Code Llama-34B kalkulator TPS

Otwórz wagi Meta AI 34B 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

132 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

RTX A4500

20 GB · Q3_K_M · 21.5 tok/s

Najszybsza karta

B200

99.7 tok/s · 180 GB

Które GPU mogą uruchomić Code Llama-34B?

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.

132 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
99.7 tok/s 85–120	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	36.5 GB	Q8_0	Wygodny
99.7 tok/s 85–120	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	36.5 GB	Q8_0	Wygodny
79.6 tok/s 48–127 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	36.5 GB	Q8_0	Wygodny
79.6 tok/s 48–127 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	36.5 GB	Q8_0	Wygodny
63.6 tok/s 38–102 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	36.5 GB	Q8_0	Wygodny
60.9 tok/s 52–73	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.5 GB	Q8_0	Wygodny
60.9 tok/s 52–73	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.5 GB	Q8_0	Wygodny
58.3 tok/s 35–93 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	36.5 GB	Q8_0	Wygodny
51.7 tok/s 31–83 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Wygodny
51.7 tok/s 31–83 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Wygodny
51.7 tok/s 31–83 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Wygodny
49.1 tok/s 42–59	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
41.9 tok/s 36–50	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
41.9 tok/s 36–50	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	36.5 GB	Q8_0	Wygodny
41.9 tok/s 36–50	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
41.9 tok/s 36–50	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
41.9 tok/s 36–50	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
38.5 tok/s 33–46	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.6 GB	Q4_K_M	Wąski
35.1 tok/s 30–42	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.6 GB	Q4_K_M	Wąski
33.9 tok/s 29–41	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.6 GB	Q6_K	Wąski
33.9 tok/s 29–41	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.6 GB	Q6_K	Wąski
32.4 tok/s 28–39	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.6 GB	Q6_K	Wąski
32.4 tok/s 28–39	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.6 GB	Q6_K	Wąski
31.9 tok/s 19–51 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	36.5 GB	Q8_0	Wygodny
31.9 tok/s 19–51 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	36.5 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: Meta AI
Typ organizacji: Industry
Kraj: United States of America
Opublikowany: 14 August 2023
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 2-34B

Rozmiar

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

parametry: 34B
Dane treningowe: 600,000,000,000 tokens
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: 5.3 × 10²³ FLOP
Jak to zostało ustalone: Operation counting
Dostosowywanie obliczeń: 1.2 × 10²³ 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 80 GB

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.

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-34B

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 Code Llama-34B

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

RTX A4500

Pamięć potrzebna

16.7 GB

Najszybszy

99.7 tok/s

Code Llama-34B osiąga liczbę parametrów równą 34B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 132.

Najmniejsza karta, która to utrzymuje, to RTX A4500, o pojemności pamięci 20 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 21.5 tokeny na sekundę

Najwyższa półka to B200, generowanie w przybliżeniu 99.7 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

Code Llama-34B został opublikowany przez Meta AI, w kraju zapisanym jako United States of America, podczas August 2023. 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 2-34B. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.

Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta.

Co decyduje o szybkości

Połowa kart, które go trzymają, osiąga więcej niż 19.7 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 100 ich

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

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

Co poszło w budowę tego

Trenowanie zajęło budżet obliczeniowy wynoszący około 5.3 × 10²³ 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.

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

Krok po kroku

Jak wybrać GPU do Code Llama-34B

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

Każda karta tutaj została sprawdzona pod kątem Code Llama-34B, potrzebując około 16.7 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
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 Code Llama-34B.
03

Ustal minimalną jakość

Kolumna kwantyzacji różni się w zależności od karty, ponieważ większa karta przechowuje dokładniejszą kopię., 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

Sortuj według prędkości

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. Code Llama-34B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 99.7 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 Code Llama-34B. 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 Code Llama-34B.

Odpowiedzi

Code Llama-34B — częste pytania

Code Llama-34B— Ile VRAM-u potrzebuje?

Potrzebuje około 16.7 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.

Code Llama-34B— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q4_K_M, używając około 20.6 GB i generując w przybliżeniu 38.5 tokenów na sekundę. Dopasowanie jest ciasne.

Code Llama-34B— 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.

Code Llama-34B— ile ma parametrów?

Ma liczbę parametrów równą 34B. 34B. 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.

Code Llama-34B— kto to stworzył?

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

Code Llama-34B— 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.

Code Llama-34B— do czego to służy?

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

Code Llama-34B— Gdzie mogę to pobrać?

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

Code Llama-34B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 5.3 × 10²³ 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.

Code Llama-34B— 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 6.2 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Code Llama-34B— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 132. Więc druga karta rzadko jest odpowiedzią tutaj.

Code Llama-34B— 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: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Code Llama-34B— 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: 85–120 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Code Llama-34B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to RTX A4500, o pojemności pamięci 20 GB. Uruchamia model przy kompresji Q3_K_M używając około 16.7 GB, i produkuje w przybliżeniu 21.5 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 132.

Code Llama-34B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 99.7 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 100.

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