MODELOS ABIERTOS / Modelos de visión y lenguaje
Ejecuta Gemma-4-12B-FP8 en una GPU en la nube
Gemma-4-12B-FP8 es un modelo de Modelos de visión y lenguaje de AxionML. Mira cuánta memoria de GPU necesita, en qué GPU cabe hoy y cuánto cuesta ejecutarlo tú mismo, con facturación por segundo.
GPU en las que cabe hoy
Nuestra estimación es de unos 16 GB para inferencia con pesos F8_E4M3, memoria de trabajo incluida. El uso real depende de la resolución, el tamaño de lote y la longitud de contexto. Con cuantización de 4 bits necesita unos 10 GB.
| GPU | Memoria | Por hora | 10 horas | |
|---|---|---|---|---|
| RTX A4000 | 16 GB | $0.19 | $1.90 | Alquilar |
| RTX 2080 Ti | 22 GB | $0.20 | $2.00 | Alquilar |
| RTX 5060 Ti | 16 GB | $0.20 | $2.00 | Alquilar |
| Tesla V100 | 16 GB | $0.22 | $2.20 | Alquilar |
| Q RTX 5000 | 16 GB | $0.24 | $2.40 | Alquilar |
Precios iniciales en vivo de nuestro catálogo. Pagas por segundo mientras la máquina funciona.
Cómo ejecutar Gemma-4-12B-FP8
- 01
Alquila una GPU
Elige una de las GPU de arriba. La facturación es por segundo; detén la máquina y dejas de pagar.
- 02
Abre una terminal o Jupyter
Conéctate por SSH o abre Jupyter en tu navegador. PyTorch y CUDA están listos.
- 03
Descarga y ejecuta el modelo
Ejecuta los comandos de abajo. Los pesos se descargan directamente de Hugging Face a tu máquina.
pip install -U vllm
vllm serve AxionML/Gemma-4-12B-FP8 --host 0.0.0.0 --port 8000¿Por qué ejecutarlo tú mismo?
Ejecuta la comprensión de documentos e imágenes en tu propia GPU: sin cuota por imagen y tus archivos se quedan en tu máquina.
Preguntas
- ¿Cuánta memoria de GPU necesita Gemma-4-12B-FP8?
- Según nuestra estimación, unos 16 GB para inferencia (12B parámetros). Más resolución, contexto más largo o lotes mayores necesitan más.
- ¿Cuánto cuesta ejecutar Gemma-4-12B-FP8?
- Desde $0.19 por hora en RTX A4000, con facturación por segundo. Diez horas cuestan unos $1.90.
- ¿Necesito una suscripción?
- No. Solo pagas el tiempo que funciona tu máquina, desde tu saldo en USD. Detenla cuando termines.
Pruébalo en tu propia GPU en minutos
Elige una GPU, abre Jupyter o SSH y ejecuta cualquier modelo abierto. Pagas por segundo y puedes detenerla cuando quieras; sin suscripción ni cuota de alta.
- Facturación por segundo en USD
- PyTorch y CUDA listos en minutos
- Alquila también desde ChatGPT o Claude