LLaMA-65B kalkulator TPS

Otwórz wagi Meta AI 65.2B 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

61 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

A100 PCIe 40 GB

40 GB · Q3_K_M · 27.3 tok/s

Najszybsza karta

B200

52.0 tok/s · 180 GB

Które GPU mogą uruchomić LLaMA-65B?

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.

61 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
52.0 tok/s 44–62	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	71.4 GB	Q8_0	Wygodny
52.0 tok/s 44–62	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	71.4 GB	Q8_0	Wygodny
41.5 tok/s 25–66 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	71.4 GB	Q8_0	Wygodny
41.5 tok/s 25–66 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	71.4 GB	Q8_0	Wygodny
33.2 tok/s 20–53 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	71.4 GB	Q8_0	Wygodny
31.8 tok/s 27–38	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	71.4 GB	Q8_0	Wygodny
31.8 tok/s 27–38	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	71.4 GB	Q8_0	Wygodny
30.4 tok/s 18–49 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	71.4 GB	Q8_0	Wygodny
28.0 tok/s 24–34	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	41.1 GB	Q4_K_M	Wąski
27.3 tok/s 23–33	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	33.5 GB	Q3_K_M	Wąski
27.3 tok/s 23–33	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	33.5 GB	Q3_K_M	Wąski
27.3 tok/s 23–33	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	33.5 GB	Q3_K_M	Wąski
27.0 tok/s 16–43 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	71.4 GB	Q8_0	Wygodny
27.0 tok/s 16–43 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	71.4 GB	Q8_0	Wygodny
27.0 tok/s 16–43 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	71.4 GB	Q8_0	Wygodny
25.6 tok/s 22–31	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	71.4 GB	Q8_0	Wąski
21.8 tok/s 19–26	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Wygodny
21.8 tok/s 19–26	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	71.4 GB	Q8_0	Wąski
21.8 tok/s 19–26	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Wąski
21.8 tok/s 19–26	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Wygodny
21.8 tok/s 19–26	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	71.4 GB	Q8_0	Wąski
20.1 tok/s 17–24	RTX PRO 5000 Blackwell NVIDIA	48 GB	1,340 GB/s	Mar 2025	41.1 GB	Q4_K_M	Wąski
19.1 tok/s 16–23	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	56.3 GB	Q6_K	Wąski
16.6 tok/s 10–27 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	71.4 GB	Q8_0	Wygodny
16.6 tok/s 10–27 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	71.4 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: 24 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
Podejście: Supervised

Rozmiar

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

parametry: 65.2B
Dane treningowe: 1,400,000,000,000 tokens
Epoki: 1.09
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: 5.5 × 10²³ FLOP
Jak to zostało ustalone: 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: 2,048
Czas-chip: 1,024,000
Czas rzeczywisty: 500 hours (20.8 days)
Wykorzystanie sprzętu: MFU 47.5%
Pobór mocy: 1.6 MW
Koszt obliczeniowy: $578,026

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.

Model bazowy: Yes
Prawdopodobnie powyżej 10²³ FLOP: Yes
Dlaczego to jest śledzone: Historical significance,Highly cited
Zapisz pewność: Confident
Cytaty: 19,926
Dane benchmarkowe: LLaMA-65B

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-65B

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-65B

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

A100 PCIe 40 GB

Pamięć potrzebna

33.5 GB

Najszybszy

52.0 tok/s

LLaMA-65B osiąga liczbę parametrów równą 65.2B. 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: 61.

Punkt wejścia to A100 PCIe 40 GB, o pojemności pamięci 40 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 27.3 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 52.0 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

LLaMA-65B został opublikowany przez Meta AI, w kraju zapisanym jako United States of America, podczas February 2023. Wychodzi z organizacji zaklasyfikowanej jako industry.

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

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

Co decyduje o szybkości

Mediana wyniku wynosi około 13.3 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 56 ich

Będąc gęstym, odczytuje każdą swoją część po tokenie, dlatego poniższe uporządkowanie według szybkości tak ściśle pokrywa się z uporządkowaniem według przepustowości pamięci.

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

Co poszło w budowę tego

Trenowanie zajęło budżet obliczeniowy wynoszący około 5.5 × 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 1,400,000,000,000 Tokeny tekstu.

Kryterium włączenia: historical significance,Highly cited.

Krok po kroku

Jak wybrać GPU do LLaMA-65B

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 LLaMA-65B, potrzebując około 33.5 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 LLaMA-65B.
03

Wybierz, jak daleko chcesz to skompresować.

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

Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla LLaMA-65B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 52.0 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku LLaMA-65B. 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 LLaMA-65B.

Odpowiedzi

LLaMA-65B — częste pytania

LLaMA-65B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 61. Więc druga karta rzadko jest odpowiedzią tutaj.

LLaMA-65B— 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.

LLaMA-65B— Jak dokładne są te szacunki prędkości?

Każda wartość pochodzi z przepustowości pamięci i rozmiaru modelu, a nie z testów porównawczych, dlatego każda jest publikowana jako zakres, a nie pojedyncza liczba. Jeden przykład: 44–62 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-65B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to A100 PCIe 40 GB, o pojemności pamięci 40 GB. Uruchamia model przy kompresji Q3_K_M używając około 33.5 GB, i produkuje w przybliżeniu 27.3 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 61.

LLaMA-65B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 52.0 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 56.

LLaMA-65B— Ile VRAM-u potrzebuje?

Potrzebuje około 33.5 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-65B— 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-65B— ile ma parametrów?

Ma liczbę parametrów równą 65.2B. Model card, table 1: https://github.com/facebookresearch/llama/blob/53011c3d7946dadb8274a4c5c7586ab54edf792d/MODEL_CARD.md. 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-65B— kto to stworzył?

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

LLaMA-65B— 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-65B— do czego to służy?

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

LLaMA-65B— Gdzie mogę to pobrać?

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

LLaMA-65B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 5.5 × 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.

LLaMA-65B— 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 12.3 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

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