PaliGemma 2 3B Mix 224 kalkulator TPS

Otwórz wagi Google 2.9B parametry February 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

818 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla C1080

4 GB · Q6_K · 18.3 tok/s

Najszybsza karta

B200

1,160 tok/s · 180 GB

Które GPU mogą uruchomić PaliGemma 2 3B Mix 224?

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.

818 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
1,160 tok/s 696–1,857 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	3.8 GB	Q8_0	Wygodny
1,160 tok/s 696–1,857 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	3.8 GB	Q8_0	Wygodny
927 tok/s 556–1,483 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	3.8 GB	Q8_0	Wygodny
927 tok/s 556–1,483 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	3.8 GB	Q8_0	Wygodny
741 tok/s 445–1,186 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	3.8 GB	Q8_0	Wygodny
709 tok/s 426–1,135 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	3.8 GB	Q8_0	Wygodny
709 tok/s 426–1,135 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	3.8 GB	Q8_0	Wygodny
679 tok/s 407–1,086 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	3.8 GB	Q8_0	Wygodny
602 tok/s 361–964 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	3.8 GB	Q8_0	Wygodny
602 tok/s 361–964 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	3.8 GB	Q8_0	Wygodny
602 tok/s 361–964 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	3.8 GB	Q8_0	Wygodny
571 tok/s 343–914 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	3.8 GB	Q8_0	Wygodny
487 tok/s 292–780 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	3.8 GB	Q8_0	Wygodny
487 tok/s 292–780 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	3.8 GB	Q8_0	Wygodny
487 tok/s 292–780 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	3.8 GB	Q8_0	Wygodny
487 tok/s 292–780 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	3.8 GB	Q8_0	Wygodny
487 tok/s 292–780 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	3.8 GB	Q8_0	Wygodny
371 tok/s 223–594 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	3.8 GB	Q8_0	Wygodny
371 tok/s 223–594 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	3.8 GB	Q8_0	Wygodny
309 tok/s 186–495 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	3.8 GB	Q8_0	Wygodny
303 tok/s 182–484 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	3.8 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	3.8 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	3.8 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	3.8 GB	Q8_0	Wygodny
296 tok/s 178–473 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	3.8 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: Google
Typ organizacji: Industry
Kraj: United States of America
Opublikowany: 19 February 2025
Autorzy: Omar Sanseviero, Andreas Steiner

Co to robi

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

Domena: Vision, Multimodal, Language
Zadanie: Image captioning, Visual question answering, Object detection, Image segmentation, Object recognition, Character recognition (OCR)
Model bazowy: Gemma 2 2B,SigLIP 400M

Rozmiar

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

parametry: 2.9B
Dane treningowe: 256,000,000,000 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.

Obliczenia treningowe: 4 × 10²² FLOP
Jak to zostało ustalone: Hardware,Operation counting
Dostosowywanie obliczeń: 4.3 × 10²¹ 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 v5e
Zastosowane chipy: 256
Czas rzeczywisty: 72 hours
Pobór mocy: 113.1 kW

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: google

Jak jest klasyfikowane

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

Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: Introducing PaliGemma 2 mix: A vision-language model for multiple tasks
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają PaliGemma 2 3B Mix 224

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 PaliGemma 2 3B Mix 224

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

Co oznaczają liczby

Strona sprzętowa

Minimalna karta

Tesla C1080

Pamięć potrzebna

3.1 GB

Najszybszy

1,160 tok/s

PaliGemma 2 3B Mix 224 osiąga liczbę parametrów równą 2.9B. 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: 818.

Na niskim końcu obsługiwane jest przez Tesla C1080, o pojemności pamięci 4 GB, uruchomienie go przy kompresji Q6_K i produkując około 18.3 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 1,160 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Skąd to pochodzi

PaliGemma 2 3B Mix 224 został opublikowany przez Google, w kraju zapisanym jako United States of America, podczas February 2025. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Vision, Multimodal, Language, i jest zapisany jako wykonujący zadanie image captioning, Visual question answering, Object detection, Image segmentation, Object recognition, Character recognition (OCR).

Opiera się na Gemma 2 2B,SigLIP 400M. To jest zwykły sposób produkcji wyspecjalizowanego modelu.

Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć. Na Hugging Face jest opublikowane pod organizacją google.

Zrozumienie prędkości

Mediana wyniku wynosi około 36.8 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 783 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.

Jak to zostało wytrenowane

Trenowanie zajęło budżet obliczeniowy wynoszący około 4 × 10²² FLOP, na sprzęcie zarejestrowanym jako Google TPU v5e. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Został wytrenowany na korpusie około 256,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do PaliGemma 2 3B Mix 224

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

Tabela zawiera każdą kartę, która jest w stanie pomieścić PaliGemma 2 3B Mix 224, potrzebując około 3.1 GB przy kompresji Q6_K. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
02

Zdecyduj, jak długo trwają twoje rozmowy

Rozmowa zajmuje pamięć również, i rośnie w miarę trwania. Ustaw suwak na długość, której się spodziewasz, ponieważ przy długim kontekście karta, która łatwo obsługuje krótkie pytania, może zostać odrzucona przez PaliGemma 2 3B Mix 224.
03

Ustal minimalną jakość

Kolumna kwantyzacji różni się w zależności od karty, ponieważ większa karta przechowuje dokładniejszą kopię., osiągnięcie kompresji Q6_K 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.

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla PaliGemma 2 3B Mix 224. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 1,160 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 PaliGemma 2 3B Mix 224. 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 PaliGemma 2 3B Mix 224.

Odpowiedzi

PaliGemma 2 3B Mix 224 — częste pytania

PaliGemma 2 3B Mix 224— kto to stworzył?

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

PaliGemma 2 3B Mix 224— kiedy to zostało wydane?

Zostało opublikowane w February 2025.

PaliGemma 2 3B Mix 224— do czego to służy?

Działa w dziedzinie Vision, Multimodal, Language, i jest zarejestrowany jako realizujący zadanie image captioning, Visual question answering, Object detection, Image segmentation, Object recognition, Character recognition (OCR). Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.

PaliGemma 2 3B Mix 224— Gdzie mogę to pobrać?

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

PaliGemma 2 3B Mix 224— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 4 × 10²² FLOP, na sprzęcie zarejestrowanym jako Google TPU v5e. 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.

PaliGemma 2 3B Mix 224— 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. Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

PaliGemma 2 3B Mix 224— 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: 818. Więc druga karta rzadko jest odpowiedzią tutaj.

PaliGemma 2 3B Mix 224— 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: 2. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

PaliGemma 2 3B Mix 224— 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: 696–1,857 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

PaliGemma 2 3B Mix 224— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla C1080, o pojemności pamięci 4 GB. Uruchamia model przy kompresji Q6_K używając około 3.1 GB, i produkuje w przybliżeniu 18.3 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 818.

PaliGemma 2 3B Mix 224— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 1,160 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 783.

PaliGemma 2 3B Mix 224— Ile VRAM-u potrzebuje?

Potrzebuje około 3.1 GB przy kompresji Q6_K, 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.

PaliGemma 2 3B Mix 224— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q8_0, używając około 3.8 GB i generując w przybliżeniu 216 tokenów na sekundę. Dopasowanie jest komfortowe.

PaliGemma 2 3B Mix 224— 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 3.8 GB i generując w przybliżeniu 132 tokenów na sekundę. Dopasowanie jest komfortowe.

PaliGemma 2 3B Mix 224— 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 3.8 GB i generując w przybliżeniu 164 tokenów na sekundę. Dopasowanie jest komfortowe.

PaliGemma 2 3B Mix 224— 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 3.8 GB i generując w przybliżeniu 194 tokenów na sekundę. Dopasowanie jest komfortowe.

PaliGemma 2 3B Mix 224— 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.

PaliGemma 2 3B Mix 224— ile ma parametrów?

Ma liczbę parametrów równą 2.9B. https://huggingface.co/google/paligemma-3b-mix-224. 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.

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