BLOOM-176B kalkulator TPS

Otwórz wagi Hugging Face,BigScience 176.2B parametry July 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

17 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Radeon Instinct MI250

128 GB · Q4_K_M · 14.2 tok/s

Najszybsza karta

Radeon Instinct MI300

28.3 tok/s · 128 GB

Które GPU mogą uruchomić BLOOM-176B?

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.

17 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
28.3 tok/s 17–45 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	107.3 GB	Q4_K_M	Wąski
27.9 tok/s 17–45 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	148.4 GB	Q6_K	Wąski
27.1 tok/s 16–43 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.3 GB	Q4_K_M	Wąski
27.1 tok/s 16–43 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	107.3 GB	Q4_K_M	Wąski
23.0 tok/s 14–37 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	107.3 GB	Q4_K_M	Wąski
19.2 tok/s 12–31 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	189.4 GB	Q8_0	Wygodny
15.4 tok/s 9–25 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	189.4 GB	Q8_0	Wygodny
15.4 tok/s 9–25 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	189.4 GB	Q8_0	Wygodny
14.5 tok/s 9–23 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	148.4 GB	Q6_K	Wąski
14.5 tok/s 9–23 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	148.4 GB	Q6_K	Wąski
14.2 tok/s 9–23 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	107.3 GB	Q4_K_M	Wąski
14.2 tok/s 9–23 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	107.3 GB	Q4_K_M	Wąski
11.8 tok/s 7–19 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	107.3 GB	Q4_K_M	Wąski
11.6 tok/s 7–19 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	107.3 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	189.4 GB	Q8_0	Wygodny
1.5 tok/s 1–2 · niska pewność	GB10 NVIDIA	128 GB	273 GB/s	Oct 2025	107.3 GB	Q4_K_M	Wąski
1.5 tok/s 1–2 · niska pewność	Jetson T5000 NVIDIA	128 GB	273 GB/s	Aug 2025	107.3 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: Hugging Face,BigScience
Typ organizacji: Industry,Research collective
Kraj: United States of America, France
Opublikowany: 11 July 2022
Autorzy: Margaret Mitchell, Giada Pistilli, Yacine Jernite, Ezinwanne Ozoani, Marissa Gerchick, Nazneen Rajani, Sasha Luccioni, Irene Solaiman, Maraim Masoud, Somaieh Nikpoor, Carlos Muñoz Ferrandis, Stas Bekman, Christopher Akiki, Danish Contractor, David Lansky, Angelina McMillan-Major, Tristan Thrush, Suzana Ilić, Gérard Dupont, Shayne Longpre, Manan Dey, Stella Biderman, Douwe Kiela, Emi Baylor, Teven …

Co to robi

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

Domena: Language
Zadanie: Language modeling, Translation, Code generation
Podejście: Self-supervised learning
Format numeryczny: BF16

Rozmiar

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

parametry: 176.2B
Dane treningowe: 379,000,000,000 tokens
Epoki: 1
Rozmiar wsadu: 4,194,304

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: 3.7 × 10²³ FLOP
Jak to zostało ustalone: Hardware

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
Zastosowane chipy: 384
Czas-chip: 1,078,272
Czas rzeczywisty: 2,808 hours (117 days)
Wykorzystanie sprzętu: HFU 50.0%
Pobór mocy: 308.0 kW
Koszt obliczeniowy: $995,819

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.

Model bazowy: Yes
Prawdopodobnie powyżej 10²³ FLOP: Yes
Dlaczego to jest śledzone: Historical significance,Highly cited
Zapisz pewność: Confident
Cytaty: 2,917

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: BLOOM: A 176B-Parameter Open-Access Multilingual Language Model
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają BLOOM-176B

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 BLOOM-176B

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

Radeon Instinct MI250

Pamięć potrzebna

107.3 GB

Najszybszy

28.3 tok/s

BLOOM-176B osiąga liczbę parametrów równą 176.2B. 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: 17.

Punkt wejścia to Radeon Instinct MI250, o pojemności pamięci 128 GB, uruchomienie go przy kompresji Q4_K_M i produkując około 14.2 tokeny na sekundę

Najszybciej, jak to obliczamy, to Radeon Instinct MI300, generowanie w przybliżeniu 28.3 tokenów na sekundę na podstawie przepustowości pamięci 6,550 GB/s.

O tym modelu

BLOOM-176B został opublikowany przez Hugging Face,BigScience, w kraju zapisanym jako United States of America, podczas July 2022. Organizacja publikująca jest klasyfikowana jako industry,Research collective.

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

Ponieważ jego wagi zostały udostępnione, nic w kwestii uruchamiania go nie zależy od dostępności dostawcy — należy do ciebie po pobraniu.

Jak szybko działa i dlaczego

Połowa kart, które go trzymają, osiąga więcej niż 14.5 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 15 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.

Bez układu uwagi na rekordzie, kolumna pamięci jest przybliżeniem. Jest wystarczająco bliska, aby wybrać sprzęt, i najmniej wiarygodna przy długim kontekście.

Co poszło w budowę tego

Wytworzenie tego wymagało arytmetyki sumującej około 3.7 × 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.

Zbiór treningowy trwał około 379,000,000,000 Tokeny tekstu.

Powód, dla którego w ogóle pojawia się w tym katalogu: historical significance,Highly cited.

Krok po kroku

Jak wybrać GPU do BLOOM-176B

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

Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu BLOOM-176B, potrzebując około 107.3 GB przy kompresji Q4_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. BLOOM-176B.
03

Wybierz, jak daleko chcesz to skompresować.

Kompresja to to, co sprawia, że model mieści się w mniejszych KARTACH, kosztem pewnej dokładności., osiągnięcie kompresji Q4_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 BLOOM-176B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to Radeon Instinct MI300, w 28.3 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku BLOOM-176B. 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

Każda strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza BLOOM-176B.

Odpowiedzi

BLOOM-176B — częste pytania

BLOOM-176B— 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: 17–45 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.

BLOOM-176B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Radeon Instinct MI250, o pojemności pamięci 128 GB. Uruchamia model przy kompresji Q4_K_M używając około 107.3 GB, i produkuje w przybliżeniu 14.2 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 17.

BLOOM-176B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to Radeon Instinct MI300, około 28.3 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 15.

BLOOM-176B— Ile VRAM-u potrzebuje?

Potrzebuje około 107.3 GB przy kompresji Q4_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.

BLOOM-176B— 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.

BLOOM-176B— ile ma parametrów?

Ma liczbę parametrów równą 176.2B. See "Technical Specifications" on Hugging Face: https://huggingface.co/bigscience/bloom. 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.

BLOOM-176B— kto to stworzył?

Zostało opublikowane przez Hugging Face,BigScience, oparty na United States of America, organizacja sklasyfikowana jako industry,Research collective.

BLOOM-176B— kiedy to zostało wydane?

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

BLOOM-176B— do czego to służy?

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

BLOOM-176B— Gdzie mogę to pobrać?

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

BLOOM-176B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 3.7 × 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.

BLOOM-176B— 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 20.9 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

BLOOM-176B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 17. Więc druga karta rzadko jest odpowiedzią tutaj.

BLOOM-176B— dlaczego kwantyzacja różni się między kartami?

Większa KARTA przechowuje dokładniejszą kopię. Liczba poziomów kompresji używanych w KARTACH, które ją uruchamiają: 3. 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