UnifiedQA kalkulator TPS

Otwórz wagi Allen Institute for AI,University of Washington 11B parametry May 2020

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

509 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Xeon Phi 5110P

8 GB · IQ4_XS · 19.7 tok/s

Najszybsza karta

B200

308 tok/s · 180 GB

Które GPU mogą uruchomić UnifiedQA?

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.

509 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
308 tok/s 185–493 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	12.5 GB	Q8_0	Wygodny
308 tok/s 185–493 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	12.5 GB	Q8_0	Wygodny
246 tok/s 148–394 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	12.5 GB	Q8_0	Wygodny
246 tok/s 148–394 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	12.5 GB	Q8_0	Wygodny
197 tok/s 118–315 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	12.5 GB	Q8_0	Wygodny
188 tok/s 113–301 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	12.5 GB	Q8_0	Wygodny
188 tok/s 113–301 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	12.5 GB	Q8_0	Wygodny
180 tok/s 108–288 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	12.5 GB	Q8_0	Wygodny
160 tok/s 96–256 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	12.5 GB	Q8_0	Wygodny
160 tok/s 96–256 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	12.5 GB	Q8_0	Wygodny
160 tok/s 96–256 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	12.5 GB	Q8_0	Wygodny
152 tok/s 91–243 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	12.5 GB	Q8_0	Wygodny
141 tok/s 85–225 · niska pewność	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	6.7 GB	IQ4_XS	Wąski
129 tok/s 78–207 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	12.5 GB	Q8_0	Wygodny
129 tok/s 78–207 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	12.5 GB	Q8_0	Wygodny
129 tok/s 78–207 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	12.5 GB	Q8_0	Wygodny
129 tok/s 78–207 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	12.5 GB	Q8_0	Wygodny
129 tok/s 78–207 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	12.5 GB	Q8_0	Wygodny
107 tok/s 64–172 · niska pewność	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.6 GB	Q5_K_M	Wąski
98.5 tok/s 59–158 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	12.5 GB	Q8_0	Wygodny
98.5 tok/s 59–158 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	12.5 GB	Q8_0	Wygodny
82.1 tok/s 49–131 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	12.5 GB	Q8_0	Wygodny
80.3 tok/s 48–129 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	12.5 GB	Q8_0	Wygodny
78.6 tok/s 47–126 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	12.5 GB	Q8_0	Wygodny
78.6 tok/s 47–126 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	12.5 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: Allen Institute for AI,University of Washington
Typ organizacji: Research collective,Academia
Kraj: United States of America
Opublikowany: 2 May 2020
Autorzy: Daniel Khashabi, Sewon Min, Tushar Khot, Ashish Sabharwal, Oyvind Tafjord, Peter Clark, Hannaneh Hajishirzi

Co to robi

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

Domena: Language
Zadanie: Question answering
Model bazowy: T5-11B

Rozmiar

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

parametry: 11B
Dane treningowe: tokens
Epoki: 1.88
Rozmiar wsadu: 27

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: 1.7 × 10¹⁹ FLOP
Jak to zostało ustalone: Operation counting,Hardware
Dostosowywanie obliczeń: 3.8 × 10¹⁹ FLOP

Przebieg szkolenia

Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.

Sprzęt do trenowania: Google TPU v3
Zastosowane chipy: 8
Czas rzeczywisty: 36 hours
Pobór mocy: 7.3 kW
Koszt obliczeniowy: $59

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
Hugging Face: allenai

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: 816

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: UnifiedQA: Crossing Format Boundaries With a Single QA System
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają UnifiedQA

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 UnifiedQA

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

Xeon Phi 5110P

Pamięć potrzebna

6.7 GB

Najszybszy

308 tok/s

UnifiedQA osiąga liczbę parametrów równą 11B. 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: 509.

Najmniejsza karta, która to utrzymuje, to Xeon Phi 5110P, o pojemności pamięci 8 GB, uruchomienie go przy kompresji IQ4_XS i produkując około 19.7 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 308 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

UnifiedQA został opublikowany przez Allen Institute for AI,University of Washington, w kraju zapisanym jako United States of America, podczas May 2020. Organizacja publikująca jest klasyfikowana jako research collective,Academia.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie question answering.

Zamiast być trenowanym od podstaw, pochodzi z T5-11B. Większość modeli w tej skali jest dostosowywana z istniejącej bazy, a nie tworzona od zera.

Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta. Na Hugging Face jest opublikowane pod organizacją allenai.

Jak szybko działa i dlaczego

Mediana wyniku wynosi około 21.2 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 460 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 1.7 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako Google TPU v3. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: sOTA improvement.

Krok po kroku

Jak wybrać GPU do UnifiedQA

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 UnifiedQA, potrzebując około 6.7 GB przy kompresji IQ4_XS. 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. UnifiedQA.
03

Zdecyduj, ile kompresji zaakceptujesz

Kolumna kwantyzacji różni się w zależności od karty, ponieważ większa karta przechowuje dokładniejszą kopię., osiągnięcie kompresji IQ4_XS 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 UnifiedQA. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 308 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

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

Otwórz kartę, na którą się zdecydowałeś

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 UnifiedQA.

Odpowiedzi

UnifiedQA — częste pytania

UnifiedQA— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1.7 × 10¹⁹ FLOP, na sprzęcie zarejestrowanym jako Google TPU v3. 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.

UnifiedQA— 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 2.0 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

UnifiedQA— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 509. Więc druga karta rzadko jest odpowiedzią tutaj.

UnifiedQA— 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.

UnifiedQA— 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: 185–493 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

UnifiedQA— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Xeon Phi 5110P, o pojemności pamięci 8 GB. Uruchamia model przy kompresji IQ4_XS używając około 6.7 GB, i produkuje w przybliżeniu 19.7 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 509.

UnifiedQA— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 308 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 460.

UnifiedQA— Ile VRAM-u potrzebuje?

Potrzebuje około 6.7 GB przy kompresji IQ4_XS, 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.

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

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji IQ4_XS, używając około 6.7 GB i generując w przybliżeniu 141 tokenów na sekundę. Dopasowanie jest ciasne.

UnifiedQA— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q6_K, używając około 9.9 GB i generując w przybliżeniu 51.0 tokenów na sekundę. Dopasowanie jest ciasne.

UnifiedQA— 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 12.5 GB i generując w przybliżeniu 43.5 tokenów na sekundę. Dopasowanie jest ciasne.

UnifiedQA— 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 12.5 GB i generując w przybliżeniu 51.6 tokenów na sekundę. Dopasowanie jest komfortowe.

UnifiedQA— 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.

UnifiedQA— ile ma parametrów?

Ma liczbę parametrów równą 11B. 11B from appendix A.2 : Model sizes: "Most of the experiments are done on T5(11B) which has 11 billion parameters. We also report experiments with BART (large) with 440 million parameters.". 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.

UnifiedQA— kto to stworzył?

Zostało opublikowane przez Allen Institute for AI,University of Washington, oparty na United States of America, organizacja sklasyfikowana jako research collective,Academia.

UnifiedQA— kiedy to zostało wydane?

Zostało opublikowane w May 2020. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

UnifiedQA— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie question answering. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

UnifiedQA— Gdzie mogę to pobrać?

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

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