Sailor-7B-Chat kalkulator TPS

Otwórz wagi Sea AI Lab,Singapore University of Technology & Design 7.7B 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

589 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla K20c

5 GB · Q3_K_M · 26.2 tok/s

Najszybsza karta

B200

439 tok/s · 180 GB

Które GPU mogą uruchomić Sailor-7B-Chat?

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.

589 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
439 tok/s 263–702 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	9.0 GB	Q8_0	Wygodny
439 tok/s 263–702 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	9.0 GB	Q8_0	Wygodny
350 tok/s 210–561 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	9.0 GB	Q8_0	Wygodny
350 tok/s 210–561 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	9.0 GB	Q8_0	Wygodny
280 tok/s 168–448 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	9.0 GB	Q8_0	Wygodny
268 tok/s 161–429 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.0 GB	Q8_0	Wygodny
268 tok/s 161–429 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	9.0 GB	Q8_0	Wygodny
257 tok/s 154–411 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	9.0 GB	Q8_0	Wygodny
228 tok/s 137–365 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	9.0 GB	Q8_0	Wygodny
228 tok/s 137–365 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	9.0 GB	Q8_0	Wygodny
228 tok/s 137–365 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	9.0 GB	Q8_0	Wygodny
216 tok/s 130–346 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	9.0 GB	Q8_0	Wygodny
184 tok/s 111–295 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.0 GB	Q8_0	Wygodny
184 tok/s 111–295 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	9.0 GB	Q8_0	Wygodny
184 tok/s 111–295 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	9.0 GB	Q8_0	Wygodny
184 tok/s 111–295 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	9.0 GB	Q8_0	Wygodny
184 tok/s 111–295 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	9.0 GB	Q8_0	Wygodny
140 tok/s 84–225 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	9.0 GB	Q8_0	Wygodny
140 tok/s 84–225 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	9.0 GB	Q8_0	Wygodny
119 tok/s 71–190 · niska pewność	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.2 GB	Q6_K	Wąski
117 tok/s 70–187 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	9.0 GB	Q8_0	Wygodny
114 tok/s 69–183 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	9.0 GB	Q8_0	Wygodny
112 tok/s 67–179 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	9.0 GB	Q8_0	Wygodny
112 tok/s 67–179 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	9.0 GB	Q8_0	Wygodny
112 tok/s 67–179 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	9.0 GB	Q8_0	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: Sea AI Lab,Singapore University of Technology & Design
Typ organizacji: Academia
Kraj: Singapore
Opublikowany: 4 April 2024
Autorzy: Longxu Dou, Qian Liu, Guangtao Zeng, Jia Guo, Jiahui Zhou, Wei Lu, Min Lin

Co to robi

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

Domena: Language
Zadanie: Chat
Model bazowy: Qwen1.5-7B

Rozmiar

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

parametry: 7.7B
Dane treningowe: tokens
Epoki: 1
Rozmiar wsadu: 4,000,000

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: 1.8 × 10²³ FLOP

Przebieg szkolenia

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

Sprzęt do trenowania: NVIDIA A100 SXM4 40 GB
Zastosowane chipy: 64
Pobór mocy: 50.6 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: sail

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: Sailor: Open Language Models for South-East Asia
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Sailor-7B-Chat

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 Sailor-7B-Chat

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

Co oznaczają liczby

Strona sprzętowa

Minimalna karta

Tesla K20c

Pamięć potrzebna

4.5 GB

Najszybszy

439 tok/s

Sailor-7B-Chat osiąga liczbę parametrów równą 7.7B. To jest na tyle małe, że sprzęt rzadko stanowi przeszkodę, w tym na kartach sprzed kilku lat. Liczba kart, które śledzimy, które mogą go uruchomić: 589.

Na niskim końcu obsługiwane jest przez Tesla K20c, o pojemności pamięci 5 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 26.2 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 439 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

Sailor-7B-Chat został opublikowany przez Sea AI Lab,Singapore University of Technology & Design, w kraju zapisanym jako Singapore, podczas April 2024. Organizacja publikująca jest klasyfikowana jako academia.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie chat.

Jego punktem wyjścia był istniejący model podstawowy, Qwen1.5-7B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć. Na Hugging Face jest opublikowane pod organizacją sail.

Czytanie wskaźników przepustowości

Mediana wyniku wynosi około 23.7 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 546 ich

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

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

Jak to zostało wytrenowane

Trenowanie zajęło budżet obliczeniowy wynoszący około 1.8 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100 SXM4 40 GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Krok po kroku

Jak wybrać GPU do Sailor-7B-Chat

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 Sailor-7B-Chat, potrzebując około 4.5 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 Sailor-7B-Chat.
03

Ustal minimalną jakość

Kolumna kwantyzacji różni się w zależności od karty, ponieważ większa karta przechowuje dokładniejszą kopię., 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 Sailor-7B-Chat. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 439 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 Sailor-7B-Chat. 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

Otwórz kartę, na którą się zdecydowałeś

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 Sailor-7B-Chat.

Odpowiedzi

Sailor-7B-Chat — częste pytania

Sailor-7B-Chat— Gdzie mogę to pobrać?

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

Sailor-7B-Chat— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1.8 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100 SXM4 40 GB. 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.

Sailor-7B-Chat— 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 1.8 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Sailor-7B-Chat— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 589. Więc druga karta rzadko jest odpowiedzią tutaj.

Sailor-7B-Chat— dlaczego kwantyzacja różni się między kartami?

Ponieważ pojemność się różni, to również to, jak mocno musi być ściśnięta. Liczba wyróżniających się poziomów w tabeli powyżej: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Sailor-7B-Chat— 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: 263–702 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Sailor-7B-Chat— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla K20c, o pojemności pamięci 5 GB. Uruchamia model przy kompresji Q3_K_M używając około 4.5 GB, i produkuje w przybliżeniu 26.2 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 589.

Sailor-7B-Chat— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 439 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 546.

Sailor-7B-Chat— Ile VRAM-u potrzebuje?

Potrzebuje około 4.5 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.

Sailor-7B-Chat— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q6_K, używając około 7.2 GB i generując w przybliżeniu 119 tokenów na sekundę. Dopasowanie jest ciasne.

Sailor-7B-Chat— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q8_0, używając około 9.0 GB i generując w przybliżeniu 50.1 tokenów na sekundę. Dopasowanie jest komfortowe.

Sailor-7B-Chat— czy mogę uruchomić to na GPU trzymając 16 GB?

Tak. Karta Tesla V100 SXM2 16 GB, trzymanie 16 GB, uruchamia go przy kompresji Q8_0, używając około 9.0 GB i generując w przybliżeniu 62.0 tokenów na sekundę. Dopasowanie jest komfortowe.

Sailor-7B-Chat— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q8_0, używając około 9.0 GB i generując w przybliżeniu 73.5 tokenów na sekundę. Dopasowanie jest komfortowe.

Sailor-7B-Chat— 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.

Sailor-7B-Chat— ile ma parametrów?

Ma liczbę parametrów równą 7.7B. https://huggingface.co/sail/Sailor-7B-Chat. 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.

Sailor-7B-Chat— kto to stworzył?

Zostało opublikowane przez Sea AI Lab,Singapore University of Technology & Design, oparty na Singapore, organizacja sklasyfikowana jako academia.

Sailor-7B-Chat— 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.

Sailor-7B-Chat— 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.

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