ОТКРЫТЫЕ МОДЕЛИ / Языковые модели (LLM)
Запустите gemma-4-26B-A4B-it-qat-OptiQ-4bit на облачном GPU
gemma-4-26B-A4B-it-qat-OptiQ-4bit — 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 62 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 20 ГБ.
| GPU | Память | В час | 10 часов | |
|---|---|---|---|---|
| CMP 170HX | 64 GB | $0.70 | $7.00 | Арендовать |
| A100 SXM4 | 80 GB | $0.81 | $8.10 | Арендовать |
| GB10 | 119 GB | $1.19 | $11.90 | Арендовать |
| RTX PRO 6000 Max-Q | 96 GB | $2.27 | $22.70 | Арендовать |
| RTX PRO 6000 WS | 96 GB | $2.65 | $26.50 | Арендовать |
Актуальные начальные цены из нашего каталога. Вы платите посекундно, пока машина работает.
Как запустить gemma-4-26B-A4B-it-qat-OptiQ-4bit
- 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/gemma-4-26B-A4B-it-qat-OptiQ-4bit --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 gemma-4-26B-A4B-it-qat-OptiQ-4bit?
- По нашей оценке, около 62 ГБ для инференса (25B параметров). Более высокое разрешение, длинный контекст или большие батчи потребуют больше.
- Сколько стоит запуск gemma-4-26B-A4B-it-qat-OptiQ-4bit?
- От $0.70 в час на CMP 170HX, с посекундной оплатой. Десять часов обойдутся примерно в $7.00.
- 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