Code Llama-70B kalkulator TPS

Otwórz wagi Meta AI 70B parametry January 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

61 karty, które mogą go uruchomić

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 Code Llama-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

41–58

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 73.8 GB Q8_0 Wygodny
48.4 tok/s

41–58

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 73.8 GB Q8_0 Wygodny
38.7 tok/s

23–62 · niska pewność

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 73.8 GB Q8_0 Wygodny
38.7 tok/s

23–62 · niska pewność

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 73.8 GB Q8_0 Wygodny
30.9 tok/s

19–49 · niska pewność

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 73.8 GB Q8_0 Wygodny
29.6 tok/s

25–36

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 73.8 GB Q8_0 Wygodny
29.6 tok/s

25–36

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 73.8 GB Q8_0 Wygodny
29.5 tok/s

25–35

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 57.5 GB Q6_K Wygodny
29.5 tok/s

25–35

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 57.5 GB Q6_K Wygodny
28.3 tok/s

17–45 · niska pewność

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 73.8 GB Q8_0 Wygodny
26.1 tok/s

22–31

GRID A100B NVIDIA 48 GB 1,870 GB/s May 2020 41.2 GB Q4_K_M Wąski
25.5 tok/s

22–31

A100 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Jun 2020 33.0 GB Q3_K_M Wąski
25.5 tok/s

22–31

A100 SXM4 40 GB NVIDIA 40 GB 1,560 GB/s May 2020 33.0 GB Q3_K_M Wąski
25.5 tok/s

22–31

A800 PCIe 40 GB NVIDIA 40 GB 1,560 GB/s Nov 2022 33.0 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 73.8 GB Q8_0 Wygodny
25.1 tok/s

15–40 · niska pewność

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 73.8 GB Q8_0 Wygodny
25.1 tok/s

15–40 · niska pewność

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 73.8 GB Q8_0 Wygodny
23.8 tok/s

20–29

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 73.8 GB Q8_0 Wąski
20.3 tok/s

17–24

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 73.8 GB Q8_0 Wąski
20.3 tok/s

17–24

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 73.8 GB Q8_0 Wąski
20.3 tok/s

17–24

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 73.8 GB Q8_0 Wąski
18.7 tok/s

16–22

RTX PRO 5000 Blackwell NVIDIA 48 GB 1,340 GB/s Mar 2025 41.2 GB Q4_K_M Wąski
17.9 tok/s

15–22

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 57.5 GB Q6_K Wygodny
17.9 tok/s

15–22

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 57.5 GB Q6_K Wygodny
17.9 tok/s

15–22

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 57.5 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
Meta AI
Typ organizacji
Industry
Kraj
United States of America
Opublikowany
29 January 2024
Autorzy
Baptiste Rozière, Jonas Gehring, Fabian Gloeckle, Sten Sootla, Itai Gat, Ellen Tan, Yossef (Yossi) Adi, Jingyu Liu, Tal Remez, Jérémy Rapin, Artyom Kozhevnikov, Ivan Evtimov, Joanna Bitton, Manish Bhatt, Cristian Canton Ferrer, Aaron Grattafiori, Wenhan Xiong, Alexandre Defossez, Jade Copet, Faisal Azhar, Hugo Touvron, Gabriel Synnaeve, Louis Martin, Nicolas Usunier, Thomas Scialom

Co to robi

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

Domena
Language
Zadanie
Code generation
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

70B

Dane treningowe
3,000,000,000,000 tokens

Llama 70B training dataset was 2 trillion tokens. Code Llama finetuning dataset was 1 trillion tokens of code.

Epoki
1
Rozmiar wsadu
4,000,000

Llama 2 pretraining used 4M batches. I believe the sentence below refers to the training from Llama 2 -> Code Llama-base. "We use a batch size of 4M tokens which are presented as sequences of 4,096 tokens each." Subsequent fine-tuning batch sizes are 500k-1M. "For Code Llama - Instruct, we train with a batch size of 524,288 tokens and on approx. 5B tokens in total... For long context fine-tuning (LCFT)... the batch size is set to 2M tokens for model sizes 7B and 13B and to 1M tokens for mod…

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
1.3 × 10²⁴ FLOP

Base model saw 2T tokens, Code Llama-70B was trained on an additional 1T. 6NC: 6 * 3T * 70B = 1.26e24

Jak to zostało ustalone
Operation counting
Dostosowywanie obliczeń
4.2 × 10²³ FLOP

Fine tuning from base model uses 1T tokens. 70B * 1T * 6 = 4.2E23

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 80 GB
Zastosowane chipy
400
Czas-chip
2,705,320
Czas rzeczywisty
6,480 hours (270 days)

Assuming Code Llama 70B training continued on same hardware as Llama 2 70B. Llama 2 70B used 1720320 A100 hours. Training all Code Llama models took 1.4M A100 hours (Table 26). Based on model sizes and number of tokens seen, 70B model used about 985k A100 hours to fine tune (see utilization notes). Total GPU hours is thus around 2.7M

Wykorzystanie sprzętu
MFU 38.2%

Based on 6NC estimate, fine tuning required around 4.2e23 FLOP. Table 26 indicates 1400k A100 GPU hours used to train all twelve models, i.e. 1400k * 3600 * 3.12e14 = 1.57e24 FLOP. 70B model trained on 1T tokens while others used 500B. Python finetuning added another 100B tokens to each. 70B's share of total GPU hours was around: (70 billion * 1.1 trillion) / (((7 + 13 + 34) billion * 600 billion) + (70 billion * 1.1 trillion)) = 0.7038 Implies actual GPU-hours for 70B model was: 0.7038 * 1400k …

Pobór mocy
316.8 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 (restricted use)
Kod treningowy
Unreleased

Llama 2 license. can't use outputs to train models. https://github.com/meta-llama/llama/blob/main/LICENSE

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
Cytaty
3,163

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja
Code Llama: Open Foundation Models for Code
Ostatnio zaktualizowane
25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Code Llama-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..

  1. 01 B300 288 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  2. 02 B200 180 GB · 8,000 GB/s · Q8_0 48.4 tok/s
  3. 03 Radeon Instinct MI350X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  4. 04 Radeon Instinct MI355X 288 GB · 8,190 GB/s · Q8_0 38.7 tok/s
  5. 05 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q8_0 30.9 tok/s
  6. 06 H200 NVL 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  7. 07 H200 SXM 141 GB 141 GB · 4,890 GB/s · Q8_0 29.6 tok/s
  8. 08 H800 SXM5 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  9. 09 H100 SXM5 80 GB 80 GB · 3,360 GB/s · Q6_K 29.5 tok/s
  10. 10 Radeon Instinct MI325X 256 GB · 6,000 GB/s · Q8_0 28.3 tok/s

Najmniejsze GPU, które nadal działają Code Llama-70B

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

  1. 01 A800 PCIe 40 GB 40 GB · potrzeby 33.0 GB · Q3_K_M · Wąski 25.5 tok/s
  2. 02 A100 PCIe 40 GB 40 GB · potrzeby 33.0 GB · Q3_K_M · Wąski 25.5 tok/s
  3. 03 A100 SXM4 40 GB 40 GB · potrzeby 33.0 GB · Q3_K_M · Wąski 25.5 tok/s
  4. 04 Radeon PRO W7900D 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 9.4 tok/s
  5. 05 RTX PRO 5000 Blackwell 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 18.7 tok/s
  6. 06 RTX 5880 Ada Generation 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 12.1 tok/s
  7. 07 L20 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 12.1 tok/s
  8. 08 Radeon PRO W7800 48 GB 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 9.4 tok/s
  9. 09 Radeon PRO W7900 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 9.4 tok/s
  10. 10 Data Center GPU Max 1100 48 GB · potrzeby 41.2 GB · Q4_K_M · Wąski 11.2 tok/s

Co oznaczają liczby

Co jest potrzebne, aby uruchomić ten model

Minimalna karta

A100 PCIe 40 GB

Pamięć potrzebna

33.0 GB

Najszybszy

48.4 tok/s

Code Llama-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.

Najmniejsza karta, która to utrzymuje, to A100 PCIe 40 GB, o pojemności pamięci 40 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 25.5 tokeny na sekundę

Najwyższa półka to B200, generowanie w przybliżeniu 48.4 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

Code Llama-70B został opublikowany przez Meta AI, w kraju zapisanym jako United States of America, podczas January 2024. Kategoria, do której należy wydawca, to industry.

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

Jego punktem wyjścia był istniejący model podstawowy, Llama 2-70B. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.

Opublikowane wagi oznaczają, że model działa na twojej maszynie, a nie na czyjejś, co sprawia, że poniższe pytanie dotyczące sprzętu jest w ogóle możliwe do odpowiedzi.

Jak szybko działa i dlaczego

Na każdej karcie, która może go uruchomić, środek zakresu plasuje się w 17.1 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 49 ich

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

Ponieważ architektura jest zarejestrowana, kolumna pamięci jest wyprowadzana, a nie szacowana.

Co poszło w budowę tego

Trening zajmował około 1.3 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100 SXM4 80 GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Został wytrenowany na korpusie około 3,000,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do Code Llama-70B

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

  1. 01

    Przeczytaj najpierw liczbę pamięci

    Tabela zawiera każdą kartę, która jest w stanie pomieścić Code Llama-70B, potrzebując około 33.0 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.

  2. 02

    Dopasuj kontekst do swojego rzeczywistego użycia

    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 Code Llama-70B.

  3. 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.

  4. 04

    Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

    Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla Code Llama-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

  5. 05

    Sprawdź werdykt dopasowania przed zakupem

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

  6. 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 Code Llama-70B.

Odpowiedzi

Code Llama-70B — częste pytania

01

Code Llama-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: 49.

02

Code Llama-70B— Ile VRAM-u potrzebuje?

Potrzebuje około 33.0 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.

03

Code Llama-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.

04

Code Llama-70B— ile ma parametrów?

Ma liczbę parametrów równą 70B. 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.

05

Code Llama-70B— kto to stworzył?

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

06

Code Llama-70B— kiedy to zostało wydane?

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

07

Code Llama-70B— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie code generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

08

Code Llama-70B— Gdzie mogę to pobrać?

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

09

Code Llama-70B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1.3 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100 SXM4 80 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.

10

Code Llama-70B— 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. Najbliższy brak, który obliczamy, jest za mały o 12.4 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

11

Code Llama-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.

12

Code Llama-70B— 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.

13

Code Llama-70B— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 41–58 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

Code Llama-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 33.0 GB, i produkuje w przybliżeniu 25.5 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 61.

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