Llama Nemotron Super 49B kalkulator TPS

Otwórz wagi NVIDIA 49B parametry March 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

93 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Radeon PRO V710

28 GB · Q3_K_M · 9.2 tok/s

Najszybsza karta

B200

69.2 tok/s · 180 GB

Które GPU mogą uruchomić Llama Nemotron Super 49B?

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.

93 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
69.2 tok/s 41–111 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	53.2 GB	Q8_0	Wygodny
69.2 tok/s 41–111 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	53.2 GB	Q8_0	Wygodny
55.2 tok/s 33–88 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	53.2 GB	Q8_0	Wygodny
55.2 tok/s 33–88 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	53.2 GB	Q8_0	Wygodny
44.2 tok/s 27–71 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	53.2 GB	Q8_0	Wygodny
42.3 tok/s 25–68 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	53.2 GB	Q8_0	Wygodny
42.3 tok/s 25–68 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	53.2 GB	Q8_0	Wygodny
40.5 tok/s 24–65 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	53.2 GB	Q8_0	Wygodny
39.7 tok/s 24–64 · niska pewność	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	IQ4_XS	Wąski
39.7 tok/s 24–64 · niska pewność	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.5 GB	IQ4_XS	Wąski
38.0 tok/s 23–61 · niska pewność	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	IQ4_XS	Wąski
38.0 tok/s 23–61 · niska pewność	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.5 GB	IQ4_XS	Wąski
35.9 tok/s 22–57 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Wygodny
35.9 tok/s 22–57 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Wygodny
35.9 tok/s 22–57 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	53.2 GB	Q8_0	Wygodny
34.1 tok/s 20–54 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	53.2 GB	Q8_0	Wygodny
31.1 tok/s 19–50 · niska pewność	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	30.3 GB	Q4_K_M	Wąski
31.1 tok/s 19–50 · niska pewność	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	30.3 GB	Q4_K_M	Wąski
31.1 tok/s 19–50 · niska pewność	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	30.3 GB	Q4_K_M	Wąski
29.0 tok/s 17–46 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Wygodny
29.0 tok/s 17–46 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	53.2 GB	Q8_0	Wygodny
29.0 tok/s 17–46 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Wygodny
29.0 tok/s 17–46 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Wygodny
29.0 tok/s 17–46 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	53.2 GB	Q8_0	Wygodny
24.0 tok/s 14–38 · niska pewność	Tesla PG500-216 NVIDIA	32 GB	1,130 GB/s	Nov 2019	27.5 GB	IQ4_XS	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: 18 March 2025
Autorzy: Akhiad Bercovich, Itay Levy, Izik Golan, Mohammad Dabbah, Ran El-Yaniv, Omri Puny, Ido Galil, Zach Moshe, Tomer Ronen, Najeeb Nabwani, Ido Shahaf, Oren Tropp, Ehud Karpas, Ran Zilberstein, Jiaqi Zeng, Soumye Singhal, Alexander Bukharin, Yian Zhang, Tugrul Konuk, Gerald Shen, Ameya Sunil Mahabaleshwarkar, Bilal Kartal, Yoshi Suhara, Olivier Delalleau, Zijia Chen, Zhilin Wang, David Mosallanezhad, A…

Co to robi

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

Domena: Language
Zadanie: Language modeling/generation, Question answering, Quantitative reasoning, Code generation, Neural Architecture Search - NAS
Model bazowy: Llama 3.3 70B

Rozmiar

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

parametry: 49B
Dane treningowe: 100,000,000,000 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: 2.9 × 10²² 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 (restricted use)
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.

Zapisz pewność: Likely

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Super is 49B distilled from Llama 3.3 70B for best accuracy with highest throughput on a data center GPU.
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Llama Nemotron Super 49B

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 Llama Nemotron Super 49B

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

Co oznaczają liczby

Co potrzebujesz, aby go uruchomić

Minimalna karta

Radeon PRO V710

Pamięć potrzebna

24.6 GB

Najszybszy

69.2 tok/s

Llama Nemotron Super 49B osiąga liczbę parametrów równą 49B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 93.

Najmniejszy sprzęt, który działa, to Radeon PRO V710, o pojemności pamięci 28 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 9.2 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 69.2 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

Llama Nemotron Super 49B został opublikowany przez NVIDIA, w kraju zapisanym jako United States of America, podczas March 2025. Wychodzi z organizacji zaklasyfikowanej jako industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Quantitative reasoning, Code generation, Neural Architecture Search - NAS.

Zamiast być trenowanym od podstaw, pochodzi z Llama 3.3 70B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

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. Na Hugging Face jest opublikowane pod organizacją nvidia.

Jak szybko działa i dlaczego

Mediana wyniku wynosi około 17.5 tokenów na sekundę 71 ich

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

Jej architektura wewnętrzna nie jest w naszej bazie danych, więc pamięć jest szacowana na podstawie liczby parametrów i odpowiednio oznaczona. Spodziewaj się, że rzeczywista wartość będzie się różnić, tym bardziej przy długim context length.

Co poszło w budowę tego

Trening zużył korpus około 100,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do Llama Nemotron Super 49B

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 Llama Nemotron Super 49B, potrzebując około 24.6 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Ustaw długość kontekstu, z którą będziesz pracować

Dłuższe rozmowy kosztują pamięć oprócz tego, co potrzebują wagi. Przesuń suwak do swojej rzeczywistej długości roboczej przed zaufaniem jakiejkolwiek linii dla Llama Nemotron Super 49B.
03

Zdecyduj, ile kompresji zaakceptujesz

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

Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla Llama Nemotron Super 49B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 69.2 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 Llama Nemotron Super 49B. 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

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Llama Nemotron Super 49B.

Odpowiedzi

Llama Nemotron Super 49B — częste pytania

Llama Nemotron Super 49B— 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 8.7 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Llama Nemotron Super 49B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 93. Więc druga karta rzadko jest odpowiedzią tutaj.

Llama Nemotron Super 49B— dlaczego kwantyzacja różni się między kartami?

Większa KARTA przechowuje dokładniejszą kopię. Liczba poziomów kompresji używanych w KARTACH, które ją uruchamiają: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Llama Nemotron Super 49B— 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: 41–111 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Llama Nemotron Super 49B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Radeon PRO V710, o pojemności pamięci 28 GB. Uruchamia model przy kompresji Q3_K_M używając około 24.6 GB, i produkuje w przybliżeniu 9.2 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 93.

Llama Nemotron Super 49B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 69.2 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 71.

Llama Nemotron Super 49B— Ile VRAM-u potrzebuje?

Potrzebuje około 24.6 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.

Llama Nemotron Super 49B— 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.

Llama Nemotron Super 49B— ile ma parametrów?

Ma liczbę parametrów równą 49B. The model is a derivative of Meta’s Llama-3.3-70B-Instruct, using Neural Architecture Search (NAS). The NAS algorithm results in non-standard and non-repetitive blocks. This includes the following: Skip attention: In some blocks, the attention is skipped entirely, or replaced with a single linear layer. Variable FFN: The expansion/compression ratio in the FFN layer is different between blocks. We utilize a block-wise distillation of the reference model, where for each block we create multiple variants providing different tradeoffs of quality vs. computational complexity, discussed in more depth below. We then search over the blocks to create a model which meets the required throughput and memory (optimized for a single H100-80GB GPU) while minimizing the quality degradation. 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.

Llama Nemotron Super 49B— kto to stworzył?

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

Llama Nemotron Super 49B— kiedy to zostało wydane?

Zostało opublikowane w March 2025.

Llama Nemotron Super 49B— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Quantitative reasoning, Code generation, Neural Architecture Search - NAS. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

Llama Nemotron Super 49B— 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.

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