Ihre Privatsphäre ist uns wichtig

Wir verwenden Cookies, um Ihr Surferlebnis zu verbessern, Inhalte zu personalisieren und unseren Datenverkehr zu analysieren. Mit einem Klick auf „Alle akzeptieren“ stimmen Sie der Verwendung von Cookies zu. Cookie-Richtlinie

Weitere Optionen
Zum Inhalt springen
FacthoryFacthory
FacthoryFacthory
    • Arbeitsbereich
    • Agent
    • Wissen
    • Analysen
    • Office-Apps
    • Desktop
    Alle Funktionen
    Neuigkeiten
    Herunterladen
  • Nach Aufgabe

    • Wissensrisiko & Wissenslücken im Unternehmen
    • Wissenschaftliche Forschung & Experimente
    • Autonome Analytik & Erkenntnisgewinnung
    • Einsatzbereitschaft der Belegschaft & adaptives Lernen
    • SOP-Governance & betriebliche Standardisierung
    • Prozesserkennung und kontinuierliche Optimierung
    • Alle Lösungen

    Nach Branche

    • Fertigung
    • Automobil
    • Bau & Infrastruktur
    • Immobilien
    • Öffentlicher Sektor
    • Life Sciences
    • Alle Branchen
  • Facthory für

    • Regulierte Branchen
    • On-Premises
    • Entwickler

    Entdecken

    • Neuigkeiten
    • Blog
    • Fallstudien
    • Webinare
    • Modelle

    Lernen

    • Dokumentation
    • Hilfecenter
  • Preise
  • Download
AnmeldenJetzt starten
Alle Modelleutter-project

EuroLLM1.5-9B-SFT

text-generation
9,2 Mrd. Parameter
Keine Lizenz angegeben
Keine Datei markiert

EuroLLM1.5-9B-SFT ist ein 9-Milliarden-Parameter-Modell, das als starkes Open-Weight-Modell für englische und mehrsprachige Aufgaben konzipiert ist, einschließlich Mathematik, Schlussfolgern, Programmierung, Befolgung von Anweisungen und Wissen.

Auf Hugging Face ansehenMit anderen Modellen vergleichen

Steckbrief

Parameter

9,2 Mrd.

Kontextlänge

40.960 Token

Architektur

LlamaForCausalLM

Aufbau

42 Schichten, versteckte Größe 4.096, 32 Attention-Heads, 8 Key-Value-Heads

Gewichte gespeichert als

bfloat16

Aufgabe

text-generation

Sprachen

nicht veröffentlicht

Basiert auf

–

Veröffentlicht

29.08.2026

Zuletzt aktualisiert

03.11.2026

Downloads (letzte 30 Tage)

353

Lizenz und Zugang

Lizenz

Keine Lizenz angegeben

Zugang

Gewichte ohne Freigabe herunterladbar

Sicherheit

Sicherheitsscan von Hugging Face

Keine Datei markiert

Gewichtsdateien nach Format

Safetensors: 1
Pickle-basiert: 0
GGUF: 0
Andere Formate: 0
Pickle-basierte Dateien (.bin, .pt, .pth, .pkl, .ckpt) können beim Laden Code ausführen; Safetensors-Dateien nicht.

Prüfungen von Facthory

Automatisch
Erfüllt
Sichere Gewichtsformate

Alle Gewichtsdateien sind Safetensors oder GGUF.

Erfüllt
Malware- und Pickle-Scan des Hubs

Keine Datei markiert.

Nicht belegt
Eine angegebene Lizenz

Die Modellkarte gibt keine Lizenz an.

Nicht belegt
Veröffentlichte Sicherheitsbewertungen

Die Modellkarte berichtet keine Sicherheitsbewertung.

GPU-Rechner

Wie viel Speicher dieses Modell bei einer Quantisierung, Kontextlänge und Zahl gleichzeitiger Sequenzen braucht, welche GPUs es aufnehmen und wie schnell es generieren kann. Schätzungen aus der veröffentlichten Größe und dem Aufbau des Modells, mit den Annahmen unten.

Gewichte

BF16 / FP16 (16 bit)
​

Kontext je Sequenz: 8K Token

Gleichzeitige Sequenzen: 1

KV-Cache

Speicher

22 GB

Gewichte: 18 GB

KV-Cache: 1,4 GB

Laufzeit: 2 GB

GPUSpeicherBenötigte GPUsJe SequenzAlle Sequenzen
NVIDIA L424 GB
2 ×
18 Token/s18 Token/s
NVIDIA L40S48 GB
1 ×
26 Token/s26 Token/s
NVIDIA RTX 6000 Ada48 GB
1 ×
29 Token/s29 Token/s
NVIDIA RTX PRO 6000 Blackwell96 GB
1 ×
55 Token/s55 Token/s
NVIDIA A100 80GB SXM80 GB
1 ×
62 Token/s62 Token/s
NVIDIA H100 SXM80 GB
1 ×
102 Token/s102 Token/s
NVIDIA H200 SXM141 GB
1 ×
146 Token/s146 Token/s
AMD Instinct MI300X192 GB
1 ×
161 Token/s161 Token/s
AMD Instinct MI325X256 GB
1 ×
183 Token/s183 Token/s
Annahmen
  • Laufzeitspeicher (Aktivierungen, Puffer) beträgt 10 % von Gewichten und KV-Cache, dazu 1 GB je GPU für das Framework.
  • Eine GPU wird zu höchstens 90 % ihres Speichers belegt; Tensor-Parallelität nutzt 1, 2, 4 oder 8 GPUs in einem Server.
  • Die Generierung ist durch die Speicherbandbreite bei 60 % der Herstellerangabe begrenzt: Jeder Schritt liest die Gewichte einmal und den KV-Cache jeder Sequenz. Ein Mixture-of-Experts-Modell liest nur seine aktiven Experten und läuft daher schneller als gezeigt.
  • Speicher und Bandbreite der GPUs sind die veröffentlichten Herstellerangaben.

Profil

Art

Instruktionsmodell

Herkunft

Original

Familie

EuroLLM1.5

Einsatz

Konversation
Schlussfolgern
Programmierung
Mathematik
Übersetzung

Ein- und Ausgabe

Text → Text

Am 12.11.2026 von Workers AI (@cf/zai-org/glm-4.7-flash) aus der Modellkarte und den Metadaten des Hubs verfasst: eine Lesart des Anbietertexts, von Facthory nicht geprüft.

Veröffentlichte Benchmarks

Die Modellkarte veröffentlicht keine Benchmark-Ergebnisse.

EU AI Act

Was der EU AI Act von einem KI-Modell mit allgemeinem Verwendungszweck verlangt, hängt davon ab, wer es wie in der EU in Verkehr bringt. Diese Angaben sind dafür maßgeblich:

  • Lizenz: Keine Lizenz angegeben
  • Zugang: Gewichte ohne Freigabe herunterladbar
  • Parameter: 9,2 Mrd.
Automatisch
Vom Crawler von Facthory aus den veröffentlichten Angaben bewertet; noch nicht von einer Person geprüft.

KI-Modell mit allgemeinem Verwendungszweck (Artikel 3 Nummer 63)

Nicht bestimmt. Es ist keine Schätzung des Trainingsaufwands veröffentlicht, die der Richtwert der Kommission (10²³ FLOP) braucht. Ist es ein KI-Modell mit allgemeinem Verwendungszweck, binden die folgenden Pflichten seinen Anbieter.

Systemisches Risiko (Artikel 51)

Nicht vermutet. Es ist keine Schätzung des Trainingsaufwands veröffentlicht; ohne sie oder eine Einstufung durch die Kommission nach Artikel 52 gilt Artikel 55 nicht.

Open-Source-Ausnahme (Artikel 53 Absatz 2)

Gilt nicht. Die Modellkarte gibt keine Lizenz an.

Verhaltenskodex für KI-Modelle mit allgemeinem Verwendungszweck

UTTER project (EuroLLM) steht nicht auf der Liste der Unterzeichner der Europäischen Kommission. Der Kodex ist freiwillig.

Was Modellkarte und Anbieter dokumentieren

Teilweise erfüllt
Technische Dokumentation veröffentlicht (Artikel 53 Absatz 1 Buchstabe a, Anhang XI)

Die Modellkarte veröffentlicht einen Teil der Angaben der technischen Dokumentation.

Nicht angegeben: Trainingsdaten, Trainingsaufwand, Energieverbrauch.
Teilweise erfüllt
Quelle: Am 19.11.2026 von Hugging Face gelesen, Commit 08a046e. huggingface.co/utter-project/EuroLLM1.5-9B-SFT

Ein Arbeitsbereich für das, was Ihre Organisation weiß, mit einem Agenten, der damit arbeitet.

Produkt

  • Alle Funktionen
  • Arbeitsbereich
  • Agent
  • Wissen
  • Analysen
  • Office-Apps
  • Desktop
  • Herunterladen
  • Preise

Lösungen

  • Wissensrisiko & Wissenslücken im Unternehmen
  • Wissenschaftliche Forschung & Experimente
  • Autonome Analytik & Erkenntnisgewinnung
  • Einsatzbereitschaft der Belegschaft & adaptives Lernen
  • SOP-Governance & betriebliche Standardisierung
  • Prozesserkennung und kontinuierliche Optimierung
  • Alle Lösungen
  • Alle Branchen

Ressourcen

  • Blog
  • Fallstudien
  • Webinare
  • Dokumentation
  • Hilfecenter
  • Modelle
  • ROI-Rechner

Unternehmen

  • Über uns
  • Karriere
  • Presse
  • Markenkit
  • Philosophie
  • Kontakt

Unser Newsletter

Neuigkeiten zu Facthory per E-Mail.

​

© 2026 Facthory. Alle Rechte vorbehalten.
  • Datenschutz
  • Cookie-Richtlinie
  • Allgemeine Geschäftsbedingungen
  • Impressum
  • Cookie-Einstellungen
Vom Crawler von Facthory aus den veröffentlichten Angaben bewertet; noch nicht von einer Person geprüft. So bewerten wir
Informationen für nachgelagerte Anbieter (Artikel 53 Absatz 1 Buchstabe b, Anhang XII)

Die Modellkarte gibt einen Teil der Angaben, die nachgelagerte Anbieter brauchen.

Nicht angegeben: vorgesehene Verwendungen, zulässige Nutzung, Ein- und Ausgabeformate.
Nicht belegt
Strategie zum Urheberrecht veröffentlicht (Artikel 53 Absatz 1 Buchstabe c)

Wir fanden keine veröffentlichte Strategie zum Urheberrecht. Der AI Act verlangt eine, nicht unbedingt ihre Veröffentlichung.

Teilweise erfüllt
Zusammenfassung der Trainingsinhalte (Artikel 53 Absatz 1 Buchstabe d)

Der Anbieter veröffentlicht Zusammenfassungen der Trainingsinhalte; ob die dieses Modells darunter ist, ist noch nicht geprüft.

Quelle: huggingface.co, gelesen am 08.11.2026
Nicht belegt
Bevollmächtigter in der EU (Artikel 54)

Wir fanden keinen vom Anbieter benannten Bevollmächtigten.

Nicht anwendbar
Angriffstests (Artikel 55 Absatz 1 Buchstabe a)

Gilt nur für Modelle mit systemischem Risiko.

Nicht anwendbar
Systemische Risiken bewertet und gemindert (Artikel 55 Absatz 1 Buchstabe b)

Gilt nur für Modelle mit systemischem Risiko.

Verordnung (EU) 2024/1689, der EU AI Act · Quelle: Verhaltenskodex für KI-Modelle mit allgemeinem Verwendungszweck, gelesen am 08.11.2026

Die EU-AI-Act-Bewertung von Facthory erscheint, sobald eine Person diese Prüfungen geprüft hat. Die Artikel, nach denen wir bewerten