Qwen2.5-32B kalkulator TPS

Otwórz wagi Alibaba 32.5B 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

132 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

RTX A4500

20 GB · Q3_K_M · 22.5 tok/s

Najszybsza karta

B200

104 tok/s · 180 GB

Które GPU mogą uruchomić Qwen2.5-32B?

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.

132 karty pasują

Obliczanie

					potrzeby	Kwantyzacja	Pasuje
104 tok/s 89–125	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	35.5 GB	Q8_0	Wygodny
104 tok/s 89–125	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	35.5 GB	Q8_0	Wygodny
83.3 tok/s 50–133 · niska pewność	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	35.5 GB	Q8_0	Wygodny
83.3 tok/s 50–133 · niska pewność	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	35.5 GB	Q8_0	Wygodny
66.6 tok/s 40–107 · niska pewność	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	35.5 GB	Q8_0	Wygodny
63.7 tok/s 54–76	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.5 GB	Q8_0	Wygodny
63.7 tok/s 54–76	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	35.5 GB	Q8_0	Wygodny
61.0 tok/s 37–98 · niska pewność	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	35.5 GB	Q8_0	Wygodny
54.1 tok/s 32–87 · niska pewność	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	35.5 GB	Q8_0	Wygodny
54.1 tok/s 32–87 · niska pewność	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	35.5 GB	Q8_0	Wygodny
54.1 tok/s 32–87 · niska pewność	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	35.5 GB	Q8_0	Wygodny
51.3 tok/s 44–62	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	35.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	35.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	35.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	35.5 GB	Q8_0	Wygodny
43.8 tok/s 37–53	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	35.5 GB	Q8_0	Wygodny
40.3 tok/s 34–48	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	20.3 GB	Q4_K_M	Wąski
36.7 tok/s 31–44	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	20.3 GB	Q4_K_M	Wąski
35.4 tok/s 30–42	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	27.9 GB	Q6_K	Wąski
35.4 tok/s 30–42	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	27.9 GB	Q6_K	Wąski
33.9 tok/s 29–41	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.9 GB	Q6_K	Wąski
33.9 tok/s 29–41	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	27.9 GB	Q6_K	Wąski
33.3 tok/s 20–53 · niska pewność	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	35.5 GB	Q8_0	Wygodny
33.3 tok/s 20–53 · niska pewność	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	35.5 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: Alibaba
Typ organizacji: Industry
Kraj: China
Opublikowany: 17 September 2024
Autorzy: Qwen Team

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
Format numeryczny: BF16

Rozmiar

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

parametry: 32.5B
Dane treningowe: 18,000,000,000,000 tokens
Epoki: 1

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: 3.5 × 10²⁴ FLOP
Jak to zostało ustalone: Operation counting

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 (unrestricted)
Kod treningowy: Unreleased
Hugging Face: Qwen

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: Qwen2.5: A Party of Foundation Models!
Ostatnio zaktualizowane: 18 December 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Qwen2.5-32B

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 Qwen2.5-32B

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

RTX A4500

Pamięć potrzebna

16.5 GB

Najszybszy

104 tok/s

Qwen2.5-32B osiąga liczbę parametrów równą 32.5B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 132.

Najmniejszy sprzęt, który działa, to RTX A4500, o pojemności pamięci 20 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 22.5 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 104 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

Qwen2.5-32B został opublikowany przez Alibaba, w kraju zapisanym jako China, podczas September 2024. Organizacja publikująca jest klasyfikowana jako industry.

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

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

Jak szybko działa i dlaczego

Połowa kart, które go trzymają, osiąga więcej niż 20.3 tokenów na sekundę 102 ich

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

Jego układ uwagi jest w naszej bazie danych, więc wartości pamięci są obliczane dokładnie, a nie przybliżone.

Co poszło w budowę tego

Trening zajmował około 3.5 × 10²⁴ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Zbiór treningowy trwał około 18,000,000,000,000 Tokeny tekstu.

Kryterium włączenia: training cost.

Krok po kroku

Jak wybrać GPU do Qwen2.5-32B

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 Qwen2.5-32B, potrzebując około 16.5 GB przy kompresji Q3_K_M. 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. Qwen2.5-32B.
03

Wybierz, jak daleko chcesz to skompresować.

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

Oceń według przepustowości, a nie kart specyfikacji

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla Qwen2.5-32B. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 104 tok/s
05

Zwróć uwagę na margines, a nie tylko na dopasowanie

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku Qwen2.5-32B. 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 Qwen2.5-32B.

Odpowiedzi

Qwen2.5-32B — częste pytania

Qwen2.5-32B— kto to stworzył?

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

Qwen2.5-32B— 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.

Qwen2.5-32B— do czego to służy?

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

Qwen2.5-32B— Gdzie mogę to pobrać?

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

Qwen2.5-32B— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 3.5 × 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.

Qwen2.5-32B— 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 5.9 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Qwen2.5-32B— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 132. Więc druga karta rzadko jest odpowiedzią tutaj.

Qwen2.5-32B— 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.

Qwen2.5-32B— 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: 89–125 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Qwen2.5-32B— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to RTX A4500, o pojemności pamięci 20 GB. Uruchamia model przy kompresji Q3_K_M używając około 16.5 GB, i produkuje w przybliżeniu 22.5 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 132.

Qwen2.5-32B— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 104 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 102.

Qwen2.5-32B— Ile VRAM-u potrzebuje?

Potrzebuje około 16.5 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.

Qwen2.5-32B— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q4_K_M, używając około 20.3 GB i generując w przybliżeniu 40.3 tokenów na sekundę. Dopasowanie jest ciasne.

Qwen2.5-32B— 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.

Qwen2.5-32B— ile ma parametrów?

Ma liczbę parametrów równą 32.5B. 32.5B. 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 18 December 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