ОТКРЫТЫЕ МОДЕЛИ / Языковые модели (LLM)
Запустите Llama-2-7b-hf на облачном GPU
Llama-2-7b-hf — модель от meta-llama для задачи «Языковые модели (LLM)». Узнайте, сколько видеопамяти ей нужно, на какие GPU она помещается сегодня и сколько стоит запустить её самому, с посекундной оплатой.
GPU, на которые она помещается сегодня
По нашей оценке, около 18 ГБ для инференса с весами F16, включая рабочую память. Реальный расход зависит от разрешения, размера батча и длины контекста. С 4-битной квантизацией хватит около 6 ГБ.
| GPU | Память | В час | 10 часов | |
|---|---|---|---|---|
| RTX 2080 Ti | 22 GB | $0.23 | $2.30 | Арендовать |
| Tesla P40 | 24 GB | $0.27 | $2.70 | Арендовать |
| Titan RTX | 24 GB | $0.29 | $2.90 | Арендовать |
| RTX 4000Ada | 20 GB | $0.39 | $3.90 | Арендовать |
| RTX 3090 | 24 GB | $0.42 | $4.20 | Арендовать |
Актуальные начальные цены из нашего каталога. Вы платите посекундно, пока машина работает.
Как запустить Llama-2-7b-hf
- 01
Арендуйте GPU
Выберите один из GPU выше. Оплата посекундная: остановили машину — оплата прекратилась.
- 02
Откройте терминал или Jupyter
Подключитесь по SSH или откройте Jupyter в браузере. PyTorch и CUDA уже готовы.
- 03
Скачайте и запустите модель
Выполните команды ниже. Веса загружаются прямо с Hugging Face на вашу машину.
Доступ к этой модели ограничен: примите её лицензию на Hugging Face и выполните huggingface-cli login перед загрузкой.
pip install -U vllm
vllm serve meta-llama/Llama-2-7b-hf --host 0.0.0.0 --port 8000Зачем запускать самому?
У собственного LLM-сервера нет оплаты за токены и лимитов запросов, а данные остаются приватными. Выберите GPU по памяти и разверните модель через vLLM.
Вопросы
- Сколько видеопамяти нужно Llama-2-7b-hf?
- По нашей оценке, около 18 ГБ для инференса (6.7B параметров). Более высокое разрешение, длинный контекст или большие батчи потребуют больше.
- Сколько стоит запуск Llama-2-7b-hf?
- От $0.23 в час на RTX 2080 Ti, с посекундной оплатой. Десять часов обойдутся примерно в $2.30.
- Нужна ли подписка?
- Нет. Вы платите только за время работы машины из своего баланса в USD. Остановите её, когда закончите.
Попробуйте на своём GPU за несколько минут
Выберите GPU, откройте Jupyter или SSH и запустите любую открытую модель. Вы платите посекундно и можете остановить машину в любой момент; без подписки и платы за подключение.
- Посекундная оплата в USD
- PyTorch и CUDA готовы за минуты
- Арендуйте и через ChatGPT или Claude