Oblicz TPS modelu Radeon Instinct MI350X na lokalnych modelach AI

AMD 288 GB HBM3e 8,190 GB/s January 2025

Każdy model w naszym katalogu oceniany według tej karty przy długości kontekstu i minimalnej jakości, którą wybierzesz. Prędkość jest szacunkowa dla pojedynczego żądania, obliczona na podstawie przepustowości pamięci tej karty i rozmiaru każdego modelu po skompresowaniu..

Obliczone dla tej karty

652 modele, które może uruchomić

679 modele w naszym katalogu razem

Największy model, który obsługuje

Nemotron 3 Ultra

550B · Q3_K_M · 73.8 tok/s

Najszybszy model

Gemma 3 QAT 1B

2,706 tok/s · 1B

Które modele AI mogą działać na a Radeon Instinct MI350X?

Ustaw wejścia, odczytaj odpowiedź.

Więcej kontekstu oznacza więcej VRAM dla pamięci rozmowy. Szybkość dotyczy świeżej rozmowy i nie zmienia się przy tym ustawieniu..

Ukrywa modele, które można by zmieścić tylko przez skompresowanie poniżej tego punktu.

652 modele pasują

Obliczanie
Kwantyzacja Pasuje
2,706 tok/s

1,623–4,329 · niska pewność

Gemma 3 1B 1B Mar 2025 1.8 GB 33k tokeny Q8_0 Wygodny
2,706 tok/s

1,623–4,329 · niska pewność

Gemma 3 QAT 1B 1B Apr 2025 1.8 GB 33k tokeny Q8_0 Wygodny
2,706 tok/s

1,623–4,329 · niska pewność

HGRN 1B (WT 103) ≈ 1B Nov 2023 1.8 GB 131k tokeny ? Q8_0 Wygodny
2,706 tok/s

1,623–4,329 · niska pewność

LLama 3..2 Typhoon 2 1B ≈ 1B Dec 2024 1.8 GB 131k tokeny ? Q8_0 Wygodny
2,706 tok/s

1,623–4,329 · niska pewność

OLMo-1B ≈ 1B Feb 2024 1.8 GB 131k tokeny ? Q8_0 Wygodny
2,706 tok/s

1,623–4,329 · niska pewność

Pythia-1b ≈ 1B Apr 2023 1.8 GB 131k tokeny ? Q8_0 Wygodny
2,505 tok/s

1,503–4,008 · niska pewność

OpenELM-1.1B ≈ 1.1B May 2024 1.9 GB 131k tokeny ? Q8_0 Wygodny
2,460 tok/s

1,476–3,935 · niska pewność

DeciCoder-1B ≈ 1.1B Aug 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
2,460 tok/s

1,476–3,935 · niska pewność

SantaCoder ≈ 1.1B Jan 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
2,460 tok/s

1,476–3,935 · niska pewność

TinyLlama-1.1B (1T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
2,460 tok/s

1,476–3,935 · niska pewność

TinyLlama-1.1B (3T token checkpoint) ≈ 1.1B Oct 2023 1.9 GB 131k tokeny ? Q8_0 Wygodny
2,255 tok/s

1,353–3,607 · niska pewność

EXAONE 4.0 (1.2B) ≈ 1.2B Jul 2025 2.0 GB 131k tokeny ? Q8_0 Wygodny
2,255 tok/s

1,353–3,607 · niska pewność

MinerU2.5 ≈ 1.2B Sep 2025 2.0 GB 131k tokeny ? Q8_0 Wygodny
2,255 tok/s

1,353–3,607 · niska pewność

Pleias 1.0 1.2B ≈ 1.2B Dec 2024 2.0 GB 131k tokeny ? Q8_0 Wygodny
2,255 tok/s

1,353–3,607 · niska pewność

Pleias-RAG-1B ≈ 1.2B Apr 2025 2.0 GB 131k tokeny ? Q8_0 Wygodny
2,200 tok/s

1,320–3,519 · niska pewność

Llama 3.2 1B 1.2B Sep 2024 2.2 GB 131k tokeny Q8_0 Wygodny
2,169 tok/s

1,301–3,470 · niska pewność

MiniCPM-1.2B ≈ 1.2B Jun 2024 2.0 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

DeepSeek Coder 1.3B ≈ 1.3B Jan 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

DeepSeek-VL-1.3B ≈ 1.3B Mar 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

DigiRL ≈ 1.3B Jun 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

GLA Transformer 1.3B ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

Janus 1.3B ≈ 1.3B Oct 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

Kosmos-2.5 ≈ 1.3B Aug 2024 2.1 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

Otter ≈ 1.3B May 2023 2.1 GB 131k tokeny ? Q8_0 Wygodny
2,081 tok/s

1,249–3,330 · niska pewność

Phi-1 ≈ 1.3B Oct 2023 2.1 GB 131k tokeny ? 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

Radeon Instinct MI350X Pełna specyfikacja

Wszystko w bazie danych dla tej karty, uporządkowane według tego, jak bardzo wpływa na uruchamianie modelu językowego, a nie według tego, jak lista specyfikacji by to opisała. MEMORY jest na pierwszym miejscu, ponieważ decyduje o wyniku; reszta to CONTEXT..

VRAM

Dwie specyfikacje decydują, co ta KARTA może uruchomić i jak szybko. Pojemność określa, które modele mieszczą się w GPU VRAM; przepustowość określa, ile tokenów na sekundę generują, gdy już ją uruchomią.

Rozmiar pamięci
288 GB
Pasmo pamięci
8,190 GB/s
Typ pamięci
HBM3e
Szerokość magistrali pamięci
8,192 bit
Zegar pamięci
2 GHz

Czip

Jaki procesor jest na płycie i jak został wyprodukowany. Mniejszy rozmiar procesu zazwyczaj oznacza większą wydajność przy tej samej mocy.

Procesor graficzny
Galaxy
Architektura
CDNA 4.0
Generacja
Radeon Instinct(MIx)
Odlewnia
TSMC
Rozmiar procesu
3 nm
Wydane
1 January 2025

Częstotliwości zegara

Jak szybko działa procesor. Warto znacznie mniej tutaj niż w testach wydajności gier: generowanie tekstu jest ograniczone przez przepustowość pamięci, więc wyższa częstotliwość ledwo wpływa na rezultat.

Zegar bazowy
1 GHz
Zegar zwiększający
2.2 GHz

Jednostki przetwarzania

Co zawiera chip. Te elementy napędzają wydajność grafiki i mają znaczenie głównie dla przetwarzania długiego promptu, a nie dla generowania odpowiedzi.

Jednostki cieniujące
16,384
Jednostki mapowania tekstur
1,024
cache L1
16 KB
pamięć podręczna L2
16 MB

Wydajność teoretyczna

Szczytowe współczynniki arytmetyczne opublikowane dla karty. Są to limity, które żadne rzeczywiste obciążenie nie osiąga, a generowanie tekstu osiąga jedynie małą ich część, ponieważ jest ograniczone przez VRAM, a nie arytmetykę.

Pół precyzja (FP16)
576.7 TFLOPS
Pojedyncza precyzja (FP32)
72.1 TFLOPS
Podwójna precyzja (FP64)
72.1 TFLOPS
Współczynnik tekstury
2,253 GTexel/s

Płyta

Co jest potrzebne do fizycznej instalacji i zasilania karty — praktyczne ograniczenia, które decydują, czy pasuje do maszyny, którą już posiadasz.

Pobór mocy (TDP)
1,000 W
Zalecany zasilacz
1,400 W
Złącza zasilające
None
Interfejs magistrali
PCIe 5.0 x16
Szerokość slotu
OAM Module
Wymiary
102 mm × 165 mm

Wsparcie oprogramowania

Jakie interfejsy graficzne i obliczeniowe obsługuje karta. Możliwość obliczeniowa CUDA ma znaczenie dla wnioskowania: poniżej 7.0 nie ma rdzeni tensorowych, a nowoczesne oprogramowanie do wnioskowania wraca do wolniejszych ścieżek kodu.

OpenCL
3.0

Oferty

Gdzie kupić GPU Radeon Instinct MI350X

Żaden dostawca obecnie nie wymienia tej karty. Oferty pochodzą od dostawców, którzy publikują je tutaj bezpośrednio. — przejrzyj katalog dostawców zobaczyć, kto sprzedaje co.

Co oznaczają liczby

Dlaczego pamięć jest liczbą, która ma tutaj znaczenie

VRAM

288 GB

Szerokość pasma

8,190 GB/s

Największy model

Nemotron 3 Ultra

Radeon Instinct MI350X trzyma 288 GB z HBM3e. To stawia go w klasie sprzętu, który obsługuje największe modele open-weight bez dzielenia ich na maszyny. Czas wykonania inferencji może osiągnąć około 259.2 GB.

Przepustowość pamięci osiąga 8,190 GB/s przez magistralę 8,192 bity. To jest na szczycie tego, co istnieje. Ponieważ każdy token oznacza odczytanie całego modelu z pamięci raz, przekłada się to prawie bezpośrednio na prędkość generacji - ta KARTA jest wystarczająco bogata w przepustowość, że rozmiar modelu przestaje być czynnikiem ograniczającym na długo przed tym, jak zrobi to magistrala.

Przepustowość to zegar razy szerokość magistrali, a ta KARTA zegaruje swoją pamięć na 2 GHz. Obie części mają znaczenie, a żadna z nich nie jest widoczna w benchmarku gier.

Największą rzeczą, jaką ma, jest Nemotron 3 Ultra, 550B, skompresowane do Q3_K_M i generowanie wokół 73.8 tokeny na sekundę

Układ scalony i jak został zbudowany

Radeon Instinct MI350X jest zbudowany na procesorze graficznym Galaxy, używając architektury CDNA 4.0 z AMD, jako część generacji Radeon Instinct(MIx).

Chip jest produkowany przez TSMC, na procesie 3 nm. Mniejszy proces zazwyczaj oznacza lepszą wydajność przy tej samej mocy, chociaż w przypadku modeli językowych ma to znacznie mniejsze znaczenie niż subsystem pamięci.

Został wydany w January 2025, szacunkowo 1.5804999660839 lata temu. Wsparcie oprogramowania do wnioskowania zazwyczaj podąża za sprzętem z opóźnieniem roku lub dwóch, więc karta tego wieku zazwyczaj ma dostępne dojrzałe, dobrze zoptymalizowane ścieżki kodu.

Wydajność obliczeniowa i dlaczego ma mniejsze znaczenie, niż się wydaje

FP16

576.7 TFLOPS

FP64

72.1 TFLOPS

Na papierze Radeon Instinct MI350X osiąga 576.7 TFLOPS przy półprecyzji, i 72.1 TFLOPS przy pojedynczej precyzji. To są wartości szczytowe, żaden rzeczywisty obciążenie ich nie utrzymuje, a generowanie tekstu osiąga tylko małą część z nich — dekodowanie jest ograniczone przez pamięć, a nie przez arytmetykę, co jest powodem, dla którego karta może wyglądać na niezwykle potężną tutaj i nadal produkować tokeny w zwykłym tempie.

Przepustowość podwójnej precyzji osiąga 72.1 TFLOPS. Nie ma to wpływu na uruchamianie modelu językowego — żadna sesja inferencyjna tego nie używa — ale oddziela części datacenter od konsumenckich, ponieważ te drugie celowo to ograniczają.

Zegary działają od podstawy 1 GHz do zwiększenia 2.2 GHz. Warto tu znacznie mniej niż na benchmarkach gier: podnoszenie szybkości zegara poprawia arytmetykę, a arytmetyka nie jest tym, na co czeka generacja.

Pamięć podręczna i jednostki przetwarzające

Radeon Instinct MI350X ma pamięć podręczną L1 16 KB, wspierany przez pamięć podręczną L2 16 MB. Cache absorbuje część ruchu pamięci, która w przeciwnym razie uderzyłaby w główną magistralę, która jest jednym miejscem na tej stronie, gdzie liczba inna niż przepustowość cicho wpływa na szybkość generacji — duża L2 pozwala większej części zbioru roboczego pozostać blisko rdzeni.

Są 16,384 Jednostki cieniujące, 1,024 Jednostki mapowania tekstur. Te napędy obsługują obciążenia graficzne i przyczyniają się do przetwarzania zapytań, ale pozostają bezczynne przez dużą część czasu, gdy model generuje odpowiedź.

Moc, rozmiar i instalacja

Pobór mocy

1,000 W

Radeon Instinct MI350X jest oceniane na 1,000 W, i sugerowane zasilanie systemu wynosi 1,400 W. Uruchamianie modelu językowego zajmuje kartę w krótkich momentach zamiast ciągłego — intensywnie korzysta podczas generowania i jest w uśpieniu między zapytaniami — więc utrzymane obciążenie w ciągu roboczego dnia jest zazwyczaj znacznie poniżej nominalnej wartości.

Płyta zajmuje oam module, pomiarowania 102 mm długi. Warto sprawdzić z zasilaczem oraz obudową w maszynie, ponieważ największe karty potrzebują zdecydowanie więcej obu niż typowy komputer stacjonarny oferuje.

Łączy się przez PCIe 5.0 x16. Interfejs reguluje, jak szybko model jest ładowany z dysku do karty, a nie jak szybko działa po załadowaniu, więc węższe połączenie kosztuje kilka sekund na starcie i nic później.

Ekstremy

Największe modele AI, które działają na a Radeon Instinct MI350X

Największe modele open-weight, które mieszczą się na tej karcie, najnowsze najpierw. Każdy jest pokazany w najlepszej kompresji, jaką karta może pomieścić..

  1. 01 Nemotron 3 Ultra 550B · Q3_K_M · Jun 2026 73.8 tok/s
  2. 02 Qwen3-Coder-480B-A35B 480B · IQ4_XS · Jul 2025 76.9 tok/s
  3. 03 MiniMax-M1-80k 456B · IQ4_XS · Jun 2025 14.6 tok/s
  4. 04 MiniMax-M1-40k 456B · IQ4_XS · Jun 2025 14.6 tok/s
  5. 05 ERNIE-4.5-VL-424B-A47B (文心大模型4.5) 424B · Q4_K_M · Mar 2025 81.8 tok/s
  6. 06 Tulu 3 405B 405B · Q4_K_M · Jan 2025 15.4 tok/s
  7. 07 MiniMax-Text-01 456B · IQ4_XS · Jan 2025 14.6 tok/s
  8. 08 Hermes 3 405B 405B · Q4_K_M · Aug 2024 15.4 tok/s
  9. 09 Llama 3.1-405B 405B · Q4_K_M · Jul 2024 15.4 tok/s
  10. 10 Arctic 480B · Q3_K_M · Apr 2024 15.2 tok/s

Najszybsze modele AI na a Radeon Instinct MI350X

Gdzie ta KARTA produkuje tokeny najszybciej. Mniejsze modele dominują tutaj, ponieważ generowanie każdego tokenu oznacza odczytanie całego modelu z pamięci raz..

  1. 01 Gemma 3 QAT 1B 1B · Q8_0 · 1.8 GB 2,706 tok/s
  2. 02 Gemma 3 1B 1B · Q8_0 · 1.8 GB 2,706 tok/s
  3. 03 LLama 3..2 Typhoon 2 1B 1B · Q8_0 · 1.8 GB 2,706 tok/s
  4. 04 OLMo-1B 1B · Q8_0 · 1.8 GB 2,706 tok/s
  5. 05 HGRN 1B (WT 103) 1B · Q8_0 · 1.8 GB 2,706 tok/s
  6. 06 Pythia-1b 1B · Q8_0 · 1.8 GB 2,706 tok/s
  7. 07 OpenELM-1.1B 1.1B · Q8_0 · 1.9 GB 2,505 tok/s
  8. 08 TinyLlama-1.1B (1T token checkpoint) 1.1B · Q8_0 · 1.9 GB 2,460 tok/s
  9. 09 TinyLlama-1.1B (3T token checkpoint) 1.1B · Q8_0 · 1.9 GB 2,460 tok/s
  10. 10 DeciCoder-1B 1.1B · Q8_0 · 1.9 GB 2,460 tok/s

Krok po kroku

Jak obliczyć liczbę tokenów na sekundę dla a Radeon Instinct MI350X

Nie musisz niczego obliczać ręcznie — kalkulator gputps.com na tej stronie już obliczył to dla każdego modelu, który ta karta może pomieścić. Odczytanie odpowiedzi zajmuje sześć kroków..

  1. 01

    Znajdź model w tabeli

    Tabela zawiera 652 modele, które ta karta uruchamia. Wyszukiwanie zawęża listę według nazwy lub rozmiaru.

  2. 02

    Zdecyduj, jak długo trwają twoje rozmowy

    Dłuższe rozmowy kosztują pamięć oprócz wag. 288 GB to często różnica między modelem, który się mieści, a takim, który się nie mieści.

  3. 03

    Ustaw minimalną jakość, jeśli jest potrzebna.

    Domyślnie tabela wybiera najmniej skompresowaną kopię, która się zmieści. Ustawienie minimum usuwa modele, które kwalifikują się tylko dzięki dużej kompresji.

  4. 04

    Spójrz na zakres, nie tylko na liczbę

    Każda prędkość jest oszacowaniem dla pojedynczej rozmowy, z zakresem poniżej. Górna granica tutaj to 2,706 tok/s na Gemma 3 QAT 1B. Ta sama karta i model różnią się od trzydziestu do pięćdziesięciu procent między czasami wykonywania inference.

  5. 05

    Przeczytaj werdykt dopasowania ostatni

    Kolumna dopasowania oddziela modele, które tylko mieszczą się, od tych, które mają trochę miejsca zapasowego — warto to sprawdzić przed zdecydowaniem się na jeden, w konfrontacji z dostępnym 288 GB.

  6. 06

    Otwórz model, aby porównać karty

    Każda strona modelu powtarza tę kalkulację dla całego katalogu. Warto spojrzeć przed podjęciem decyzji: pokazuje, co jeszcze uruchamia ten sam model, obok Radeon Instinct MI350X.

Odpowiedzi

Radeon Instinct MI350X — częste pytania

01

Radeon Instinct MI350X— czy może działać 7B modele?

Tak. Na przykład działa Multi-Token Prediction 7B w Q8_0, używając około 7.9 GB pamięci i generowanie około 404 tokeny na sekundę

02

Radeon Instinct MI350X— czy może działać 13B modele?

Tak. Na przykład działa DeepSeekMoE-16B w Q8_0, używając około 17.5 GB pamięci i generowanie około 939 tokeny na sekundę

03

Radeon Instinct MI350X— czy może działać 30B modele?

Tak. Na przykład działa ERNIE-4.5-VL-28B-A3B w Q8_0, używając około 29.2 GB pamięci i generowanie około 537 tokeny na sekundę

04

Radeon Instinct MI350X— czy może działać 70B modele?

Tak. Na przykład działa Qwen3-Coder-Next w Q8_0, używając około 80.7 GB pamięci i generowanie około 188 tokeny na sekundę

05

Radeon Instinct MI350X— Ile ma pamięci?

Ta karta ma 288 GB z HBM3e. Około jedna dziesiąta jest zarezerwowana przez czas wykonywania wnioskowania i sterownik, pozostawiając mniej więcej 259.2 GB dostępny dla modelu i jego rozmowy

06

Radeon Instinct MI350X— jaka jest jej przepustowość VRAM?

Przepustowość pamięci osiąga 8,190 GB/s przez magistralę 8,192 bity. To jest jedyny najlepszy wskaźnik tego, jak szybko generuje tekst, ponieważ produkcja każdego tokena oznacza odczytanie całego modelu z pamięci jednocześnie.

07

Radeon Instinct MI350X— Jakiego typu pamięci używa?

Używa HBM3e prędkość zegara na 2 GHz. Typy HBM znajdują się na akceleratorach w centrum danych i mają znacznie większą przepustowość niż GDDR używane na kartach stacjonarnych, dlatego generują tokeny znacznie szybciej przy tej samej pojemności.

08

Radeon Instinct MI350X— kto to robi?

To jest produkt AMD, z chipem wyprodukowanym przez TSMC, na procesie 3 nm.

09

Radeon Instinct MI350X— kiedy to zostało wydane?

Został wydany w January 2025.

10

Radeon Instinct MI350X— ile mocy zużywa?

Moc nominalna karty graficznej wynosi 1,000 W, i sugerowane zasilanie systemu wynosi 1,400 W. Generowanie tekstu bardzo obciąża w krótkich szczytach i idle'uje między żądaniami, więc średnie zużycie podczas sesji roboczej jest zazwyczaj znacznie poniżej określonej wartości.

11

Radeon Instinct MI350X— ile pamięci podręcznej ma?

Pamięć podręczna L1 jest 16 KB, i pamięć podręczna L2 jest 16 MB. Cache absorbuje część ruchu pamięci, który w przeciwnym razie dotarłby do głównej magistrali, więc większy L2 daje skromny wzrost prędkości generacji ponad to, co przewiduje sama szerokość pasma.

12

Radeon Instinct MI350X— jakie są jego TFLOPS?

Jest oceniane na 576.7 TFLOPS przy połowicznej precyzji i 72.1 TFLOPS przy pojedynczej precyzji. Są to najwyższe sufity arytmetyczne, a nie osiągalne stawki, a generacja tekstu osiąga tylko małą część z nich, ponieważ jest ograniczona przez przepustowość pamięci.

13

Radeon Instinct MI350X— czy obsługuje CUDA?

Nie. CUDA jest tylko dla NVIDIA, a to jest karta od AMD. Uruchamia modele językowe przez ROCm, Vulkan lub Metal w zależności od oprogramowania, które są mniej dojrzałe niż ścieżka CUDA — nasze oszacowania uwzględniają karę za to.

14

Radeon Instinct MI350X— Jakiego interfejsu autobusowego używa?

Używa PCIe 5.0 x16. To reguluje, jak szybko model jest ładowany na kartę, a nie jak szybko działa po załadowaniu, więc kosztuje kilka sekund podczas uruchamiania i nic podczas generacji.

15

Radeon Instinct MI350X— czy jest dobry do uruchamiania lokalnych modeli AI?

Jego VRAM jest wystarczająco duża dla modeli, do których większość sprzętu komputerowego nie ma dostępu, a jego przepustowość plasuje go wśród najszybszego sprzętu dostępnego do generacji. W sumie działa 652 modele, które śledzimy. Czy to wystarczy, zależy całkowicie od tego, który model chcesz — tabela powyżej odpowiada na to bezpośrednio.

16

Radeon Instinct MI350X— czy może uruchomić model, który nie mieści się w jego VRAM?

Można go podzielić, a nadmiar przechowywany jest w pamięci systemowej poza kartą. 288 GB jest możliwe i zwykle jest to fałszywa oszczędność: część pamięci systemu jest wystarczająco wolna, aby zdominować wynik.

17

Czy dwa Radeon Instinct MI350X karty będą dwa razy szybsze?

Pojemność dodaje, wydajność nie. Dwie z nich dają ci 576 GB który pozwala na utrzymanie modeli, których żaden z nich nie mógłby utrzymać samodzielnie, ale generacja nie dzieli się w ten sposób. Te dane opisują jedną KARTĘ.

18

Radeon Instinct MI350X— które modele AI może uruchomić?

652 z 679 modele językowe open-weight, które śledzimy, mieszczą się na tej karcie i mogą być uruchamiane lokalnie. Tabela na tej stronie zawiera każdy z nich, z wymaganą pamięcią, poziomem kwantyzacji oraz szacowaną prędkością generacji.

19

Radeon Instinct MI350X— jaki jest największy model AI, który może uruchomić?

Największy model w naszym katalogu, który pasuje, to Nemotron 3 Ultra w 550B parametry, skompresowane do Q3_K_M. Generuje mniej więcej 73.8 tokenów na sekundę i potrzebuje około 239.6 GB pamięci karty.

20

Radeon Instinct MI350X— Ile tokenów na sekundę produkuje?

To zależy od modelu. Najszybszy model, który śledzimy tutaj, to Gemma 3 QAT 1B około 2,706 tokenów na sekundę, podczas gdy większe modele działają proporcjonalnie wolniej, ponieważ każdy token wymaga odczytania całego modelu z pamięci za każdym razem. Prędkości są szacunkami dla jednej rozmowy na raz.

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od sprzętu. Jeśli już wiesz, jaki model chcesz i potrzebujesz wiedzieć, co jest potrzebne do jego uruchomienia, Zacznij od modelu zamiast.

Wszystkie GPU