OPT-IML (175B) kalkulator TPS

Otwórz wagi Meta AI 175B parametry December 2022

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

24 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

H100 PCIe 96 GB

96 GB · Q3_K_M · 21.9 tok/s

Najszybsza karta

Radeon Instinct MI300

28.6 tok/s · 128 GB

Które GPU mogą uruchomić OPT-IML (175B)?

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.

24 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
28.6 tok/s 17–46 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	106.6 GB	Q4_K_M	Wąski
28.1 tok/s 17–45 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	147.3 GB	Q6_K	Wąski
27.3 tok/s 16–44 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	106.6 GB	Q4_K_M	Wąski
27.3 tok/s 16–44 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	106.6 GB	Q4_K_M	Wąski
23.2 tok/s 14–37 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	106.6 GB	Q4_K_M	Wąski
21.9 tok/s 13–35 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.2 GB	Q3_K_M	Wąski
21.9 tok/s 13–35 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	86.2 GB	Q3_K_M	Wąski
19.4 tok/s 12–31 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	188.1 GB	Q8_0	Wygodny
15.5 tok/s 9–25 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	188.1 GB	Q8_0	Wygodny
15.5 tok/s 9–25 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	188.1 GB	Q8_0	Wygodny
14.6 tok/s 9–23 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	147.3 GB	Q6_K	Wąski
14.6 tok/s 9–23 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	147.3 GB	Q6_K	Wąski
14.3 tok/s 9–23 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	106.6 GB	Q4_K_M	Wąski
14.3 tok/s 9–23 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	106.6 GB	Q4_K_M	Wąski
11.9 tok/s 7–19 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	106.6 GB	Q4_K_M	Wąski
11.7 tok/s 7–19 · niska pewność	RTX PRO 6000 Blackwell NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Wąski
11.7 tok/s 7–19 · niska pewność	RTX PRO 6000 Blackwell Max-Q NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Wąski
11.7 tok/s 7–19 · niska pewność	RTX PRO 6000 Blackwell Server NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Wąski
11.7 tok/s 7–19 · niska pewność	RTX PRO 6000D Blackwell Max-Q NVIDIA	96 GB	1,790 GB/s	Mar 2025	86.2 GB	Q3_K_M	Wąski
11.7 tok/s 7–19 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	106.6 GB	Q4_K_M	Wąski
11.3 tok/s 7–18 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	188.1 GB	Q8_0	Wygodny
10.4 tok/s 6–17 · niska pewność	Data Center GPU Max 1350 Intel	96 GB	2,460 GB/s	Jan 2023	86.2 GB	Q3_K_M	Wąski
1.5 tok/s 1–2 · niska pewność	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	106.6 GB	Q4_K_M	Wąski
1.5 tok/s 1–2 · niska pewność	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	106.6 GB	Q4_K_M	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: Meta AI
Typ organizacji: Industry
Kraj: United States of America
Opublikowany: 22 December 2022
Autorzy: Srinivasan Iyer, Xi Victoria Lin, Ramakanth Pasunuru, Todor Mihaylov, Daniel Simig, Ping Yu, Kurt Shuster, Tianlu Wang, Qing Liu, Punit Singh Koura, Xian Li, Brian O'Horo, Gabriel Pereyra, Jeff Wang, Christopher Dewan, Asli Celikyilmaz, Luke Zettlemoyer, Ves Stoyanov

Co to robi

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

Domena: Language
Zadanie: Language modeling
Model bazowy: OPT-175B

Rozmiar

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

parametry: 175B
Dane treningowe: 2,000,000,000 tokens
Rozmiar wsadu: 125

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: 4.3 × 10²³ FLOP
Jak to zostało ustalone: Operation counting
Dostosowywanie obliczeń: 2.1 × 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
Zastosowane chipy: 128
Czas-chip: 9,216
Czas rzeczywisty: 72 hours
Pobór mocy: 102.3 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 (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: Likely
Cytaty: 304

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: OPT-IML: Scaling Language Model Instruction Meta Learning through the Lens of Generalization
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają OPT-IML (175B)

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 OPT-IML (175B)

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

H100 PCIe 96 GB

Pamięć potrzebna

86.2 GB

Najszybszy

28.6 tok/s

OPT-IML (175B) osiąga liczbę parametrów równą 175B. 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: 24.

Najmniejsza karta, która to utrzymuje, to H100 PCIe 96 GB, o pojemności pamięci 96 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 21.9 tokeny na sekundę

Najszybciej, jak to obliczamy, to Radeon Instinct MI300, generowanie w przybliżeniu 28.6 tokenów na sekundę na podstawie przepustowości pamięci 6,550 GB/s.

Skąd to pochodzi

OPT-IML (175B) został opublikowany przez Meta AI, w kraju zapisanym jako United States of America, podczas December 2022. Wychodzi z organizacji zaklasyfikowanej jako industry.

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

Opiera się na OPT-175B. Dlatego dzieli ogólny kształt i rozmiar modelu bazowego.

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

Zrozumienie prędkości

Mediana wyniku wynosi około 14.5 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 22 ich

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

Pamięć tutaj jest szacowana na podstawie rozmiaru, a nie obliczana z architektury, która nie jest zarejestrowana dla tego modelu — liczby są wskazujące, a nie dokładne.

Co poszło w budowę tego

Trening zajmował około 4.3 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA A100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Zbiór treningowy trwał około 2,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do OPT-IML (175B)

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

01

Sprawdź, co potrzebuje przed wszystkim innym.

Tabela zawiera każdą kartę, która jest w stanie pomieścić OPT-IML (175B), potrzebując około 86.2 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 OPT-IML (175B).
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

Sortuj według prędkości

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. OPT-IML (175B). Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to Radeon Instinct MI300, w 28.6 tok/s
05

Sprawdź werdykt dopasowania przed zakupem

Tight oznacza, że ładowanie i działanie odbywa się bez miejsca na późniejsze zwiększenie długości kontekstu, w przypadku OPT-IML (175B). 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

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o OPT-IML (175B).

Odpowiedzi

OPT-IML (175B) — częste pytania

OPT-IML (175B)— 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.

OPT-IML (175B)— ile ma parametrów?

Ma liczbę parametrów równą 175B. 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.

OPT-IML (175B)— kto to stworzył?

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

OPT-IML (175B)— kiedy to zostało wydane?

Zostało opublikowane w December 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

OPT-IML (175B)— do czego to służy?

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

OPT-IML (175B)— Gdzie mogę to pobrać?

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

OPT-IML (175B)— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 4.3 × 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.

OPT-IML (175B)— 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 22.0 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

OPT-IML (175B)— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 24. Więc druga karta rzadko jest odpowiedzią tutaj.

OPT-IML (175B)— 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.

OPT-IML (175B)— 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: 17–46 tok/s na Radeon Instinct MI300. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

OPT-IML (175B)— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to H100 PCIe 96 GB, o pojemności pamięci 96 GB. Uruchamia model przy kompresji Q3_K_M używając około 86.2 GB, i produkuje w przybliżeniu 21.9 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 24.

OPT-IML (175B)— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to Radeon Instinct MI300, około 28.6 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 22.

OPT-IML (175B)— Ile VRAM-u potrzebuje?

Potrzebuje około 86.2 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 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