ChatGLM3-6B kalkulator TPS

Otwórz wagi Z.ai (Zhipu AI) 6B parametry October 2023

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 · Q4_K_M · 28.8 tok/s

Najszybsza karta

B200

565 tok/s · 180 GB

Które GPU mogą uruchomić ChatGLM3-6B?

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
565 tok/s 339–904 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	7.1 GB	Q8_0	Wygodny
565 tok/s 339–904 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	7.1 GB	Q8_0	Wygodny
451 tok/s 271–721 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	7.1 GB	Q8_0	Wygodny
451 tok/s 271–721 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	7.1 GB	Q8_0	Wygodny
361 tok/s 216–577 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	7.1 GB	Q8_0	Wygodny
345 tok/s 207–552 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	7.1 GB	Q8_0	Wygodny
345 tok/s 207–552 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	7.1 GB	Q8_0	Wygodny
330 tok/s 198–529 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	7.1 GB	Q8_0	Wygodny
293 tok/s 176–469 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	7.1 GB	Q8_0	Wygodny
293 tok/s 176–469 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	7.1 GB	Q8_0	Wygodny
293 tok/s 176–469 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	7.1 GB	Q8_0	Wygodny
278 tok/s 167–445 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	7.1 GB	Q8_0	Wygodny
237 tok/s 142–379 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	7.1 GB	Q8_0	Wygodny
237 tok/s 142–379 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	7.1 GB	Q8_0	Wygodny
237 tok/s 142–379 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	7.1 GB	Q8_0	Wygodny
237 tok/s 142–379 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	7.1 GB	Q8_0	Wygodny
237 tok/s 142–379 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	7.1 GB	Q8_0	Wygodny
181 tok/s 108–289 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	7.1 GB	Q8_0	Wygodny
181 tok/s 108–289 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	7.1 GB	Q8_0	Wygodny
150 tok/s 90–241 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	7.1 GB	Q8_0	Wygodny
147 tok/s 88–236 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	7.1 GB	Q8_0	Wygodny
144 tok/s 86–230 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	7.1 GB	Q8_0	Wygodny
144 tok/s 86–230 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	7.1 GB	Q8_0	Wygodny
144 tok/s 86–230 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	7.1 GB	Q8_0	Wygodny
144 tok/s 86–230 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	7.1 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: Z.ai (Zhipu AI)
Typ organizacji: Industry
Kraj: China
Opublikowany: 27 October 2023
Autorzy: Aohan Zeng, Bin Xu, Bowen Wang, Chenhui Zhang, Da Yin, Diego Rojas, Guanyu Feng, Hanlin Zhao, Hanyu Lai, Hao Yu, Hongning Wang, Jiadai Sun, Jiajie Zhang, Jiale Cheng, Jiayi Gui, Jie Tang, Jing Zhang, Juanzi Li, Lei Zhao, Lindong Wu, Lucen Zhong, Mingdao Liu, Minlie Huang, Peng Zhang, Qinkai Zheng, Rui Lu, Shuaiqi Duan, Shudan Zhang, Shulin Cao, Shuxun Yang, Weng Lam Tam, Wenyi Zhao, Xiao Liu, Xiao…

Co to robi

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

Domena: Multimodal, Language, Vision
Zadanie: Chat, Visual question answering, Code 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: 6B
Dane treningowe: 1,400,000,000,000 tokens

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: 5 × 10²² FLOP
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 (restricted use)
Kod treningowy: Unreleased

Jak jest klasyfikowane

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

Model bazowy: Yes
Dlaczego to jest śledzone: SOTA improvement
Zapisz pewność: Speculative

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Zhipu AI launches third-generation base model
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają ChatGLM3-6B

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 ChatGLM3-6B

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 K20c

Pamięć potrzebna

4.3 GB

Najszybszy

565 tok/s

ChatGLM3-6B osiąga liczbę parametrów równą 6B. 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.

Najmniejsza karta, która to utrzymuje, to Tesla K20c, o pojemności pamięci 5 GB, uruchomienie go przy kompresji Q4_K_M i produkując około 28.8 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 565 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

ChatGLM3-6B został opublikowany przez Z.ai (Zhipu AI), w kraju zapisanym jako China, podczas October 2023. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Multimodal, Language, Vision, i jest zapisany jako wykonujący zadanie chat, Visual question answering, Code generation.

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

Czytanie wskaźników przepustowości

Mediana wyniku wynosi około 25.4 tokenów na sekundę 539 ich

Każda waga uczestniczy w każdym tokenie tutaj, więc szerokość pasma jest całą historią: poniższa lista to w rzeczywistości ranking 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

Trening zajmował około 5 × 10²² FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Zbiór treningowy trwał około 1,400,000,000,000 Tokeny tekstu.

Kryterium włączenia: sOTA improvement.

Krok po kroku

Jak wybrać GPU do ChatGLM3-6B

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 ChatGLM3-6B, potrzebując około 4.3 GB przy kompresji Q4_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Dopasuj kontekst do swojego rzeczywistego użycia

Dłuższe rozmowy kosztują pamięć oprócz tego, co potrzebują wagi. Przesuń suwak do swojej rzeczywistej długości roboczej przed zaufaniem jakiejkolwiek linii dla ChatGLM3-6B.
03

Wybierz, jak daleko chcesz to skompresować.

Kompresja to to, co sprawia, że model mieści się w mniejszych KARTACH, kosztem pewnej dokładności., osiągnięcie kompresji Q4_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

Oceń według przepustowości, a nie kart specyfikacji

Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla ChatGLM3-6B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 565 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 ChatGLM3-6B. 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 ChatGLM3-6B.

Odpowiedzi

ChatGLM3-6B — częste pytania

ChatGLM3-6B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 5 × 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.

ChatGLM3-6B— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Częściowo. Warstwy, które nie mieszczą się w GPU VRAM, znajdują się w pamięci systemu i działają z ułamkową prędkością, więc model, który jest w dużej mierze przeniesiony, rzadko jest wart używania. Najbliższy brak, który obliczamy, jest za mały o 0.7 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

ChatGLM3-6B— 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.

ChatGLM3-6B— 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: 3. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

ChatGLM3-6B— 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: 339–904 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

ChatGLM3-6B— 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 Q4_K_M używając około 4.3 GB, i produkuje w przybliżeniu 28.8 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 589.

ChatGLM3-6B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 565 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 539.

ChatGLM3-6B— Ile VRAM-u potrzebuje?

Potrzebuje około 4.3 GB przy kompresji Q4_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.

ChatGLM3-6B— 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 7.1 GB i generując w przybliżeniu 105 tokenów na sekundę. Dopasowanie jest ciasne.

ChatGLM3-6B— 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 7.1 GB i generując w przybliżeniu 64.4 tokenów na sekundę. Dopasowanie jest komfortowe.

ChatGLM3-6B— 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 7.1 GB i generując w przybliżeniu 79.8 tokenów na sekundę. Dopasowanie jest komfortowe.

ChatGLM3-6B— 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 7.1 GB i generując w przybliżeniu 94.6 tokenów na sekundę. Dopasowanie jest komfortowe.

ChatGLM3-6B— 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.

ChatGLM3-6B— ile ma parametrów?

Ma liczbę parametrów równą 6B. 6B from https://arxiv.org/abs/2406.12793. 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.

ChatGLM3-6B— kto to stworzył?

Zostało opublikowane przez Z.ai (Zhipu AI), oparty na China, organizacja sklasyfikowana jako industry.

ChatGLM3-6B— kiedy to zostało wydane?

Zostało opublikowane w October 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

ChatGLM3-6B— do czego to służy?

Działa w dziedzinie Multimodal, Language, Vision, i jest zarejestrowany jako realizujący zadanie chat, Visual question answering, Code generation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

ChatGLM3-6B— Gdzie mogę to pobrać?

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

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