MODELOS ABIERTOS / Modelos de visión y lenguaje
Ejecuta Llama-4-Maverick-17B-128E-Instruct-FP8 en una GPU en la nube
Llama-4-Maverick-17B-128E-Instruct-FP8 es un modelo de Modelos de visión y lenguaje 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 483 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 291 GB.
| GPU | Memoria | Por hora | 10 horas | |
|---|---|---|---|---|
| 8× RTX PRO 6000 Max-Q | 768 GB | $15.44 | $154.40 | Alquilar |
| 16× RTX 5090 | 512 GB | $16.16 | $161.60 | Alquilar |
| 8× RTX PRO 6000 WS | 768 GB | $21.76 | $217.60 | Alquilar |
| 8× RTX PRO 6000 S | 768 GB | $22.72 | $227.20 | Alquilar |
| 8× A100 | 640 GB | $23.36 | $233.60 | Alquilar |
Precios iniciales en vivo de nuestro catálogo. Pagas por segundo mientras la máquina funciona.
Cómo ejecutar Llama-4-Maverick-17B-128E-Instruct-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.
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-4-Maverick-17B-128E-Instruct-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 Llama-4-Maverick-17B-128E-Instruct-FP8?
- Según nuestra estimación, unos 483 GB para inferencia (402B parámetros). Más resolución, contexto más largo o lotes mayores necesitan más.
- ¿Cuánto cuesta ejecutar Llama-4-Maverick-17B-128E-Instruct-FP8?
- Desde $15.44 por hora en 8× RTX PRO 6000 Max-Q, con facturación por segundo. Diez horas cuestan unos $154.40.
- ¿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