Generative BST kalkulator TPS

Otwórz wagi Facebook AI Research 9.4B parametry March 2021

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

359 tok/s · 180 GB

Które GPU mogą uruchomić Generative BST?

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
359 tok/s 216–575 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.8 GB	Q8_0	Wygodny
359 tok/s 216–575 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.8 GB	Q8_0	Wygodny
287 tok/s 172–459 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.8 GB	Q8_0	Wygodny
287 tok/s 172–459 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.8 GB	Q8_0	Wygodny
229 tok/s 138–367 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.8 GB	Q8_0	Wygodny
220 tok/s 132–351 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.8 GB	Q8_0	Wygodny
220 tok/s 132–351 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.8 GB	Q8_0	Wygodny
210 tok/s 126–336 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.8 GB	Q8_0	Wygodny
187 tok/s 112–298 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Wygodny
187 tok/s 112–298 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Wygodny
187 tok/s 112–298 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.8 GB	Q8_0	Wygodny
177 tok/s 106–283 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
154 tok/s 93–247 · 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 91–241 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
151 tok/s 91–241 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.8 GB	Q8_0	Wygodny
151 tok/s 91–241 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
151 tok/s 91–241 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.8 GB	Q8_0	Wygodny
151 tok/s 91–241 · 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
95.7 tok/s 57–153 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.8 GB	Q8_0	Wygodny
93.7 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
91.6 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
91.6 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: Facebook AI Research
Typ organizacji: Industry
Kraj: United States of America, France
Opublikowany: 5 March 2021
Autorzy: Stephen Roller, Emily Dinan, Naman Goyal, Da Ju, Mary Williamson, Yinhan Liu, Jing Xu, Myle Ott, Kurt Shuster, Eric M. Smith, Y-Lan Boureau, Jason Weston

Co to robi

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

Domena: Language
Zadanie: Language modeling/generation, Chat, Question answering
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: 56,800,000,000 tokens
Epoki: 1.76

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: 1.4 × 10²² FLOP
Jak to zostało ustalone: Operation counting

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.

Dlaczego to jest śledzone: SOTA improvement
Zapisz pewność: Confident
Cytaty: 1,123

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Recipes for building an open-domain chatbot
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Generative BST

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 Generative BST

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

359 tok/s

Generative BST 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

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 359 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

Generative BST został opublikowany przez Facebook AI Research, w kraju zapisanym jako United States of America, podczas March 2021. Organizacja publikująca jest klasyfikowana jako industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Chat, Question answering.

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

Czytanie wskaźników przepustowości

Na każdej karcie, która może go uruchomić, środek zakresu plasuje się w 22.6 tokenów na sekundę 543 ich

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

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

Jak to zostało wytrenowane

Trenowanie zajęło budżet obliczeniowy wynoszący około 1.4 × 10²² FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Trening zużył korpus około 56,800,000,000 Tokeny tekstu.

Kryterium włączenia: sOTA improvement.

Krok po kroku

Jak wybrać GPU do Generative BST

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.

Zacznij od tego, co tak naprawdę jest potrzebne, czyli wymogu Generative BST, potrzebując około 5.3 GB przy kompresji Q3_K_M. To ta liczba, a nie nagłówkowa wydajność karty, decyduje o tym, czy można ją uruchomić.
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 Generative BST.
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

Oceń według przepustowości, a nie kart specyfikacji

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla Generative BST. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 359 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight oznacza, że ładowanie i działanie odbywa się bez miejsca na późniejsze zwiększenie długości kontekstu, w przypadku Generative BST. 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 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 Generative BST.

Odpowiedzi

Generative BST — częste pytania

Generative BST— 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 50.7 tokenów na sekundę. Dopasowanie jest komfortowe.

Generative BST— 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 60.2 tokenów na sekundę. Dopasowanie jest komfortowe.

Generative BST— 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.

Generative BST— ile ma parametrów?

Ma liczbę parametrów równą 9.4B. The largest model is a transformer with 9.4B parameters (Table 2). 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.

Generative BST— kto to stworzył?

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

Generative BST— kiedy to zostało wydane?

Zostało opublikowane w March 2021. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

Generative BST— do czego to służy?

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

Generative BST— Gdzie mogę to pobrać?

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

Generative BST— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1.4 × 10²² FLOP. 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.

Generative BST— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Częściowo. Warstwy, które nie mieszczą się w GPU VRAM, znajdują się w pamięci systemu i działają z ułamkową prędkością, więc model, który jest w dużej mierze przeniesiony, rzadko jest wart używania. Najbliższy brak, który obliczamy, jest za mały o 1.9 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Generative BST— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 582. Więc druga karta rzadko jest odpowiedzią tutaj.

Generative BST— 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.

Generative BST— 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: 216–575 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Generative BST— 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.

Generative BST— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 359 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.

Generative BST— 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.

Generative BST— 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 154 tokenów na sekundę. Dopasowanie jest ciasne.

Generative BST— 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 41.0 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