CogVideoX kalkulator TPS

Otwórz wagi Z.ai (Zhipu AI),Tsinghua University 5B parametry October 2024

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 · IQ4_XS · 18.1 tok/s

Najszybsza karta

B200

678 tok/s · 180 GB

Które GPU mogą uruchomić CogVideoX?

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
678 tok/s 407–1,084 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	6.1 GB	Q8_0	Wygodny
678 tok/s 407–1,084 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	6.1 GB	Q8_0	Wygodny
541 tok/s 325–866 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	6.1 GB	Q8_0	Wygodny
541 tok/s 325–866 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	6.1 GB	Q8_0	Wygodny
433 tok/s 260–692 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	6.1 GB	Q8_0	Wygodny
414 tok/s 249–663 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.1 GB	Q8_0	Wygodny
414 tok/s 249–663 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	6.1 GB	Q8_0	Wygodny
396 tok/s 238–634 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	6.1 GB	Q8_0	Wygodny
352 tok/s 211–563 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	6.1 GB	Q8_0	Wygodny
352 tok/s 211–563 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	6.1 GB	Q8_0	Wygodny
352 tok/s 211–563 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	6.1 GB	Q8_0	Wygodny
334 tok/s 200–534 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	6.1 GB	Q8_0	Wygodny
285 tok/s 171–455 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.1 GB	Q8_0	Wygodny
285 tok/s 171–455 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	6.1 GB	Q8_0	Wygodny
285 tok/s 171–455 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	6.1 GB	Q8_0	Wygodny
285 tok/s 171–455 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	6.1 GB	Q8_0	Wygodny
285 tok/s 171–455 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	6.1 GB	Q8_0	Wygodny
217 tok/s 130–347 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	6.1 GB	Q8_0	Wygodny
217 tok/s 130–347 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	6.1 GB	Q8_0	Wygodny
181 tok/s 108–289 · niska pewność	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	6.1 GB	Q8_0	Wygodny
177 tok/s 106–283 · niska pewność	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	6.1 GB	Q8_0	Wygodny
173 tok/s 104–276 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	6.1 GB	Q8_0	Wygodny
173 tok/s 104–276 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	6.1 GB	Q8_0	Wygodny
173 tok/s 104–276 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	6.1 GB	Q8_0	Wygodny
173 tok/s 104–276 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	6.1 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: Z.ai (Zhipu AI),Tsinghua University
Typ organizacji: Industry,Academia
Kraj: China
Opublikowany: 8 October 2024
Autorzy: Zhuoyi Yang, Jiayan Teng, Wendi Zheng, Ming Ding, Shiyu Huang, Jiazheng Xu, Yuanming Yang, Wenyi Hong, Xiaohan Zhang, Guanyu Feng, Da Yin, Xiaotao Gu, Yuxuan Zhang, Weihan Wang, Yean Cheng, Ting Liu, Bin Xu, Yuxiao Dong, Jie Tang

Co to robi

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

Domena: Video
Zadanie: Video generation, Text-to-video

Rozmiar

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

parametry: 5B
Dane treningowe: tokens

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: Open source
Hugging Face: THUDM

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: CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają CogVideoX

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 CogVideoX

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

Tesla C1080

Pamięć potrzebna

3.4 GB

Najszybszy

678 tok/s

CogVideoX osiąga liczbę parametrów równą 5B. 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.

Najmniejsza karta, która to utrzymuje, to Tesla C1080, o pojemności pamięci 4 GB, uruchomienie go przy kompresji IQ4_XS i produkując około 18.1 tokeny na sekundę

Najwyższa półka to B200, generowanie w przybliżeniu 678 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

CogVideoX został opublikowany przez Z.ai (Zhipu AI),Tsinghua University, w kraju zapisanym jako China, podczas October 2024. Wychodzi z organizacji zaklasyfikowanej jako industry,Academia.

Działa w dziedzinie Video, i jest zapisany jako wykonujący zadanie video generation, Text-to-video.

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

Co decyduje o szybkości

Połowa kart, które go trzymają, osiąga więcej niż 27.1 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 771 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.

Krok po kroku

Jak wybrać GPU do CogVideoX

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

Każda karta tutaj została sprawdzona pod kątem CogVideoX, potrzebując około 3.4 GB przy kompresji IQ4_XS. Żadna ilość mocy obliczeniowej nie może zrekompensować karty, która nie może jej pomieścić.
02

Ustaw długość kontekstu, z którą będziesz pracować

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. CogVideoX.
03

Wybierz, jak daleko chcesz to skompresować.

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

Oceń według przepustowości, a nie kart specyfikacji

Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla CogVideoX. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 678 tok/s
05

Sprawdź werdykt dopasowania przed zakupem

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku CogVideoX. 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 strona karty powtarza tę procedurę dla każdego modelu, który posiadamy, odpowiadając, do czego jeszcze sprzęt jest przydatny poza CogVideoX.

Odpowiedzi

CogVideoX — częste pytania

CogVideoX— Ile VRAM-u potrzebuje?

Potrzebuje około 3.4 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.

CogVideoX— 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 6.1 GB i generując w przybliżeniu 126 tokenów na sekundę. Dopasowanie jest ciasne.

CogVideoX— 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 6.1 GB i generując w przybliżeniu 77.3 tokenów na sekundę. Dopasowanie jest komfortowe.

CogVideoX— 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 6.1 GB i generując w przybliżeniu 95.7 tokenów na sekundę. Dopasowanie jest komfortowe.

CogVideoX— 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 6.1 GB i generując w przybliżeniu 114 tokenów na sekundę. Dopasowanie jest komfortowe.

CogVideoX— 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.

CogVideoX— ile ma parametrów?

Ma liczbę parametrów równą 5B. 5 billion. 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.

CogVideoX— kto to stworzył?

Zostało opublikowane przez Z.ai (Zhipu AI),Tsinghua University, oparty na China, organizacja sklasyfikowana jako industry,Academia.

CogVideoX— kiedy to zostało wydane?

Zostało opublikowane w October 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

CogVideoX— do czego to służy?

Działa w dziedzinie Video, i jest zarejestrowany jako realizujący zadanie video generation, Text-to-video. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

CogVideoX— Gdzie mogę to pobrać?

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

CogVideoX— 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. Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

CogVideoX— 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.

CogVideoX— 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.

CogVideoX— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 407–1,084 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

CogVideoX— 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 IQ4_XS używając około 3.4 GB, i produkuje w przybliżeniu 18.1 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 818.

CogVideoX— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 678 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 771.

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