Nemotron-H 56B kalkulator TPS

Otwórz wagi NVIDIA 56B parametry April 2025

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

92 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

FirePro S9170

32 GB · Q3_K_M · 5.1 tok/s

Najszybsza karta

B200

60.5 tok/s · 180 GB

Które GPU mogą uruchomić Nemotron-H 56B?

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.

92 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
60.5 tok/s 36–97 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	60.7 GB	Q8_0	Wygodny
60.5 tok/s 36–97 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	60.7 GB	Q8_0	Wygodny
48.3 tok/s 29–77 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	60.7 GB	Q8_0	Wygodny
48.3 tok/s 29–77 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	60.7 GB	Q8_0	Wygodny
38.6 tok/s 23–62 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	60.7 GB	Q8_0	Wygodny
38.2 tok/s 23–61 · niska pewność	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	Q3_K_M	Wąski
38.2 tok/s 23–61 · niska pewność	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	28.1 GB	Q3_K_M	Wąski
37.0 tok/s 22–59 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	60.7 GB	Q8_0	Wygodny
37.0 tok/s 22–59 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	60.7 GB	Q8_0	Wygodny
36.5 tok/s 22–58 · niska pewność	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	Q3_K_M	Wąski
36.5 tok/s 22–58 · niska pewność	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	28.1 GB	Q3_K_M	Wąski
35.4 tok/s 21–57 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	60.7 GB	Q8_0	Wygodny
31.4 tok/s 19–50 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	60.7 GB	Q8_0	Wygodny
31.4 tok/s 19–50 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	60.7 GB	Q8_0	Wygodny
31.4 tok/s 19–50 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	60.7 GB	Q8_0	Wygodny
29.8 tok/s 18–48 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	60.7 GB	Q8_0	Wygodny
27.2 tok/s 16–44 · niska pewność	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	34.6 GB	Q4_K_M	Wąski
27.2 tok/s 16–44 · niska pewność	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	34.6 GB	Q4_K_M	Wąski
27.2 tok/s 16–44 · niska pewność	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	34.6 GB	Q4_K_M	Wąski
25.4 tok/s 15–41 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	60.7 GB	Q8_0	Wygodny
25.4 tok/s 15–41 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	60.7 GB	Q8_0	Wąski
25.4 tok/s 15–41 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	60.7 GB	Q8_0	Wygodny
25.4 tok/s 15–41 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	60.7 GB	Q8_0	Wygodny
25.4 tok/s 15–41 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	60.7 GB	Q8_0	Wąski
25.3 tok/s 15–40 · niska pewność	GRID A100B NVIDIA	48 GB	1,870 GB/s	May 2020	41.1 GB	Q5_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: NVIDIA
Typ organizacji: Industry
Kraj: United States of America
Opublikowany: 14 April 2025
Autorzy: NVIDIA: Aaron Blakeman, Aarti Basant, Abhinav Khattar, Adithya Renduchintala, Akhiad Bercovich, Aleksander Ficek, Alexis Bjorlin, Ali Taghibakhshi, Amala Sanjay Deshmukh, Ameya Sunil Mahabaleshwarkar, Andrew Tao, Anna Shors, Ashwath Aithal, Ashwin Poojary, Ayush Dattagupta, Balaram Buddharaju, Bobby Chen, Boris Ginsburg, Boxin Wang, Brandon Norick, Brian Butterfield, Bryan Catanzaro, Carlo del Mun…

Co to robi

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

Domena: Language
Zadanie: Language modeling/generation, Question answering, Translation, Quantitative reasoning, Code generation
Format numeryczny: FP8

Rozmiar

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

parametry: 56B
Dane treningowe: tokens
Epoki: 1
Rozmiar wsadu: 6,291,456

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: 6.7 × 10²⁴ FLOP
Jak to zostało ustalone: Operation counting

Przebieg szkolenia

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

Sprzęt do trenowania: NVIDIA H100 SXM5 80GB
Zastosowane chipy: 6,144
Pobór mocy: 8.4 MW

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: Unreleased
Hugging Face: nvidia

Jak jest klasyfikowane

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

Prawdopodobnie powyżej 10²³ FLOP: Yes
Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Nemotron-H: A Family of Accurate and Efficient Hybrid Mamba-Transformer Models
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Nemotron-H 56B

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 Nemotron-H 56B

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

Co oznaczają liczby

Strona sprzętowa

Minimalna karta

FirePro S9170

Pamięć potrzebna

28.1 GB

Najszybszy

60.5 tok/s

Nemotron-H 56B osiąga liczbę parametrów równą 56B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 92.

Na niskim końcu obsługiwane jest przez FirePro S9170, o pojemności pamięci 32 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 5.1 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 60.5 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Tło

Nemotron-H 56B został opublikowany przez NVIDIA, w kraju zapisanym jako United States of America, podczas April 2025. Organizacja publikująca jest klasyfikowana jako industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Translation, Quantitative reasoning, Code generation.

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

Czytanie wskaźników przepustowości

Połowa kart, które go trzymają, osiąga więcej niż 15.4 tokenów na sekundę 72 ich

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

Szkolenie i pochodzenie

Wytworzenie tego wymagało arytmetyki sumującej około 6.7 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Krok po kroku

Jak wybrać GPU do Nemotron-H 56B

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 Nemotron-H 56B, potrzebując około 28.1 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
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 Nemotron-H 56B.
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

Porównaj TOKENS na sekundę, a nie SPECYFIKACJE.

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. Nemotron-H 56B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 60.5 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku Nemotron-H 56B. 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 strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza Nemotron-H 56B.

Odpowiedzi

Nemotron-H 56B — częste pytania

Nemotron-H 56B— 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 9.4 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Nemotron-H 56B— czy dwa GPU uruchomią to szybciej?

Dwie karty kupują pamięć zamiast szybkości, co ma znaczenie tylko wtedy, gdy jedna karta nie może jej pomieścić. Liczba, która może: 92. Więc druga karta rzadko jest odpowiedzią tutaj.

Nemotron-H 56B— dlaczego kwantyzacja różni się między kartami?

Ponieważ pojemność się różni, to również to, jak mocno musi być ściśnięta. Liczba wyróżniających się poziomów w tabeli powyżej: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Nemotron-H 56B— 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: 36–97 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Nemotron-H 56B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to FirePro S9170, o pojemności pamięci 32 GB. Uruchamia model przy kompresji Q3_K_M używając około 28.1 GB, i produkuje w przybliżeniu 5.1 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 92.

Nemotron-H 56B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 60.5 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 72.

Nemotron-H 56B— Ile VRAM-u potrzebuje?

Potrzebuje około 28.1 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.

Nemotron-H 56B— 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.

Nemotron-H 56B— ile ma parametrów?

Ma liczbę parametrów równą 56B. Model Architecture Architecture Type: Hybrid Mamba-Transformer Network Architecture: Nemotron-H This model has 56B model 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.

Nemotron-H 56B— kto to stworzył?

Zostało opublikowane przez NVIDIA, oparty na United States of America, organizacja sklasyfikowana jako industry.

Nemotron-H 56B— kiedy to zostało wydane?

Zostało opublikowane w April 2025.

Nemotron-H 56B— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Translation, Quantitative reasoning, Code generation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.

Nemotron-H 56B— Gdzie mogę to pobrać?

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

Nemotron-H 56B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 6.7 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. 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.

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