CogVideo kalkulator TPS

Otwórz wagi Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI 9.4B parametry May 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

582 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Quadro 6000

6 GB · Q3_K_M · 14.8 tok/s

Najszybsza karta

B200

360 tok/s · 180 GB

Które GPU mogą uruchomić CogVideo?

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.

582 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
360 tok/s 216–577 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.8 GB	Q8_0	Wygodny
360 tok/s 216–577 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.8 GB	Q8_0	Wygodny
288 tok/s 173–461 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.8 GB	Q8_0	Wygodny
288 tok/s 173–461 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.8 GB	Q8_0	Wygodny
230 tok/s 138–368 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.8 GB	Q8_0	Wygodny
220 tok/s 132–353 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.8 GB	Q8_0	Wygodny
220 tok/s 132–353 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.8 GB	Q8_0	Wygodny
211 tok/s 127–337 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.8 GB	Q8_0	Wygodny
187 tok/s 112–299 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Wygodny
187 tok/s 112–299 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Wygodny
187 tok/s 112–299 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Wygodny
178 tok/s 107–284 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
155 tok/s 93–248 · niska pewność	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.4 GB	Q4_K_M	Wąski
151 tok/s 91–242 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
151 tok/s 91–242 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.8 GB	Q8_0	Wygodny
151 tok/s 91–242 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
151 tok/s 91–242 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
151 tok/s 91–242 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
115 tok/s 69–184 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	10.8 GB	Q8_0	Wygodny
115 tok/s 69–184 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	10.8 GB	Q8_0	Wygodny
102 tok/s 61–163 · niska pewność	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q6_K	Wąski
96.1 tok/s 58–154 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.8 GB	Q8_0	Wygodny
94.0 tok/s 56–150 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	10.8 GB	Q8_0	Wygodny
91.9 tok/s 55–147 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	10.8 GB	Q8_0	Wygodny
91.9 tok/s 55–147 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	10.8 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: Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI
Typ organizacji: Academia,Academia
Kraj: China
Opublikowany: 29 May 2022
Autorzy: Wenyi Hong, Ming Ding, Wendi Zheng, Xinghan Liu, Jie Tang

Co to robi

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

Domena: Video
Zadanie: Video generation, Text-to-video
Model bazowy: CogView2
Format numeryczny: FP16

Rozmiar

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

parametry: 9.4B
Dane treningowe: 145,000,000,000 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: Operation counting
Dostosowywanie obliczeń: 3 × 10¹⁹ FLOP

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 (unrestricted)
Kod treningowy: Open source

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
Zapisz pewność: Speculative
Cytaty: 1,058

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: CogVideo: Large-scale Pretraining for Text-to-Video Generation via Transformers
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają CogVideo

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 CogVideo

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

Co oznaczają liczby

Strona sprzętowa

Minimalna karta

Quadro 6000

Pamięć potrzebna

5.3 GB

Najszybszy

360 tok/s

CogVideo osiąga liczbę parametrów równą 9.4B. 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: 582.

Na niskim końcu obsługiwane jest przez Quadro 6000, o pojemności pamięci 6 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 14.8 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 360 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Skąd to pochodzi

CogVideo został opublikowany przez Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, w kraju zapisanym jako China, podczas May 2022. Kategoria, do której należy wydawca, to academia,Academia.

Działa w dziedzinie Video, i jest zapisany jako wykonujący zadanie video generation, Text-to-video.

Jego punktem wyjścia był istniejący model podstawowy, CogView2. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.

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 22.7 tokenów na sekundę 543 ich

Każda waga uczestniczy w każdym tokenie tutaj, więc szerokość pasma jest całą historią: poniższa lista to w rzeczywistości ranking przepustowości pamięci.

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

Szkolenie i pochodzenie

Trening zużył korpus około 145,000,000,000 Tokeny tekstu.

Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: historical significance.

Krok po kroku

Jak wybrać GPU do CogVideo

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

Tabela zawiera każdą kartę, która jest w stanie pomieścić CogVideo, potrzebując około 5.3 GB przy kompresji Q3_K_M. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
02

Zdecyduj, jak długo trwają twoje rozmowy

Dłuższe rozmowy kosztują pamięć oprócz tego, co potrzebują wagi. Przesuń suwak do swojej rzeczywistej długości roboczej przed zaufaniem jakiejkolwiek linii dla CogVideo.
03

Ustal minimalną jakość

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

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. CogVideo. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 360 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 CogVideo. 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 strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza CogVideo.

Odpowiedzi

CogVideo — częste pytania

CogVideo— 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 10.8 GB i generując w przybliżeniu 41.1 tokenów na sekundę. Dopasowanie jest ciasne.

CogVideo— 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 10.8 GB i generując w przybliżeniu 50.9 tokenów na sekundę. Dopasowanie jest komfortowe.

CogVideo— 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 10.8 GB i generując w przybliżeniu 60.4 tokenów na sekundę. Dopasowanie jest komfortowe.

CogVideo— 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.

CogVideo— ile ma parametrów?

Ma liczbę parametrów równą 9.4B. 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.

CogVideo— kto to stworzył?

Zostało opublikowane przez Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, oparty na China, organizacja sklasyfikowana jako academia,Academia.

CogVideo— kiedy to zostało wydane?

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

CogVideo— do czego to służy?

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

CogVideo— Gdzie mogę to pobrać?

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

CogVideo— 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 1.9 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

CogVideo— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 582. Więc druga karta rzadko jest odpowiedzią tutaj.

CogVideo— dlaczego kwantyzacja różni się między kartami?

Większa KARTA przechowuje dokładniejszą kopię. Liczba poziomów kompresji używanych w KARTACH, które ją uruchamiają: 4. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

CogVideo— 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: 216–577 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

CogVideo— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Quadro 6000, o pojemności pamięci 6 GB. Uruchamia model przy kompresji Q3_K_M używając około 5.3 GB, i produkuje w przybliżeniu 14.8 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 582.

CogVideo— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 360 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 543.

CogVideo— Ile VRAM-u potrzebuje?

Potrzebuje około 5.3 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.

CogVideo— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q4_K_M, używając około 6.4 GB i generując w przybliżeniu 155 tokenów na sekundę. Dopasowanie jest ciasne.

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