La IA que mira fotos
Quantes fotos
pot mirar al dia?
Qwen3.8 27B quantitzat a 4 bits (Q4, format UD-Q4_K_XL, 17,55 GB) no només llegeix text: també hi veu. Una foto no entra com una foto, entra trossejada en tokens —uns 975 una foto normal d'1 MP, uns 2.700 si va en alta resolució (2,8 MP): un token per cada 32×32 píxels— i a partir d'aquí el model escriu el que hi veu: una descripció, unes etiquetes o un comunicat d'estat. Mirar costa temps; escriure, també. Aquí tens tots dos.
Prova-ho
Tria una foto i tria què vols que hi faci.
—
Acció
—
Resposta d'exemple, escrita per endavant. El que es reprodueix a velocitat real és el temps: el que trigaria aquesta targeta a mirar la foto i escriure aquest text.
I sense parar…
Una foto són segons. Un dia són milers.
—
Per a què serveix això
Sis feines que avui fa algú mirant fotos una a una
—
Cinc equips
La mateixa foto, cinc màquines diferents
Fotos mirades i descrites al dia (24 h seguides, una petició cada vegada) amb el model i la quantització que hagis triat a dalt.
D'on surten aquests números.
Les velocitats de lectura i escriptura de la RTX 3090 Ti estan mesurades el 21-09-2026 amb llama.cpp: 1.158 tokens/s llegint i 39,7 tokens/s escrivint, amb Qwen3.8 27B quantitzat a 4 bits (UD-Q4_K_XL, 17,55 GB) i la KV-cache en q8_0.
També està mesurat (21-set-2026) el que costa mirar una foto: ocupa un token per cada 32×32 píxels (974 tokens a 1 MP, 2.702 a 2,8 MP) i aquests tokens es llegeixen a uns 750 per segon, més a poc a poc que el text perquè abans passen pel codificador de visió. Descriure una foto d'1 MP: 1,2 s mirant + 5,4 s escrivint. La resta de targetes s'estima a partir de la seva amplada de banda i la seva potència.
Les respostes de la demostració estan escrites per endavant a partir del que es veu de debò a cada foto: són exemples realistes, no generació en directe. Les fórmules, una a una, són al Mètode.
El motor de càlcul (tw-engine.js) encara no hi és. Torna a carregar la pàgina d'aquí a un moment.