趋近智
推理时模型权重的精度。较低的精度使用更少的显存但可能会影响质量。
KV缓存精度。较低的精度可减少显存, 尤其适用于长序列。
▶ 运行时设置
硬件配置
选择GPU或自定义显存
GPU数量
并行推理的GPU数量
输入参数
批量大小:
每步同时处理的输入数
序列长度:
上下文窗口大小。包含输入与输出 token。
并发用户数:
同时进行推理的用户数
▶ 高级配置
(FP16 权重 / FP16 KV缓存) 于 16GB / 360 GB/s / 26 TFLOPS 自定义GPU
输入序列长度: 1,024 个token
配置模型和硬件以启用模拟0.0%
显存
0 GB
共 12 GB 显存
生成速度: ...
首个令牌时间: ~0ms
估算 GPU 租赁: 不适用
Assistant
在线