ОТКРЫТЫЕ МОДЕЛИ / Языковые модели (LLM)
Запустите DeepSeek-V4-Flash-2bit-DQ на облачном GPU
DeepSeek-V4-Flash-2bit-DQ — модель от mlx-community 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 684 ГБ для инференса с весами U32, включая рабочую память. Реальный расход зависит от разрешения, размера батча и длины контекста. С 4-битной квантизацией хватит около 206 ГБ.
| GPU | Память | В час | 10 часов | |
|---|---|---|---|---|
| 8× RTX PRO 6000 Max-Q | 768 GB | $13.76 | $137.60 | Арендовать |
| 8× RTX PRO 6000 WS | 768 GB | $18.88 | $188.80 | Арендовать |
| 8× RTX PRO 6000 S | 768 GB | $19.44 | $194.40 | Арендовать |
| 8× RTX PRO 6000 | 768 GB | $33.68 | $336.80 | Арендовать |
| 16× A100 | 1280 GB | $42.56 | $425.60 | Арендовать |
Актуальные начальные цены из нашего каталога. Вы платите посекундно, пока машина работает.
Как запустить DeepSeek-V4-Flash-2bit-DQ
- 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.
pip install -U vllm
vllm serve mlx-community/DeepSeek-V4-Flash-2bit-DQ --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 DeepSeek-V4-Flash-2bit-DQ?
- По нашей оценке, около 684 ГБ для инференса (284B параметров). Более высокое разрешение, длинный контекст или большие батчи потребуют больше.
- Сколько стоит запуск DeepSeek-V4-Flash-2bit-DQ?
- От $13.76 в час на 8× RTX PRO 6000 Max-Q, с посекундной оплатой. Десять часов обойдутся примерно в $137.60.
- 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