IDEFICS-80B kalkulator TPS

Otwórz wagi Hugging Face 80B parametry August 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

58 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Quadro RTX 8000

48 GB · Q3_K_M · 9.6 tok/s

Najszybsza karta

B200

42.4 tok/s · 180 GB

Które GPU mogą uruchomić IDEFICS-80B?

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.

58 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
42.4 tok/s 25–68 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	86.4 GB	Q8_0	Wygodny
42.4 tok/s 25–68 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	86.4 GB	Q8_0	Wygodny
33.8 tok/s 20–54 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Wygodny
33.8 tok/s 20–54 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	86.4 GB	Q8_0	Wygodny
30.3 tok/s 18–48 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	67.7 GB	Q6_K	Wygodny
27.1 tok/s 16–43 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	86.4 GB	Q8_0	Wygodny
26.7 tok/s 16–43 · niska pewność	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	39.8 GB	Q3_K_M	Wąski
25.9 tok/s 16–41 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Wygodny
25.9 tok/s 16–41 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	86.4 GB	Q8_0	Wygodny
25.9 tok/s 16–41 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	67.7 GB	Q6_K	Wąski
25.9 tok/s 16–41 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	Wygodny
25.9 tok/s 16–41 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	67.7 GB	Q6_K	Wąski
24.8 tok/s 15–40 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	86.4 GB	Q8_0	Wygodny
24.7 tok/s 15–40 · niska pewność	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	49.1 GB	Q4_K_M	Wąski
22.0 tok/s 13–35 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Wygodny
22.0 tok/s 13–35 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Wygodny
22.0 tok/s 13–35 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	86.4 GB	Q8_0	Wygodny
19.1 tok/s 11–31 · niska pewność	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	39.8 GB	Q3_K_M	Wąski
17.8 tok/s 11–28 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	Wąski
17.8 tok/s 11–28 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.4 GB	Q8_0	Wąski
15.7 tok/s 9–25 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	67.7 GB	Q6_K	Wąski
15.7 tok/s 9–25 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	67.7 GB	Q6_K	Wąski
15.7 tok/s 9–25 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	67.7 GB	Q6_K	Wąski
15.7 tok/s 9–25 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	67.7 GB	Q6_K	Wąski
15.7 tok/s 9–25 · niska pewność	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	67.7 GB	Q6_K	Wąski

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: Hugging Face
Typ organizacji: Industry
Kraj: United States of America
Opublikowany: 22 August 2023
Autorzy: Hugo Laurencon, Daniel van Strien, Stas Bekman, Leo Tronchon, Lucile Saulnier, Thomas Wang, Siddharth Karamcheti, Amanpreet Singh, Giada Pistilli, Yacine Jernite, Victor Sanh

Co to robi

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

Domena: Multimodal, Language, Vision
Zadanie: Language modeling, Image captioning, Visual question answering
Model bazowy: LLaMA-65B,CLIP ViT-H/14 - LAION-2B
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: 80B
Dane treningowe: 149,600,000,000 tokens
Rozmiar wsadu: 3,670,000

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: Hardware,Operation counting

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
Zastosowane chipy: 512
Czas rzeczywisty: 672 hours (28 days)
Pobór mocy: 407.0 kW
Dostawca chmury: AWS

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: Unreleased
Hugging Face: HuggingFaceM4

Jak jest klasyfikowane

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

Model bazowy: Yes
Prawdopodobnie powyżej 10²³ FLOP: Yes
Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Introducing IDEFICS: An Open Reproduction of State-of-the-Art Visual Language Model
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają IDEFICS-80B

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 IDEFICS-80B

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

Co oznaczają liczby

Wymagania sprzętowe w praktyce

Minimalna karta

Quadro RTX 8000

Pamięć potrzebna

39.8 GB

Najszybszy

42.4 tok/s

IDEFICS-80B osiąga liczbę parametrów równą 80B. 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: 58.

Punkt wejścia to Quadro RTX 8000, o pojemności pamięci 48 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 9.6 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 42.4 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

IDEFICS-80B został opublikowany przez Hugging Face, w kraju zapisanym jako United States of America, podczas August 2023. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Multimodal, Language, Vision, i jest zapisany jako wykonujący zadanie language modeling, Image captioning, Visual question answering.

Opiera się na LLaMA-65B,CLIP ViT-H/14 - LAION-2B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

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 HuggingFaceM4.

Co decyduje o szybkości

Mediana wyniku wynosi około 14.9 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 43 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.

Co poszło w budowę tego

Trening zajmował około 1.2 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Trening zużył korpus około 149,600,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do IDEFICS-80B

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

01

Przeczytaj najpierw liczbę pamięci

Tabela zawiera każdą kartę, która jest w stanie pomieścić IDEFICS-80B, potrzebując około 39.8 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
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 IDEFICS-80B.
03

Wybierz, jak daleko chcesz to skompresować.

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.
04

Oceń według przepustowości, a nie kart specyfikacji

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. IDEFICS-80B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 42.4 tok/s
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 IDEFICS-80B. 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

Otwórz kartę, na którą się zdecydowałeś

Każda strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza IDEFICS-80B.

Odpowiedzi

IDEFICS-80B — częste pytania

IDEFICS-80B— 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.

IDEFICS-80B— ile ma parametrów?

Ma liczbę parametrów równą 80B. IDEFICS... comes in two variants—the base version and the instructed version. Each variant is available at the 9 billion and 80 billion parameter sizes. 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.

IDEFICS-80B— kto to stworzył?

Zostało opublikowane przez Hugging Face, oparty na United States of America, organizacja sklasyfikowana jako industry.

IDEFICS-80B— kiedy to zostało wydane?

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

IDEFICS-80B— do czego to służy?

Działa w dziedzinie Multimodal, Language, Vision, i jest zarejestrowany jako realizujący zadanie language modeling, Image captioning, Visual question answering. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.

IDEFICS-80B— Gdzie mogę to pobrać?

Jego wagi są publikowane na Hugging Face, pod organizacją HuggingFaceM4. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.

IDEFICS-80B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1.2 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. 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.

IDEFICS-80B— 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. Najbliższy brak, który obliczamy, jest za mały o 13.1 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

IDEFICS-80B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 58. Więc druga karta rzadko jest odpowiedzią tutaj.

IDEFICS-80B— 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: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

IDEFICS-80B— 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: 25–68 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

IDEFICS-80B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Quadro RTX 8000, o pojemności pamięci 48 GB. Uruchamia model przy kompresji Q3_K_M używając około 39.8 GB, i produkuje w przybliżeniu 9.6 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 58.

IDEFICS-80B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 42.4 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 43.

IDEFICS-80B— Ile VRAM-u potrzebuje?

Potrzebuje około 39.8 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.

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