AÇIK MODELLER / Dil modelleri (LLM)
DeepSeek-V4-Flash-2bit-DQ modelini bulut GPU'da çalıştır
DeepSeek-V4-Flash-2bit-DQ, mlx-community tarafından geliştirilen bir Dil modelleri (LLM) modeli. Ne kadar GPU belleği istediğini, bugün hangi GPU'lara sığdığını ve kendin çalıştırmanın maliyetini gör; ödeme saniye bazında.
Bugün sığdığı GPU'lar
Tahminimiz U32 ağırlıklarla çıkarım için çalışma belleği dahil yaklaşık 684 GB. Gerçek kullanım çözünürlüğe, toplu iş boyutuna ve bağlam uzunluğuna bağlı. 4-bit nicemlemeyle yaklaşık 206 GB yeter.
| GPU | Bellek | Saatlik | 10 saat | |
|---|---|---|---|---|
| 8× RTX PRO 6000 WS | 768 GB | $14.32 | $143.20 | Kirala |
| 8× RTX PRO 6000 Max-Q | 768 GB | $15.36 | $153.60 | Kirala |
| 8× RTX PRO 6000 S | 768 GB | $19.44 | $194.40 | Kirala |
| 8× RTX PRO 6000 | 768 GB | $33.68 | $336.80 | Kirala |
| 16× A100 | 1280 GB | $42.56 | $425.60 | Kirala |
Kataloğumuzdan canlı başlangıç fiyatları. Makine çalıştığı sürece saniye bazında ödersin.
DeepSeek-V4-Flash-2bit-DQ nasıl çalıştırılır
- 01
GPU kirala
Yukarıdaki GPU'lardan birini seç. Ödeme saniye bazında; makineyi durdurunca ödeme de durur.
- 02
Terminali ya da Jupyter'i aç
SSH ile bağlan ya da Jupyter'i tarayıcında aç. PyTorch ve CUDA hazır.
- 03
Modeli indir ve çalıştır
Aşağıdaki komutları çalıştır. Ağırlıklar doğrudan Hugging Face'ten makinene iner.
pip install -U vllm
vllm serve mlx-community/DeepSeek-V4-Flash-2bit-DQ --host 0.0.0.0 --port 8000Neden kendin çalıştırmalısın?
Kendi LLM sunucunda belirteç başına fatura ve hız sınırı yok, verin gizli kalır. Belleğe göre GPU seç, modeli vLLM ile sun.
Sorular
- DeepSeek-V4-Flash-2bit-DQ ne kadar GPU belleği ister?
- Tahminimize göre çıkarım için yaklaşık 684 GB (284B parametre). Yüksek çözünürlük, uzun bağlam ya da büyük toplu iş daha fazlasını ister.
- DeepSeek-V4-Flash-2bit-DQ çalıştırmak ne kadar tutar?
- 8× RTX PRO 6000 WS üzerinde saatlik $14.32'ten başlar, ödeme saniye bazında. On saat yaklaşık $143.20 tutar.
- Abonelik gerekir mi?
- Hayır. Yalnız makinenin çalıştığı süreyi USD bakiyenden ödersin. İşin bitince durdur.
Kendi GPU'nda dakikalar içinde dene
Bir GPU seç, Jupyter'i ya da SSH'yi aç ve istediğin açık modeli çalıştır. Saniye bazında ödersin, istediğin an durdurursun; abonelik ve kurulum ücreti yok.
- USD ile saniye bazında ödeme
- PyTorch ve CUDA dakikalar içinde hazır
- ChatGPT ya da Claude'dan da kiralayabilirsin