OFFENE MODELLE / KI-Videoerstellung
mochi-1-preview auf einer Cloud-GPU ausführen
mochi-1-preview ist ein KI-Videoerstellung-Modell von caralhox. Sehen Sie, wie viel GPU-Speicher es braucht, auf welche GPUs es heute passt und was der eigene Betrieb kostet, sekundengenau abgerechnet.
GPUs, auf die es heute passt
Unsere Schätzung: etwa 26 GB für Inferenz mit F32-Gewichten, inklusive Arbeitsspeicher. Der echte Bedarf hängt von Auflösung, Batchgröße und Kontextlänge ab.
| GPU | Speicher | Pro Stunde | 10 Stunden | |
|---|---|---|---|---|
| Q RTX 8000 | 45 GB | $0.54 | $5.40 | Mieten |
| RTX 5000Ada | 32 GB | $0.78 | $7.80 | Mieten |
| A100 SXM4 | 80 GB | $0.81 | $8.10 | Mieten |
| A100 PCIE | 40 GB | $0.83 | $8.30 | Mieten |
| CMP 170HX | 64 GB | $0.90 | $9.00 | Mieten |
Live-Startpreise aus unserem Katalog. Sie zahlen sekundengenau, solange die Maschine läuft.
So führen Sie mochi-1-preview aus
- 01
GPU mieten
Wählen Sie eine der GPUs oben. Abrechnung pro Sekunde; stoppen Sie die Maschine, endet die Abrechnung.
- 02
Terminal oder Jupyter öffnen
Verbinden Sie sich per SSH oder öffnen Sie Jupyter im Browser. PyTorch und CUDA sind bereit.
- 03
Modell laden und starten
Führen Sie die Befehle unten aus. Die Gewichte kommen direkt von Hugging Face auf Ihre Maschine.
pip install -U diffusers transformers accelerate
huggingface-cli download caralhox/mochi-1-preview --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"Warum selbst betreiben?
Gehostete Videotools berechnen pro Clip oder Monat und stellen Sie in eine Warteschlange. Auf Ihrer eigenen GPU zahlen Sie nur die Laufzeit, erstellen so viele Clips wie Sie möchten und behalten Prompts und Dateien auf Ihrer Maschine.
Fragen
- Wie viel GPU-Speicher braucht mochi-1-preview?
- Nach unserer Schätzung etwa 26 GB für Inferenz (10B Parameter). Höhere Auflösung, längerer Kontext oder größere Batches brauchen mehr.
- Was kostet der Betrieb von mochi-1-preview?
- Ab $0.54 pro Stunde auf Q RTX 8000, sekundengenau abgerechnet. Zehn Stunden kosten etwa $5.40.
- Brauche ich ein Abo?
- Nein. Sie zahlen nur die Laufzeit Ihrer Maschine aus Ihrem USD-Guthaben. Stoppen Sie sie, wenn Sie fertig sind.
Testen Sie es in wenigen Minuten auf Ihrer eigenen GPU
Wählen Sie eine GPU, öffnen Sie Jupyter oder SSH und führen Sie jedes offene Modell aus. Sie zahlen sekundengenau und können jederzeit stoppen; kein Abo, keine Einrichtungsgebühr.
- Sekundengenaue Abrechnung in USD
- PyTorch und CUDA in Minuten bereit
- Auch über ChatGPT oder Claude mieten