OFFENE MODELLE / Vision-Language-Modelle
gemma-4-12B-it-qat-4bit auf einer Cloud-GPU ausführen
gemma-4-12B-it-qat-4bit ist ein Vision-Language-Modelle-Modell von mlx-community. Sehen Sie, wie viel GPU-Speicher es braucht, auf welche GPUs es heute passt und was der eigene Betrieb kostet, sekundengenau abgerechnet.
GPUs, auf die es heute passt
Unsere Schätzung: etwa 30 GB für Inferenz mit U32-Gewichten, inklusive Arbeitsspeicher. Der echte Bedarf hängt von Auflösung, Batchgröße und Kontextlänge ab. Mit 4-Bit-Quantisierung reichen etwa 10 GB.
| GPU | Speicher | Pro Stunde | 10 Stunden | |
|---|---|---|---|---|
| Q RTX 8000 | 45 GB | $0.53 | $5.30 | Mieten |
| A100 SXM4 | 80 GB | $0.75 | $7.50 | Mieten |
| RTX 5000Ada | 32 GB | $0.78 | $7.80 | Mieten |
| A100 PCIE | 40 GB | $0.83 | $8.30 | Mieten |
| A40 | 45 GB | $0.87 | $8.70 | Mieten |
Live-Startpreise aus unserem Katalog. Sie zahlen sekundengenau, solange die Maschine läuft.
So führen Sie gemma-4-12B-it-qat-4bit aus
- 01
GPU mieten
Wählen Sie eine der GPUs oben. Abrechnung pro Sekunde; stoppen Sie die Maschine, endet die Abrechnung.
- 02
Terminal oder Jupyter öffnen
Verbinden Sie sich per SSH oder öffnen Sie Jupyter im Browser. PyTorch und CUDA sind bereit.
- 03
Modell laden und starten
Führen Sie die Befehle unten aus. Die Gewichte kommen direkt von Hugging Face auf Ihre Maschine.
pip install -U vllm
vllm serve mlx-community/gemma-4-12B-it-qat-4bit --host 0.0.0.0 --port 8000Warum selbst betreiben?
Dokument- und Bildverständnis auf Ihrer eigenen GPU: keine Kosten pro Bild, Dateien bleiben auf Ihrer Maschine.
Fragen
- Wie viel GPU-Speicher braucht gemma-4-12B-it-qat-4bit?
- Nach unserer Schätzung etwa 30 GB für Inferenz (12B Parameter). Höhere Auflösung, längerer Kontext oder größere Batches brauchen mehr.
- Was kostet der Betrieb von gemma-4-12B-it-qat-4bit?
- Ab $0.53 pro Stunde auf Q RTX 8000, sekundengenau abgerechnet. Zehn Stunden kosten etwa $5.30.
- Brauche ich ein Abo?
- Nein. Sie zahlen nur die Laufzeit Ihrer Maschine aus Ihrem USD-Guthaben. Stoppen Sie sie, wenn Sie fertig sind.
Testen Sie es in wenigen Minuten auf Ihrer eigenen GPU
Wählen Sie eine GPU, öffnen Sie Jupyter oder SSH und führen Sie jedes offene Modell aus. Sie zahlen sekundengenau und können jederzeit stoppen; kein Abo, keine Einrichtungsgebühr.
- Sekundengenaue Abrechnung in USD
- PyTorch und CUDA in Minuten bereit
- Auch über ChatGPT oder Claude mieten