MODELOS ABIERTOS / Modelos de lenguaje (LLM)
Ejecuta Llama-2-13b-chat-hf en una GPU en la nube
Llama-2-13b-chat-hf es un modelo de Modelos de lenguaje (LLM) de meta-llama. 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 33 GB para inferencia con pesos F16, 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 11 GB.
| GPU | Memoria | Por hora | 10 horas | |
|---|---|---|---|---|
| Q RTX 8000 | 45 GB | $0.54 | $5.40 | Alquilar |
| A100 SXM4 | 80 GB | $0.81 | $8.10 | Alquilar |
| A100 PCIE | 40 GB | $0.83 | $8.30 | Alquilar |
| CMP 170HX | 64 GB | $0.90 | $9.00 | Alquilar |
| RTX A6000 | 48 GB | $0.94 | $9.40 | Alquilar |
Precios iniciales en vivo de nuestro catálogo. Pagas por segundo mientras la máquina funciona.
Cómo ejecutar Llama-2-13b-chat-hf
- 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.
Este modelo tiene acceso restringido: acepta su licencia en Hugging Face y ejecuta huggingface-cli login antes de descargarlo.
pip install -U vllm
vllm serve meta-llama/Llama-2-13b-chat-hf --host 0.0.0.0 --port 8000¿Por qué ejecutarlo tú mismo?
Tu propio servidor de LLM no tiene factura por token ni límite de peticiones, y tus datos siguen siendo privados. Elige la GPU por memoria y sirve el modelo con vLLM.
Preguntas
- ¿Cuánta memoria de GPU necesita Llama-2-13b-chat-hf?
- Según nuestra estimación, unos 33 GB para inferencia (13B parámetros). Más resolución, contexto más largo o lotes mayores necesitan más.
- ¿Cuánto cuesta ejecutar Llama-2-13b-chat-hf?
- Desde $0.54 por hora en Q RTX 8000, con facturación por segundo. Diez horas cuestan unos $5.40.
- ¿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