Stable Cascade kalkulator TPS

Otwórz wagi Stability AI 5.1B parametry February 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

818 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla C1080

4 GB · IQ4_XS · 17.7 tok/s

Najszybsza karta

B200

662 tok/s · 180 GB

Które GPU mogą uruchomić Stable Cascade?

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.

818 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
662 tok/s 397–1,059 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	6.2 GB	Q8_0	Wygodny
662 tok/s 397–1,059 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	6.2 GB	Q8_0	Wygodny
528 tok/s 317–846 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	6.2 GB	Q8_0	Wygodny
528 tok/s 317–846 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	6.2 GB	Q8_0	Wygodny
423 tok/s 254–676 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	6.2 GB	Q8_0	Wygodny
405 tok/s 243–647 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.2 GB	Q8_0	Wygodny
405 tok/s 243–647 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.2 GB	Q8_0	Wygodny
387 tok/s 232–619 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	6.2 GB	Q8_0	Wygodny
344 tok/s 206–550 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	6.2 GB	Q8_0	Wygodny
344 tok/s 206–550 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	6.2 GB	Q8_0	Wygodny
344 tok/s 206–550 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	6.2 GB	Q8_0	Wygodny
326 tok/s 196–521 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	6.2 GB	Q8_0	Wygodny
278 tok/s 167–445 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Wygodny
278 tok/s 167–445 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	6.2 GB	Q8_0	Wygodny
278 tok/s 167–445 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Wygodny
278 tok/s 167–445 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Wygodny
278 tok/s 167–445 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	6.2 GB	Q8_0	Wygodny
212 tok/s 127–339 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	6.2 GB	Q8_0	Wygodny
212 tok/s 127–339 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	6.2 GB	Q8_0	Wygodny
176 tok/s 106–282 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	6.2 GB	Q8_0	Wygodny
173 tok/s 104–276 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	6.2 GB	Q8_0	Wygodny
169 tok/s 101–270 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	6.2 GB	Q8_0	Wygodny
169 tok/s 101–270 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	6.2 GB	Q8_0	Wygodny
169 tok/s 101–270 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	6.2 GB	Q8_0	Wygodny
169 tok/s 101–270 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	6.2 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: Stability AI
Typ organizacji: Industry
Kraj: United Kingdom of Great Britain and Northern Ireland
Opublikowany: 12 February 2024

Co to robi

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

Domena: Image generation
Zadanie: Text-to-image, Image generation

Rozmiar

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

parametry: 5.1B
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 (non-commercial)
Kod treningowy: Open source

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: Introducing Stable Cascade
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Stable Cascade

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 Stable Cascade

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

Tesla C1080

Pamięć potrzebna

3.5 GB

Najszybszy

662 tok/s

Stable Cascade osiąga liczbę parametrów równą 5.1B. 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: 818.

Najmniejsza karta, która to utrzymuje, to Tesla C1080, o pojemności pamięci 4 GB, uruchomienie go przy kompresji IQ4_XS i produkując około 17.7 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 662 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

Stable Cascade został opublikowany przez Stability AI, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas February 2024. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Image generation, i jest zapisany jako wykonujący zadanie text-to-image, Image generation.

Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć.

Co decyduje o szybkości

Połowa kart, które go trzymają, osiąga więcej niż 26.4 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 770 ich

To jest gęsty model, więc każdy parametr jest odczytywany dla każdego wyprodukowanego tokena. To sprawia, że prędkość śledzi przepustowość pamięci prawie dokładnie — karta z podwójną przepustowością generuje w przybliżeniu dwa razy szybciej.

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 Stable Cascade

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 Stable Cascade, potrzebując około 3.5 GB przy kompresji IQ4_XS. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Zdecyduj, jak długo trwają twoje rozmowy

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. Stable Cascade.
03

Wybierz, jak daleko chcesz to skompresować.

Kompresja to to, co sprawia, że model mieści się w mniejszych KARTACH, kosztem pewnej dokładności., osiągnięcie kompresji IQ4_XS 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

Oceń według przepustowości, a nie kart specyfikacji

Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla Stable Cascade. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 662 tok/s
05

Sprawdź werdykt dopasowania przed zakupem

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku Stable Cascade. 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 Stable Cascade.

Odpowiedzi

Stable Cascade — częste pytania

Stable Cascade— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla C1080, o pojemności pamięci 4 GB. Uruchamia model przy kompresji IQ4_XS używając około 3.5 GB, i produkuje w przybliżeniu 17.7 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 818.

Stable Cascade— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 662 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 770.

Stable Cascade— Ile VRAM-u potrzebuje?

Potrzebuje około 3.5 GB przy kompresji IQ4_XS, 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.

Stable Cascade— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q8_0, używając około 6.2 GB i generując w przybliżeniu 123 tokenów na sekundę. Dopasowanie jest ciasne.

Stable Cascade— 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 6.2 GB i generując w przybliżeniu 75.5 tokenów na sekundę. Dopasowanie jest komfortowe.

Stable Cascade— 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 6.2 GB i generując w przybliżeniu 93.5 tokenów na sekundę. Dopasowanie jest komfortowe.

Stable Cascade— 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 6.2 GB i generując w przybliżeniu 111 tokenów na sekundę. Dopasowanie jest komfortowe.

Stable Cascade— 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.

Stable Cascade— ile ma parametrów?

Ma liczbę parametrów równą 5.1B. "we are providing two checkpoints for Stage C, two for Stage B and one for Stage A. Stage C comes with a 1 billion and 3.6 billion parameter version, but we highly recommend using the 3.6 billion version, as most work was put into its finetuning. The two versions for Stage B amount to 700 million and 1.5 billion parameters. Both achieve great results, however the 1.5 billion excels at reconstructing small and fine details. Therefore, you will achieve the best results if you use the larger variant of each. Lastly, Stage A contains 20 million parameters and is fixed due to its small size." 3.6B + 1.5B + 20M = 5.12B. 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.

Stable Cascade— kto to stworzył?

Zostało opublikowane przez Stability AI, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako industry.

Stable Cascade— kiedy to zostało wydane?

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

Stable Cascade— do czego to służy?

Działa w dziedzinie Image generation, i jest zarejestrowany jako realizujący zadanie text-to-image, Image generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

Stable Cascade— Gdzie mogę to pobrać?

Wagi są opublikowane, chociaż nie posiadamy linku do repozytorium. Ta strona oblicza wymagania sprzętowe, a nie hostuje pliki modelu.

Stable Cascade— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Tylko przez odciążenie, co zwykle jest fałszywą oszczędnością: część trzymana w pamięci systemowej spowalnia cały proces. Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Stable Cascade— 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: 818. Więc druga karta rzadko jest odpowiedzią tutaj.

Stable Cascade— 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.

Stable Cascade— 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: 397–1,059 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

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