FreeLLMAlle Modelle › CohereLabs
tiny-aya-global
CohereLabs · Lizenz muss akzeptiert werden · veröffentlicht am 13. Feb. 2026
Wo du es kostenlos nutzen kannst
- Lade es herunter und führe es zu Hause aus: offizielle Gewichte · GGUF-Dateien für Ollama und LM Studio (du akzeptierst zuerst die Lizenz auf Hugging Face)
Noch keine Arena-Stimmen
Die Arena hat über dieses Modell noch nicht abgestimmt. Es steht in der Liste, weil es ein beliebtes kleines Modell auf der offiziellen Hugging-Face-Seite seines Labors ist (8K Downloads im Monat).
Geschwindigkeit auf gängiger Hardware
| Hardware | GPU-Speicher | Passt es? | Geschwindigkeit |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Passt in die GPU | 103 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | Passt in die GPU | 85 tok/s |
| RTX 3090 | 24 GB | Passt in die GPU | 231 tok/s |
| RTX 4090 | 24 GB | Passt in die GPU | 244 tok/s |
| RTX 5090 | 32 GB | Passt in die GPU | 365 tok/s |
| RX 7900 XTX | 24 GB | Passt in die GPU | 235 tok/s |
| 2 × RTX 3090 | 48 GB | Passt in die GPU | 224 tok/s |
| 4 × RTX 3090 | 96 GB | Passt in die GPU | 212 tok/s |
| Mac M4 Max 128 GB | 96 GB | Passt in die GPU | 109 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Passt in die GPU | 76 tok/s |
| 8 × H100 SXM | 640 GB | Passt in die GPU | 428 tok/s |
Schätzung bei 4-Bit mit 32K Kontext, 64 GB DDR5 zum Auslagern. Geschwindigkeit ≈ Speicherbandbreite × 78 % ÷ pro Token gelesene Daten, plus feste Kosten pro Token, kalibriert an 44 echten llama.cpp-Tests; typische Abweichung etwa ±10 %. Alle Grafikkarten vergleichen.
Benötigter GPU-Speicher
| Stufe | 8K Kontext | 32K Kontext | 128K Kontext | Qualität im Vergleich zum Original |
|---|---|---|---|---|
| Q3_K_M | 2.4 GB | 2.7 GB | 4.0 GB | +10.5 % spürbarer Verlust |
| Q4_K_M | 2.7 GB | 3.0 GB | 4.3 GB | +2.8 % kleiner Verlust |
| Q5_K_M | 3.1 GB | 3.4 GB | 4.7 GB | +0.9 % sehr kleiner Verlust |
| Q6_K | 3.4 GB | 3.7 GB | 5.0 GB | +0.3 % nahezu verlustfrei |
| Q8_0 | 4.2 GB | 4.5 GB | 5.8 GB | ≈ 0 % wie das Original |
| F16 | 7.3 GB | 7.6 GB | 8.9 GB | ≈ 0 % wie das Original |
Gewichte + Kontext-Cache (aus der Architektur des Modells) + Laufzeit. Qualität: Anstieg von perplexity gegenüber dem vollen Modell, aus llama.cpp-Tests, skaliert nach Modellgröße. Simuliere dein eigenes Setup.
Diese Seite teilen:XLinkedInRedditWhatsApp
Falsche Zahl oder kaputten Link entdeckt? Fehler melden