MODÈLES OUVERTS / Modèles de langage (LLM)
Exécuter QwQ-32B-MLX-4bit sur un GPU cloud
QwQ-32B-MLX-4bit est un modèle Modèles de langage (LLM) de lmstudio-community. Découvrez la mémoire GPU nécessaire, les GPU sur lesquels il tient aujourd'hui et le coût pour l'exécuter vous-même, facturé à la seconde.
GPU compatibles aujourd'hui
Notre estimation : environ 14 Go pour l'inférence avec des poids U32, mémoire de travail incluse. L'usage réel dépend de la résolution, de la taille de lot et de la longueur de contexte. Avec une quantification 4 bits, environ 5 Go suffisent.
| GPU | Mémoire | Par heure | 10 heures | |
|---|---|---|---|---|
| RTX A4000 | 16 GB | $0.21 | $2.10 | Louer |
| RTX 2080 Ti | 22 GB | $0.23 | $2.30 | Louer |
| RTX 5060 Ti | 16 GB | $0.24 | $2.40 | Louer |
| Tesla V100 | 16 GB | $0.25 | $2.50 | Louer |
| Q RTX 5000 | 16 GB | $0.27 | $2.70 | Louer |
Prix de départ en direct depuis notre catalogue. Vous payez à la seconde tant que la machine tourne.
Comment exécuter QwQ-32B-MLX-4bit
- 01
Louez un GPU
Choisissez l'un des GPU ci-dessus. Facturation à la seconde ; arrêtez la machine et la facturation s'arrête.
- 02
Ouvrez un terminal ou Jupyter
Connectez-vous en SSH ou ouvrez Jupyter dans votre navigateur. PyTorch et CUDA sont prêts.
- 03
Téléchargez et lancez le modèle
Exécutez les commandes ci-dessous. Les poids sont téléchargés directement depuis Hugging Face sur votre machine.
pip install -U vllm
vllm serve lmstudio-community/QwQ-32B-MLX-4bit --host 0.0.0.0 --port 8000Pourquoi l'exécuter vous-même ?
Votre propre serveur LLM n'a ni facture par token ni limite de débit, et vos données restent privées. Choisissez le GPU selon la mémoire et servez le modèle avec vLLM.
Questions
- De combien de mémoire GPU QwQ-32B-MLX-4bit a-t-il besoin ?
- Selon notre estimation, environ 14 Go pour l'inférence (5.1B paramètres). Une résolution plus élevée, un contexte plus long ou des lots plus grands demandent davantage.
- Combien coûte l'exécution de QwQ-32B-MLX-4bit ?
- À partir de $0.21 de l'heure sur RTX A4000, facturé à la seconde. Dix heures coûtent environ $2.10.
- Faut-il un abonnement ?
- Non. Vous payez uniquement le temps de fonctionnement de votre machine, depuis votre solde en USD. Arrêtez-la quand vous avez terminé.
Essayez-le sur votre propre GPU en quelques minutes
Choisissez un GPU, ouvrez Jupyter ou SSH et exécutez n'importe quel modèle ouvert. Vous payez à la seconde et pouvez arrêter à tout moment ; sans abonnement ni frais d'installation.
- Facturation à la seconde en USD
- PyTorch et CUDA prêts en quelques minutes
- Louez aussi depuis ChatGPT ou Claude