Telechat2-115B kalkulator TPS

Otwórz wagi China Telecom 115B parametry September 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

43 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Radeon Instinct MI200

64 GB · Q3_K_M · 12.7 tok/s

Najszybsza karta

B200

29.5 tok/s · 180 GB

Które GPU mogą uruchomić Telechat2-115B?

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.

43 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
29.5 tok/s 18–47 · niska pewność	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	123.8 GB	Q8_0	Wygodny
29.5 tok/s 18–47 · niska pewność	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	123.8 GB	Q8_0	Wygodny
28.6 tok/s 17–46 · niska pewność	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	70.3 GB	Q4_K_M	Wąski
28.6 tok/s 17–46 · niska pewność	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	70.3 GB	Q4_K_M	Wąski
27.3 tok/s 16–44 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	97.0 GB	Q6_K	Wąski
25.9 tok/s 16–41 · niska pewność	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	83.7 GB	Q5_K_M	Wąski
23.5 tok/s 14–38 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	123.8 GB	Q8_0	Wygodny
23.5 tok/s 14–38 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	123.8 GB	Q8_0	Wygodny
22.2 tok/s 13–36 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	97.0 GB	Q6_K	Wąski
22.1 tok/s 13–35 · niska pewność	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.7 GB	Q5_K_M	Wąski
22.1 tok/s 13–35 · niska pewność	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	83.7 GB	Q5_K_M	Wąski
22.1 tok/s 13–35 · niska pewność	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	83.7 GB	Q5_K_M	Wąski
20.1 tok/s 12–32 · niska pewność	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	56.9 GB	Q3_K_M	Wąski
18.0 tok/s 11–29 · niska pewność	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	123.8 GB	Q8_0	Wąski
18.0 tok/s 11–29 · niska pewność	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	123.8 GB	Q8_0	Wąski
17.3 tok/s 10–28 · niska pewność	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	70.3 GB	Q4_K_M	Wąski
17.3 tok/s 10–28 · niska pewność	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	70.3 GB	Q4_K_M	Wąski
17.3 tok/s 10–28 · niska pewność	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	70.3 GB	Q4_K_M	Wąski
17.3 tok/s 10–28 · niska pewność	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	70.3 GB	Q4_K_M	Wąski
17.3 tok/s 10–28 · niska pewność	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	70.3 GB	Q4_K_M	Wąski
17.3 tok/s 10–28 · niska pewność	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	70.3 GB	Q4_K_M	Wąski
17.2 tok/s 10–28 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	123.8 GB	Q8_0	Wygodny
16.5 tok/s 10–26 · niska pewność	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	70.3 GB	Q4_K_M	Wąski
16.5 tok/s 10–26 · niska pewność	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	70.3 GB	Q4_K_M	Wąski
15.3 tok/s 9–24 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	123.8 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: China Telecom
Typ organizacji: Industry
Kraj: China
Opublikowany: 20 September 2024
Autorzy: Zihan Wang and Xinzhang Liu and Shixuan Liu and Yitong Yao and Yuyao Huang and Zhongjiang He and Xuelong Li and Yongxiang Li and Zhonghao Che and Zhaoxi Zhang and Yan Wang and Xin Wang and Luwen Pu and Huihan Xu and Ruiyu Fang and Yu Zhao and Jie Zhang and Xiaomeng Huang and Zhilong Lu and Jiaxin Peng and Wenjun Zheng and Shiquan Wang and Bingkai Yang and Xuewei he and Zhuoru Jiang and Qiyi Xie an…

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, Chat, Text summarization, Code generation
Podejście: Supervised
Format numeryczny: FP16

Rozmiar

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

parametry: 115B
Dane treningowe: 10,000,000,000,000 tokens
Epoki: 1
Rozmiar wsadu: 6,000,000

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: 6.9 × 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.

Centrum danych: There is no paper to reference, no information about hardware used for training found in media.

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 (restricted use)
Hugging Face: Tele-AI

Jak jest klasyfikowane

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

Prawdopodobnie powyżej 10²³ FLOP: Yes
Dlaczego to jest śledzone: Training cost
Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: TeleChat Technical Report
Ostatnio zaktualizowane: 3 January 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Telechat2-115B

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 Telechat2-115B

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

Radeon Instinct MI200

Pamięć potrzebna

56.9 GB

Najszybszy

29.5 tok/s

Telechat2-115B osiąga liczbę parametrów równą 115B. To stawia to powyżej sprzętu konsumenckiego, w zakresie, gdzie karta jest kupowana do tego celu, zamiast przystosowywana do niego. Liczba kart, które śledzimy, które mogą to pomieścić: 43.

Najmniejsza karta, która to utrzymuje, to Radeon Instinct MI200, o pojemności pamięci 64 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 12.7 tokeny na sekundę

Na drugim końcu siedzi B200, generowanie w przybliżeniu 29.5 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

Telechat2-115B został opublikowany przez China Telecom, w kraju zapisanym jako China, podczas September 2024. Wychodzi z organizacji zaklasyfikowanej jako industry.

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

Ponieważ jego wagi zostały udostępnione, nic w kwestii uruchamiania go nie zależy od dostępności dostawcy — należy do ciebie po pobraniu. Na Hugging Face jest opublikowane pod organizacją Tele-AI.

Co decyduje o szybkości

Na każdej karcie, która może go uruchomić, środek zakresu plasuje się w 17.2 tokenów na sekundę. Przekraczając prędkość czytania bezpośrednio: 39 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

Trenowanie zajęło budżet obliczeniowy wynoszący około 6.9 × 10²⁴ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Trening zużył korpus około 10,000,000,000,000 Tokeny tekstu.

Powód, dla którego w ogóle pojawia się w tym katalogu: training cost.

Krok po kroku

Jak wybrać GPU do Telechat2-115B

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.

Każda karta tutaj została sprawdzona pod kątem Telechat2-115B, potrzebując około 56.9 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
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. Telechat2-115B.
03

Zdecyduj, ile kompresji zaakceptujesz

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

Sortuj według prędkości

Sortuj według prędkości, aby zobaczyć, jak karty się klasyfikują. Telechat2-115B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 29.5 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku Telechat2-115B. 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

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Telechat2-115B.

Odpowiedzi

Telechat2-115B — częste pytania

Telechat2-115B— Gdzie mogę to pobrać?

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

Telechat2-115B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 6.9 × 10²⁴ FLOP. 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.

Telechat2-115B— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Tylko przez odciążenie, co zwykle jest fałszywą oszczędnością: część trzymana w pamięci systemowej spowalnia cały proces. Najbliższy brak, który obliczamy, jest za mały o 27.1 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Telechat2-115B— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 43. Więc druga karta rzadko jest odpowiedzią tutaj.

Telechat2-115B— dlaczego kwantyzacja różni się między kartami?

Większa KARTA przechowuje dokładniejszą kopię. Liczba poziomów kompresji używanych w KARTACH, które ją uruchamiają: 6. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Telechat2-115B— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 18–47 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Telechat2-115B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Radeon Instinct MI200, o pojemności pamięci 64 GB. Uruchamia model przy kompresji Q3_K_M używając około 56.9 GB, i produkuje w przybliżeniu 12.7 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 43.

Telechat2-115B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 29.5 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 39.

Telechat2-115B— Ile VRAM-u potrzebuje?

Potrzebuje około 56.9 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.

Telechat2-115B— 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.

Telechat2-115B— ile ma parametrów?

Ma liczbę parametrów równą 115B. 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.

Telechat2-115B— kto to stworzył?

Zostało opublikowane przez China Telecom, oparty na China, organizacja sklasyfikowana jako industry.

Telechat2-115B— kiedy to zostało wydane?

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

Telechat2-115B— do czego to służy?

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

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 3 January 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