Llemma 7B kalkulator TPS

Otwórz wagi Princeton University,EleutherAI,University of Toronto,Vector Institute,University of Cambridge,Carnegie Mellon University (CMU),University of Washington 7B 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 · Q3_K_M · 28.9 tok/s

Najszybsza karta

B200

484 tok/s · 180 GB

Które GPU mogą uruchomić Llemma 7B?

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
484 tok/s 290–774 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	8.2 GB	Q8_0	Wygodny
484 tok/s 290–774 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	8.2 GB	Q8_0	Wygodny
387 tok/s 232–618 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	8.2 GB	Q8_0	Wygodny
387 tok/s 232–618 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	8.2 GB	Q8_0	Wygodny
309 tok/s 185–495 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	8.2 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.2 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	8.2 GB	Q8_0	Wygodny
283 tok/s 170–453 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	8.2 GB	Q8_0	Wygodny
251 tok/s 151–402 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	8.2 GB	Q8_0	Wygodny
251 tok/s 151–402 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	8.2 GB	Q8_0	Wygodny
251 tok/s 151–402 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	8.2 GB	Q8_0	Wygodny
238 tok/s 143–381 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
203 tok/s 122–325 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	8.2 GB	Q8_0	Wygodny
155 tok/s 93–248 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	8.2 GB	Q8_0	Wygodny
155 tok/s 93–248 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	8.2 GB	Q8_0	Wygodny
131 tok/s 79–210 · niska pewność	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.6 GB	Q6_K	Wąski
129 tok/s 77–206 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	8.2 GB	Q8_0	Wygodny
126 tok/s 76–202 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	8.2 GB	Q8_0	Wygodny
123 tok/s 74–197 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	8.2 GB	Q8_0	Wygodny
123 tok/s 74–197 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	8.2 GB	Q8_0	Wygodny
123 tok/s 74–197 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	8.2 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: Princeton University,EleutherAI,University of Toronto,Vector Institute,University of Cambridge,Carnegie Mellon University (CMU),University of Washington
Typ organizacji: Academia,Research collective,Academia,Academia,Academia,Academia,Academia
Kraj: United States of America, Canada, United Kingdom of Great Britain and Northern Ireland
Opublikowany: 16 October 2023
Autorzy: Zhangir Azerbayev, Hailey Schoelkopf, Keiran Paster, Marco Dos Santos, Stephen McAleer, Albert Q. Jiang, Jia Deng, Stella Biderman, Sean Welleck

Co to robi

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

Domena: Mathematics, Language
Zadanie: Mathematical reasoning, Language modeling/generation, Question answering, Code generation
Model bazowy: Code Llama-7B
Format numeryczny: BF16

Rozmiar

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

parametry: 7B
Dane treningowe: 55,000,000,000 tokens
Epoki: 3.64
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: 1.2 × 10²³ FLOP
Jak to zostało ustalone: Operation counting,Hardware
Dostosowywanie obliczeń: 8.1 × 10²¹ 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: 256
Czas-chip: 23,000
Pobór mocy: 203.3 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
Hugging Face: EleutherAI

Jak jest klasyfikowane

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

Zapisz pewność: Confident
Cytaty: 440

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Llemma: An Open Language Model For Mathematics
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Llemma 7B

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 Llemma 7B

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

4.1 GB

Najszybszy

484 tok/s

Llemma 7B osiąga liczbę parametrów równą 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 28.9 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 484 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Skąd to pochodzi

Llemma 7B został opublikowany przez Princeton University,EleutherAI,University of Toronto,Vector Institute,University of Cambridge,Carnegie Mellon University (CMU),University of Washington, w kraju zapisanym jako United States of America, podczas October 2023. Wychodzi z organizacji zaklasyfikowanej jako academia,Research collective,Academia,Academia,Academia,Academia,Academia.

Działa w dziedzinie Mathematics, Language, i jest zapisany jako wykonujący zadanie mathematical reasoning, Language modeling/generation, Question answering, Code generation.

Jego punktem wyjścia był istniejący model podstawowy, Code Llama-7B. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.

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 EleutherAI.

Zrozumienie prędkości

Połowa kart, które go trzymają, osiąga więcej niż 26.1 tokenów na sekundę 559 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.

Szkolenie i pochodzenie

Trenowanie zajęło budżet obliczeniowy wynoszący około 1.2 × 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.

Został wytrenowany na korpusie około 55,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do Llemma 7B

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 Llemma 7B, potrzebując około 4.1 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
02

Zdecyduj, jak długo trwają twoje rozmowy

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 Llemma 7B.
03

Zdecyduj, ile kompresji zaakceptujesz

Każda KARTA uruchamia najmniej skompresowaną kopię, jaką może pomieścić., 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 Llemma 7B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 484 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku Llemma 7B. 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 Llemma 7B.

Odpowiedzi

Llemma 7B — częste pytania

Llemma 7B— ile ma parametrów?

Ma liczbę parametrów równą 7B. https://arxiv.org/abs/2310.10631. 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.

Llemma 7B— kto to stworzył?

Zostało opublikowane przez Princeton University,EleutherAI,University of Toronto,Vector Institute,University of Cambridge,Carnegie Mellon University (CMU),University of Washington, oparty na United States of America, organizacja sklasyfikowana jako academia,Research collective,Academia,Academia,Academia,Academia,Academia.

Llemma 7B— 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.

Llemma 7B— do czego to służy?

Działa w dziedzinie Mathematics, Language, i jest zarejestrowany jako realizujący zadanie mathematical reasoning, Language modeling/generation, Question answering, Code generation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.

Llemma 7B— Gdzie mogę to pobrać?

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

Llemma 7B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1.2 × 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.

Llemma 7B— 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 1.3 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Llemma 7B— 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: 589. Więc druga karta rzadko jest odpowiedzią tutaj.

Llemma 7B— 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.

Llemma 7B— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 290–774 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Llemma 7B— 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 4.1 GB, i produkuje w przybliżeniu 28.9 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 589.

Llemma 7B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 484 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 559.

Llemma 7B— Ile VRAM-u potrzebuje?

Potrzebuje około 4.1 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.

Llemma 7B— 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 6.6 GB i generując w przybliżeniu 131 tokenów na sekundę. Dopasowanie jest ciasne.

Llemma 7B— 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 8.2 GB i generując w przybliżeniu 55.2 tokenów na sekundę. Dopasowanie jest komfortowe.

Llemma 7B— 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 8.2 GB i generując w przybliżeniu 68.4 tokenów na sekundę. Dopasowanie jest komfortowe.

Llemma 7B— 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 8.2 GB i generując w przybliżeniu 81.1 tokenów na sekundę. Dopasowanie jest komfortowe.

Llemma 7B— 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.

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