-
软件
-
服务
-
支持
-
见解
-
对比
-
更多
-
Procyon® AI 文本生成基准测试
简化本地 AI 大语言模型性能测试
测试 AI 大语言模型性能可能非常复杂且耗时，因为下载完整 AI 模型需要大量存储空间和带宽。而且，输入令牌中有许多变量（例如量化、转换和差异），如果配置不正确，可能会降低测试的可靠性。
Procyon AI 文本生成基准测试提供了更紧凑、更简单的方法，可使用多个 AI 大语言模型重复、一致地测试 AI 性能。我们与多家大型 AI 软件和硬件公司紧密合作，确保我们的基准测试充分利用您现有系统中的本地 AI 加速器硬件。
立即购买提示 7（RAG 查询）：基准测试如何帮助我们公司节省时间和成本？如何选择用于 RFP 的参考基准测试分数？概述如何高效地测试企业 IT 专用 PC 的性能。根据所提供的背景信息回答。
结果与见解
借鉴了行业领导者的意见进行构建
- 借鉴了领先 AI 供应商的意见进行构建，以充分利用下一代本地 AI 加速器硬件。
- 7 个提示，均模拟多个实际用例，包含 RAG（检索增强生成）和非 RAG 查询
- 能够运行一致、重复的工作负载，最大程度减少常见的 AI 大语言模型工作负载变量。
详细结果
- 获取深入的报告，了解系统资源在 AI 工作负载运行期间的使用情况。
- 与测试整个 AI 模型相比，减少了安装规模。
- 轻松比较不同设备的结果，以帮助确定最适合具体用例的系统。
简化 AI 测试
- 方便快捷地使用参数大小各不相同的 4 种行业标准 AI 模型进行测试。
- 实时查看在基准测试期间生成的响应
- 一键式操作，轻松使用所有受支持的推理引擎进行测试；您也可以根据自己的偏好进行配置。
与行业专家共同开发
Procyon 基准测试专为工业、企业和新闻行业使用而设计，具有专为专业用户而开发的测试与功能。The Procyon AI Text Generation Benchmark was designed and developed with industry partners through the UL Benchmark Development Program (BDP). BDP 是 UL Solutions 制订的计划，旨在通过与计划成员的密切合作，创建相关的、公正的基准测试。
推理引擎性能
运用 Procyon AI 文本生成基准测试，可以通过基于 AI 图像生成大负荷工作负载的测试来测量专用 AI 处理硬件的性能，并核实推理引擎的实施质量。
专为专业人士而设计
对于需要使用独立的标准化工具对推理引擎实施及专用硬件的常规 AI 性能进行评估的工程团队，我们开发了 Procyon AI 推理基准测试。
快速并且容易使用
基准测试易于安装和执行，无需复杂的配置。使用 Procyon 应用或通过命令行运行基准测试。查看基准测试分数与图表，或导出详细的结果文件以供进一步分析。
系统要求
所有 ONNX 模型
存储空间：18.25 GB
所有 OpenVINO 模型
存储空间：15.45 GB
Phi-3.5-mini
ONNX（含 DirectML）
- 6GB VRAM（独立 GPU）
- 16GB 系统 RAM (iGPU)
- 存储空间：2.15 GB
Intel OpenVINO
- 4GB VRAM（独立 GPU）
- 16GB 系统 RAM (iGPU)
- 存储空间：1.84 GB
Llama-3.1-8B
ONNX（含 DirectML）
- 8GB VRAM（独立 GPU）
- 32GB 系统 RAM (iGPU)
- 存储空间：5.37 GB
Intel OpenVINO
- 8GB VRAM（独立 GPU）
- 32GB 系统 RAM (iGPU)
- 存储空间：3.88 GB
Mistral-7B
ONNX（含 DirectML）
- 8GB VRAM（独立 GPU）
- 32GB 系统 RAM (iGPU)
- 存储空间：3.69 GB
Intel OpenVINO
- 8GB VRAM（独立 GPU）
- 32GB 系统 RAM (iGPU)
- 存储空间：3.48 GB
Llama-2-13B
ONNX（含 DirectML）
- 12GB VRAM（独立 GPU）
- 32GB 系统 RAM (iGPU)
- 存储空间：7.04 GB
Intel OpenVINO
- 10GB VRAM（独立 GPU）
- 32GB 系统 RAM (iGPU)
- 存储空间：6.25 GB