SGPT BE 5.8B kalkulator TPS

Otwórz wagi Peking University 5.8B parametry August 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

818 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla C1080

4 GB · Q3_K_M · 17.2 tok/s

Najszybsza karta

B200

584 tok/s · 180 GB

Które GPU mogą uruchomić SGPT BE 5.8B?

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.

818 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
584 tok/s 351–935 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	6.9 GB	Q8_0	Wygodny
584 tok/s 351–935 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	6.9 GB	Q8_0	Wygodny
466 tok/s 280–746 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	6.9 GB	Q8_0	Wygodny
466 tok/s 280–746 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	6.9 GB	Q8_0	Wygodny
373 tok/s 224–597 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	6.9 GB	Q8_0	Wygodny
357 tok/s 214–571 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.9 GB	Q8_0	Wygodny
357 tok/s 214–571 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.9 GB	Q8_0	Wygodny
342 tok/s 205–547 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	6.9 GB	Q8_0	Wygodny
303 tok/s 182–485 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	6.9 GB	Q8_0	Wygodny
303 tok/s 182–485 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	6.9 GB	Q8_0	Wygodny
303 tok/s 182–485 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	6.9 GB	Q8_0	Wygodny
288 tok/s 173–460 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	6.9 GB	Q8_0	Wygodny
245 tok/s 147–393 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.9 GB	Q8_0	Wygodny
245 tok/s 147–393 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	6.9 GB	Q8_0	Wygodny
245 tok/s 147–393 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	6.9 GB	Q8_0	Wygodny
245 tok/s 147–393 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.9 GB	Q8_0	Wygodny
245 tok/s 147–393 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	6.9 GB	Q8_0	Wygodny
187 tok/s 112–299 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	6.9 GB	Q8_0	Wygodny
187 tok/s 112–299 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	6.9 GB	Q8_0	Wygodny
156 tok/s 93–249 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	6.9 GB	Q8_0	Wygodny
152 tok/s 91–244 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	6.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	6.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	6.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	6.9 GB	Q8_0	Wygodny
149 tok/s 89–238 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	6.9 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: Peking University
Typ organizacji: Academia
Kraj: China
Opublikowany: 5 August 2022
Autorzy: Niklas Muennighoff

Co to robi

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

Domena: Language
Zadanie: Semantic search, Semantic embedding, Entity embedding
Model bazowy: GPT-J-6B

Rozmiar

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

parametry: 5.8B
Dane treningowe: tokens

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.

Jak to zostało ustalone: Hardware
Dostosowywanie obliczeń: 1.6 × 10²⁰ 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 40 GB
Zastosowane chipy: 8
Czas rzeczywisty: 60 hours
Pobór mocy: 6.4 kW
Dostawca chmury: Oracle

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: Open source
Hugging Face: Muennighoff

Jak jest klasyfikowane

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

Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: SGPT: GPT Sentence Embeddings for Semantic Search
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają SGPT BE 5.8B

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 SGPT BE 5.8B

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

Tesla C1080

Pamięć potrzebna

3.5 GB

Najszybszy

584 tok/s

SGPT BE 5.8B osiąga liczbę parametrów równą 5.8B. To jest na tyle małe, że sprzęt rzadko stanowi przeszkodę, w tym na kartach sprzed kilku lat. Liczba kart, które śledzimy, które mogą go uruchomić: 818.

Najmniejszy sprzęt, który działa, to Tesla C1080, o pojemności pamięci 4 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 17.2 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 584 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

SGPT BE 5.8B został opublikowany przez Peking University, w kraju zapisanym jako China, podczas August 2022. Wychodzi z organizacji zaklasyfikowanej jako academia.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie semantic search, Semantic embedding, Entity embedding.

Jego punktem wyjścia był istniejący model podstawowy, GPT-J-6B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

Ponieważ jego wagi zostały udostępnione, nic w kwestii uruchamiania go nie zależy od dostępności dostawcy — należy do ciebie po pobraniu. Na Hugging Face jest opublikowane pod organizacją Muennighoff.

Czytanie wskaźników przepustowości

Mediana wyniku wynosi około 24.7 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 746 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.

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.

Krok po kroku

Jak wybrać GPU do SGPT BE 5.8B

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

Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu SGPT BE 5.8B, potrzebując około 3.5 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
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. SGPT BE 5.8B.
03

Zdecyduj, ile kompresji zaakceptujesz

Każda KARTA uruchamia najmniej skompresowaną kopię, jaką może pomieścić., 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. SGPT BE 5.8B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 584 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 SGPT BE 5.8B. 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 SGPT BE 5.8B.

Odpowiedzi

SGPT BE 5.8B — częste pytania

SGPT BE 5.8B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla C1080, o pojemności pamięci 4 GB. Uruchamia model przy kompresji Q3_K_M używając około 3.5 GB, i produkuje w przybliżeniu 17.2 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 818.

SGPT BE 5.8B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 584 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 746.

SGPT BE 5.8B— Ile VRAM-u potrzebuje?

Potrzebuje około 3.5 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.

SGPT BE 5.8B— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q8_0, używając około 6.9 GB i generując w przybliżeniu 109 tokenów na sekundę. Dopasowanie jest ciasne.

SGPT BE 5.8B— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q8_0, używając około 6.9 GB i generując w przybliżeniu 66.6 tokenów na sekundę. Dopasowanie jest komfortowe.

SGPT BE 5.8B— czy mogę uruchomić to na GPU trzymając 16 GB?

Tak. Karta Tesla V100 SXM2 16 GB, trzymanie 16 GB, uruchamia go przy kompresji Q8_0, używając około 6.9 GB i generując w przybliżeniu 82.5 tokenów na sekundę. Dopasowanie jest komfortowe.

SGPT BE 5.8B— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q8_0, używając około 6.9 GB i generując w przybliżeniu 97.9 tokenów na sekundę. Dopasowanie jest komfortowe.

SGPT BE 5.8B— 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.

SGPT BE 5.8B— ile ma parametrów?

Ma liczbę parametrów równą 5.8B. 5.8B. 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.

SGPT BE 5.8B— kto to stworzył?

Zostało opublikowane przez Peking University, oparty na China, organizacja sklasyfikowana jako academia.

SGPT BE 5.8B— kiedy to zostało wydane?

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

SGPT BE 5.8B— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie semantic search, Semantic embedding, Entity embedding. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

SGPT BE 5.8B— Gdzie mogę to pobrać?

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

SGPT BE 5.8B— 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. Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

SGPT BE 5.8B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 818. Więc druga karta rzadko jest odpowiedzią tutaj.

SGPT BE 5.8B— 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: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

SGPT BE 5.8B— 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: 351–935 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

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