LLaMA-33B kalkulator TPS

Otwórz wagi Meta AI 32.5B parametry February 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 · 22.5 tok/s

Najszybsza karta

B200

104 tok/s · 180 GB

Które GPU mogą uruchomić LLaMA-33B?

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
104 tok/s 89–125	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	36.5 GB	Q8_0	Wygodny
104 tok/s 89–125	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	36.5 GB	Q8_0	Wygodny
83.3 tok/s 50–133 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	36.5 GB	Q8_0	Wygodny
83.3 tok/s 50–133 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	36.5 GB	Q8_0	Wygodny
66.6 tok/s 40–107 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	36.5 GB	Q8_0	Wygodny
63.7 tok/s 54–76	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.5 GB	Q8_0	Wygodny
63.7 tok/s 54–76	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	36.5 GB	Q8_0	Wygodny
61.0 tok/s 37–98 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	36.5 GB	Q8_0	Wygodny
54.1 tok/s 32–87 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Wygodny
54.1 tok/s 32–87 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Wygodny
54.1 tok/s 32–87 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	36.5 GB	Q8_0	Wygodny
51.3 tok/s 44–62	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	36.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	36.5 GB	Q8_0	Wygodny
43.5 tok/s 37–52	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	25.2 GB	Q5_K_M	Wąski
43.5 tok/s 37–52	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	25.2 GB	Q5_K_M	Wąski
41.7 tok/s 35–50	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.2 GB	Q5_K_M	Wąski
41.7 tok/s 35–50	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.2 GB	Q5_K_M	Wąski
40.3 tok/s 34–48	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	21.4 GB	Q4_K_M	Wąski
36.7 tok/s 31–44	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	21.4 GB	Q4_K_M	Wąski
33.3 tok/s 20–53 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	36.5 GB	Q8_0	Wygodny
33.3 tok/s 20–53 · 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: 27 February 2023
Autorzy: Hugo Touvron, Thibaut Lavril, Gautier Izacard, Xavier Martinet, Marie-Anne Lachaux, Timothée Lacroix, Baptiste Rozière, Naman Goyal, Eric Hambro, Faisal Azhar, Aurelien Rodriguez, Armand Joulin, Edouard Grave, Guillaume Lample

Co to robi

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

Domena: Language
Zadanie: Language modeling, Code generation, Language modeling/generation, Question answering

Rozmiar

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

parametry: 32.5B
Dane treningowe: 1,400,000,000,000 tokens
Epoki: 1.04
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: 2.7 × 10²³ 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 (non-commercial)
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: 19,926
Dane benchmarkowe: LLaMA-33B

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: LLaMA: Open and Efficient Foundation Language Models
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają LLaMA-33B

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 LLaMA-33B

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

Co oznaczają liczby

Co potrzebujesz, aby go uruchomić

Minimalna karta

RTX A4500

Pamięć potrzebna

17.6 GB

Najszybszy

104 tok/s

LLaMA-33B osiąga liczbę parametrów równą 32.5B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 132.

Najmniejszy sprzęt, który działa, to RTX A4500, o pojemności pamięci 20 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 22.5 tokeny na sekundę

Najwyższa półka to B200, generowanie w przybliżeniu 104 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Skąd to pochodzi

LLaMA-33B został opublikowany przez Meta AI, w kraju zapisanym jako United States of America, podczas February 2023. Kategoria, do której należy wydawca, to industry.

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

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.

Zrozumienie prędkości

Połowa kart, które go trzymają, osiąga więcej niż 22.1 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 106 ich

To jest gęsty model, więc każdy parametr jest odczytywany dla każdego wyprodukowanego tokena. To sprawia, że prędkość śledzi przepustowość pamięci prawie dokładnie — karta z podwójną przepustowością generuje w przybliżeniu dwa razy szybciej.

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

Szkolenie i pochodzenie

Trening zajmował około 2.7 × 10²³ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Został wytrenowany na korpusie około 1,400,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do LLaMA-33B

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

Każda karta tutaj została sprawdzona pod kątem LLaMA-33B, potrzebując około 17.6 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

Ustaw kontekst na to, co naprawdę użyjesz. Cache rośnie wraz z rozmową i jest to zwykle powód, dla którego karta, która wydawała się w porządku, przestaje pasować. LLaMA-33B.
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.
04

Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. LLaMA-33B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 104 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 LLaMA-33B. 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

Zobacz, co jeszcze ta karta uruchamia

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o LLaMA-33B.

Odpowiedzi

LLaMA-33B — częste pytania

LLaMA-33B— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 89–125 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

LLaMA-33B— 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 17.6 GB, i produkuje w przybliżeniu 22.5 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 132.

LLaMA-33B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 104 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 106.

LLaMA-33B— Ile VRAM-u potrzebuje?

Potrzebuje około 17.6 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.

LLaMA-33B— 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 21.4 GB i generując w przybliżeniu 40.3 tokenów na sekundę. Dopasowanie jest ciasne.

LLaMA-33B— 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.

LLaMA-33B— ile ma parametrów?

Ma liczbę parametrów równą 32.5B. Table 2 in the paper. 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.

LLaMA-33B— kto to stworzył?

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

LLaMA-33B— kiedy to zostało wydane?

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

LLaMA-33B— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling, Code generation, Language modeling/generation, Question answering. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

LLaMA-33B— Gdzie mogę to pobrać?

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

LLaMA-33B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 2.7 × 10²³ 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.

LLaMA-33B— 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 7.0 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

LLaMA-33B— 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.

LLaMA-33B— 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.

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