 | 34.9 GB | Q3_K_M | Wąski |
|
25.5
tok/s
15–41 · niska pewność |
A800 PCIe 40 GB NVIDIA | 40 GB | 1,560 GB/s | Nov 2022 | 34.9 GB | Q3_K_M | Wąski |
|
25.1
tok/s
15–40 · niska pewność |
Radeon Instinct MI300A AMD | 128 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Wygodny |
|
25.1
tok/s
15–40 · niska pewność |
Radeon Instinct MI300X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Wygodny |
|
25.1
tok/s
15–40 · niska pewność |
Radeon Instinct MI308X AMD | 192 GB | 5,325 GB/s | Dec 2023 | 75.6 GB | Q8_0 | Wygodny |
|
23.8
tok/s
14–38 · niska pewność |
H100 NVL 94 GB NVIDIA | 94 GB | 3,940 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Wąski |
|
21.8
tok/s
13–35 · niska pewność |
H100 SXM5 64 GB NVIDIA | 64 GB | 2,020 GB/s | Mar 2023 | 51.2 GB | Q5_K_M | Wąski |
|
20.3
tok/s
12–33 · niska pewność |
H100 PCIe 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Wąski |
|
20.3
tok/s
12–33 · niska pewność |
H100 SXM5 94 GB NVIDIA | 94 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Wąski |
|
20.3
tok/s
12–33 · niska pewność |
H100 SXM5 96 GB NVIDIA | 96 GB | 3,360 GB/s | Mar 2023 | 75.6 GB | Q8_0 | Wąski |
|
18.7
tok/s
11–30 · niska pewność |
RTX PRO 5000 Blackwell NVIDIA | 48 GB | 1,340 GB/s | Mar 2025 | 43.0 GB | Q4_K_M | Wąski |
|
17.9
tok/s
11–29 · niska pewność |
A100 SXM4 80 GB NVIDIA | 80 GB | 2,040 GB/s | Nov 2020 | 59.3 GB | Q6_K | Wygodny |
|
17.9
tok/s
11–29 · niska pewność |
A100X NVIDIA | 80 GB | 2,040 GB/s | Jun 2021 | 59.3 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
- SambaNova Systems, Inc
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 8 April 2024
- Autorzy
- Zoltan Csaki, Bo Li, Jonathan Li, Qiantong Xu, Pian Pawakapan, Leon Zhang, Yun Du, Hengyu Zhao, Changran Hu, Urmish Thakker
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Chat
- Model bazowy
- Llama 2-70B
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 70B
- Dane treningowe
- tokens
- Epoki
- 0.4
- Rozmiar wsadu
- 32
https://huggingface.co/sambanovasystems/SambaLingo-Thai-Chat-70B
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
- 8.1 × 10²³ FLOP
- Dostosowywanie obliczeń
- 1.7 × 10²¹ FLOP
"Continuous Pre-training: We pack the pretraining mixture into sequences of length 4096 and pretrain with document attention as described in Section 3.2 of Iyer et al. (2022) to ensure we only attend to tokens in the context of the corresponding text document. We train with a global batch size of 1024, sequence length of 4096, maximum learning rate of 1e-4 with cosine decay, warm-up ratio of 0.01 and a weight decay of 0.1. Each expert is trained for a maximum of 4 epochs, following (Muennighoff …
"The alignment phase follows the recipe for Zephyr-7B, and comprises two stages: supervised fine-tuning (SFT) and Direct Performance Optimization (DPO). The SFT phase was done on the ultrachat_200k dataset mixed with the Google translated version of the ultrachat_200k dataset. It was trained for one epoch with global batch size 512 and max sequence length 2048 tokens. We used a linear decay learning rate of 2e-5 and 10% warmup. The DPO phase was done on the ultrafeedback dataset and cai-conver…
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
- sambanovasystems
Llama 2 license "You will not use the Llama Materials or any output or results of the Llama Materials to improve any other large language model" "Meta may terminate this Agreement if you are in breach of any term or condition of this Agreement" [If MAU] "is greater than 700 million monthly active users in the preceding calendar month, you must request a license from Meta" https://huggingface.co/sambanovasystems/SambaLingo-Thai-Chat-70B
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
- SambaLingo: Teaching Large Language Models New Languages
- Ostatnio zaktualizowane
- 28 November 2025
Ekstremy
Dziesięć najszybszych GPU, które uruchamiają SambaLingo-Thai-Chat-70B
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..
- 01 B300 288 GB · 8,000 GB/s · Q8_0 48.4 tok/s
- 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
- 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
- 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
- 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
- 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
- 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
- 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
- 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
- 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s
Najmniejsze GPU, które nadal działają SambaLingo-Thai-Chat-70B
Najtańsza droga do, według pojemności pamięci. Tight fit uruchamia model, ale nie zostawia nic na dłuższą rozmowę..
- 01 A800 PCIe 40 GB 40 GB · potrzeby 34.9 GB · Q3_K_M · Wąski 25.5 tok/s
- 02 A100 PCIe 40 GB 40 GB · potrzeby 34.9 GB · Q3_K_M · Wąski 25.5 tok/s
- 03 A100 SXM4 40 GB 40 GB · potrzeby 34.9 GB · Q3_K_M · Wąski 25.5 tok/s
- 04 Radeon PRO W7900D 48 GB · potrzeby 43.0 GB · Q4_K_M · Wąski 9.4 tok/s
- 05 RTX PRO 5000 Blackwell 48 GB · potrzeby 43.0 GB · Q4_K_M · Wąski 18.7 tok/s
- 06 RTX 5880 Ada Generation 48 GB · potrzeby 43.0 GB · Q4_K_M · Wąski 12.1 tok/s
- 07 L20 48 GB · potrzeby 43.0 GB · Q4_K_M · Wąski 12.1 tok/s
- 08 Radeon PRO W7800 48 GB 48 GB · potrzeby 43.0 GB · Q4_K_M · Wąski 9.4 tok/s
- 09 Radeon PRO W7900 48 GB · potrzeby 43.0 GB · Q4_K_M · Wąski 9.4 tok/s
- 10 Data Center GPU Max 1100 48 GB · potrzeby 43.0 GB · Q4_K_M · Wąski 11.2 tok/s
Co oznaczają liczby
Strona sprzętowa
Minimalna karta
A100 PCIe 40 GB
Pamięć potrzebna
34.9 GB
Najszybszy
48.4 tok/s
SambaLingo-Thai-Chat-70B osiąga liczbę parametrów równą 70B. 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.
Na niskim końcu obsługiwane jest przez A100 PCIe 40 GB, o pojemności pamięci 40 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 25.5 tokeny na sekundę
Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 48.4 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.
O tym modelu
SambaLingo-Thai-Chat-70B został opublikowany przez SambaNova Systems, Inc, 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 chat.
Zamiast być trenowanym od podstaw, pochodzi z Llama 2-70B. 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 sambanovasystems.
Jak szybko działa i dlaczego
Mediana wyniku wynosi około 17.1 tokenów na sekundę 50 ich
Będąc gęstym, odczytuje każdą swoją część po tokenie, dlatego poniższe uporządkowanie według szybkości tak ściśle pokrywa się z uporządkowaniem według przepustowości pamięci.
Pamięć tutaj jest szacowana na podstawie rozmiaru, a nie obliczana z architektury, która nie jest zarejestrowana dla tego modelu — liczby są wskazujące, a nie dokładne.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 8.1 × 10²³ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Krok po kroku
Jak wybrać GPU do SambaLingo-Thai-Chat-70B
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
Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu SambaLingo-Thai-Chat-70B, potrzebując około 34.9 GB przy kompresji Q3_K_M. To ta liczba, a nie nagłówkowa wydajność karty, decyduje o tym, czy można ją uruchomić.
-
02
Ustaw długość kontekstu, z którą będziesz pracować
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. SambaLingo-Thai-Chat-70B.
-
03
Wybierz, jak daleko chcesz to skompresować.
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
Sortuj według prędkości
Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla SambaLingo-Thai-Chat-70B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 48.4 tok/s
-
05
Sprawdź werdykt dopasowania przed zakupem
Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku SambaLingo-Thai-Chat-70B. 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 SambaLingo-Thai-Chat-70B.
Odpowiedzi
SambaLingo-Thai-Chat-70B — częste pytania
SambaLingo-Thai-Chat-70B— 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.
SambaLingo-Thai-Chat-70B— Jak dokładne są te szacunki prędkości?
Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 29–77 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.
SambaLingo-Thai-Chat-70B— 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 34.9 GB, i produkuje w przybliżeniu 25.5 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 61.
SambaLingo-Thai-Chat-70B— jak szybko działa na GPU?
To zależy od karty. Najszybciej obliczamy to B200, około 48.4 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 50.
SambaLingo-Thai-Chat-70B— Ile VRAM-u potrzebuje?
Potrzebuje około 34.9 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.
SambaLingo-Thai-Chat-70B— 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.
SambaLingo-Thai-Chat-70B— ile ma parametrów?
Ma liczbę parametrów równą 70B. https://huggingface.co/sambanovasystems/SambaLingo-Thai-Chat-70B. 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.
SambaLingo-Thai-Chat-70B— kto to stworzył?
Zostało opublikowane przez SambaNova Systems, Inc, oparty na United States of America, organizacja sklasyfikowana jako industry.
SambaLingo-Thai-Chat-70B— 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.
SambaLingo-Thai-Chat-70B— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie chat. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
SambaLingo-Thai-Chat-70B— Gdzie mogę to pobrać?
Jego wagi są publikowane na Hugging Face, pod organizacją sambanovasystems. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.
SambaLingo-Thai-Chat-70B— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 8.1 × 10²³ FLOP. 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.
SambaLingo-Thai-Chat-70B— 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 14.2 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.
SambaLingo-Thai-Chat-70B— 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: 61. Więc druga karta rzadko jest odpowiedzią tutaj.
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.