Distilled Grandmaster kalkulator TPS

Otwórz wagi DeepMind 270M 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 · Q8_0 · 137 tok/s

Najszybsza karta

B200

12,549 tok/s · 180 GB

Które GPU mogą uruchomić Distilled Grandmaster?

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..

818 karty pasują

Obliczanie
potrzeby Kwantyzacja Pasuje
12,549 tok/s

7,529–20,078 · niska pewność

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 1.0 GB Q8_0 Wygodny
12,549 tok/s

7,529–20,078 · niska pewność

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 1.0 GB Q8_0 Wygodny
10,021 tok/s

6,012–16,033 · niska pewność

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 1.0 GB Q8_0 Wygodny
10,021 tok/s

6,012–16,033 · niska pewność

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 1.0 GB Q8_0 Wygodny
8,014 tok/s

4,808–12,823 · niska pewność

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 1.0 GB Q8_0 Wygodny
7,671 tok/s

4,602–12,273 · niska pewność

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 1.0 GB Q8_0 Wygodny
7,671 tok/s

4,602–12,273 · niska pewność

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 1.0 GB Q8_0 Wygodny
7,341 tok/s

4,405–11,746 · niska pewność

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 1.0 GB Q8_0 Wygodny
6,515 tok/s

3,909–10,424 · niska pewność

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 1.0 GB Q8_0 Wygodny
6,515 tok/s

3,909–10,424 · niska pewność

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 1.0 GB Q8_0 Wygodny
6,515 tok/s

3,909–10,424 · niska pewność

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 1.0 GB Q8_0 Wygodny
6,180 tok/s

3,708–9,889 · niska pewność

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 1.0 GB Q8_0 Wygodny
5,271 tok/s

3,162–8,433 · niska pewność

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.0 GB Q8_0 Wygodny
5,271 tok/s

3,162–8,433 · niska pewność

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 1.0 GB Q8_0 Wygodny
5,271 tok/s

3,162–8,433 · niska pewność

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 1.0 GB Q8_0 Wygodny
5,271 tok/s

3,162–8,433 · niska pewność

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 1.0 GB Q8_0 Wygodny
5,271 tok/s

3,162–8,433 · niska pewność

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 1.0 GB Q8_0 Wygodny
4,013 tok/s

2,408–6,421 · niska pewność

Radeon Instinct MI250 AMD 128 GB 3,280 GB/s Nov 2021 1.0 GB Q8_0 Wygodny
4,013 tok/s

2,408–6,421 · niska pewność

Radeon Instinct MI250X AMD 128 GB 3,280 GB/s Nov 2021 1.0 GB Q8_0 Wygodny
3,344 tok/s

2,007–5,351 · niska pewność

Data Center GPU Max 1550 Intel 128 GB 3,280 GB/s Jan 2023 1.0 GB Q8_0 Wygodny
3,273 tok/s

1,964–5,237 · niska pewność

Data Center GPU Max Subsystem Intel 128 GB 3,210 GB/s Jan 2023 1.0 GB Q8_0 Wygodny
3,200 tok/s

1,920–5,120 · niska pewność

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 1.0 GB Q8_0 Wygodny
3,200 tok/s

1,920–5,120 · niska pewność

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 1.0 GB Q8_0 Wygodny
3,200 tok/s

1,920–5,120 · niska pewność

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 1.0 GB Q8_0 Wygodny
3,200 tok/s

1,920–5,120 · niska pewność

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 1.0 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
DeepMind
Typ organizacji
Industry
Kraj
United Kingdom of Great Britain and Northern Ireland
Opublikowany
7 February 2024
Autorzy
Anian Ruoss, Grégoire Delétang, Sourabh Medapati, Jordi Grau-Moya, Li Kevin Wenliang, Elliot Catt, John Reid, Tim Genewein

Co to robi

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

Domena
Games
Zadanie
Chess
Podejście
Supervised

Rozmiar

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

parametry
270M

"Our largest model has roughly 270 million parameters."

Dane treningowe
1,194,960,000,000 tokens

15.32B examples * 78 tokens per example = 1.19e12 Training is supervised. I count each action-value (board state, action and numeric evaluation of state from Stockfish 16) as 1 data point."For our largest training dataset, based on 10M games, this results in 15.32B action-value estimates"

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 × 10²² FLOP

10356718320000000065536 FLOP "Board states 𝑠 are encoded as FEN strings which we convert to fixed-length strings of 77 characters where the ASCII-code of each character is one token." so 77 tokens for board + 1 token for action "For our largest training dataset, based on 10M games, this results in 15.32B action-value estimates" so input is 78 tokens for each action-value number of tokens = 1194960000000.0 The model is dense transformer " We train for 10 million steps, which corresponds to 2.67 e…

Jak to zostało ustalone
Operation counting

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

All software is licensed under the Apache License, Version 2.0 (Apache 2.0) The model weights are licensed under Creative Commons Attribution 4.0 (CC-BY). Some portions of the dataset are in the public domain by a Creative Commons CC0 license from lichess.org. The remainder of the dataset is licensed under Creative Commons Attribution 4.0 (CC-BY). https://github.com/google-deepmind/searchless_chess

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność
Confident
Cytaty
44

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja
Grandmaster-Level Chess Without Search
Ostatnio zaktualizowane
25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Distilled Grandmaster

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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 12,549 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 12,549 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 10,021 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 10,021 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 8,014 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 7,671 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 7,671 tok/s
  8. 08 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 7,341 tok/s
  9. 09 Radeon Instinct MI300A 128 GB · 5,325 GB/s · Q8_0 6,515 tok/s
  10. 10 Radeon Instinct MI300X 192 GB · 5,325 GB/s · Q8_0 6,515 tok/s

Najmniejsze GPU, które nadal działają Distilled Grandmaster

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

  1. 01 GeForce RTX 4010 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 151 tok/s
  2. 02 RTX A400 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 151 tok/s
  3. 03 RTX 500 Mobile Ada Generation 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 201 tok/s
  4. 04 GeForce RTX 3050 A Mobile 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 301 tok/s
  5. 05 Jetson Orin Nano 4 GB 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 53.5 tok/s
  6. 06 Radeon RX 6450M 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 157 tok/s
  7. 07 Radeon RX 6550M 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 176 tok/s
  8. 08 Radeon RX 6550S 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 157 tok/s
  9. 09 Arc A310 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 126 tok/s
  10. 10 Arc Pro A30M 4 GB · potrzeby 1.0 GB · Q8_0 · Wygodny 131 tok/s

Co oznaczają liczby

Co potrzebujesz, aby go uruchomić

Minimalna karta

Tesla C1080

Pamięć potrzebna

1.0 GB

Najszybszy

12,549 tok/s

Distilled Grandmaster osiąga liczbę parametrów równą 270M. 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.

Najmniejszy sprzęt, który działa, to Tesla C1080, o pojemności pamięci 4 GB, uruchomienie go przy kompresji Q8_0 i produkując około 137 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 12,549 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Skąd to pochodzi

Distilled Grandmaster został opublikowany przez DeepMind, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas February 2024. Wychodzi z organizacji zaklasyfikowanej jako industry.

Działa w dziedzinie Games, i jest zapisany jako wykonujący zadanie chess.

Ponieważ jego wagi zostały udostępnione, nic w kwestii uruchamiania go nie zależy od dostępności dostawcy — należy do ciebie po pobraniu.

Zrozumienie prędkości

Na każdej karcie, która może go uruchomić, środek zakresu plasuje się w 352.4 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 818 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.

Szkolenie i pochodzenie

Trening zajmował około 1 × 10²² FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Trening zużył korpus około 1,194,960,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do Distilled Grandmaster

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

  1. 01

    Zacznij od kolumny pamięci

    Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu Distilled Grandmaster, potrzebując około 1.0 GB przy kompresji Q8_0. To ta liczba, a nie nagłówkowa wydajność karty, decyduje o tym, czy można ją uruchomić.

  2. 02

    Ustaw długość kontekstu, z którą będziesz pracować

    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 Distilled Grandmaster.

  3. 03

    Zdecyduj, ile kompresji zaakceptujesz

    Kompresja to to, co sprawia, że model mieści się w mniejszych KARTACH, kosztem pewnej dokładności., osiągnięcie kompresji Q8_0 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.

  4. 04

    Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

    Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. Distilled Grandmaster. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 12,549 tok/s

  5. 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 Distilled Grandmaster. Wygodne oznacza, że możesz później zwiększyć kontekst. Ta różnica ma większe znaczenie niż kilka tokenów na sekundę, więc kupuj za wygodne, jeśli tego oczekujesz.

  6. 06

    Zobacz, co jeszcze ta karta uruchamia

    Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Distilled Grandmaster.

Odpowiedzi

Distilled Grandmaster — częste pytania

01

Distilled Grandmaster— 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 1.0 GB i generując w przybliżeniu 1,773 tokenów na sekundę. Dopasowanie jest komfortowe.

02

Distilled Grandmaster— 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 1.0 GB i generując w przybliżeniu 2,102 tokenów na sekundę. Dopasowanie jest komfortowe.

03

Distilled Grandmaster— 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.

04

Distilled Grandmaster— ile ma parametrów?

Ma liczbę parametrów równą 270M. "Our largest model has roughly 270 million parameters.". 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.

05

Distilled Grandmaster— kto to stworzył?

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

06

Distilled Grandmaster— 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.

07

Distilled Grandmaster— do czego to służy?

Działa w dziedzinie Games, i jest zarejestrowany jako realizujący zadanie chess. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

08

Distilled Grandmaster— Gdzie mogę to pobrać?

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

09

Distilled Grandmaster— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1 × 10²² 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.

10

Distilled Grandmaster— 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. Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

11

Distilled Grandmaster— 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.

12

Distilled Grandmaster— 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: 1. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

13

Distilled Grandmaster— 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: 7,529–20,078 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

14

Distilled Grandmaster— 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 Q8_0 używając około 1.0 GB, i produkuje w przybliżeniu 137 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 818.

15

Distilled Grandmaster— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 12,549 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 818.

16

Distilled Grandmaster— Ile VRAM-u potrzebuje?

Potrzebuje około 1.0 GB przy kompresji Q8_0, 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.

17

Distilled Grandmaster— 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 1.0 GB i generując w przybliżeniu 2,337 tokenów na sekundę. Dopasowanie jest komfortowe.

18

Distilled Grandmaster— 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 1.0 GB i generując w przybliżeniu 1,431 tokenów na sekundę. Dopasowanie jest komfortowe.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 25 May 2026

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