MODELOS ABERTOS / Modelos de linguagem (LLM)
Execute deepseek-v3:671b em uma GPU na nuvem
deepseek-v3:671b é um modelo de Modelos de linguagem (LLM) da Ollama. Veja quanta memória de GPU ele precisa, em quais GPUs cabe hoje e quanto custa executá-lo você mesmo, com cobrança por segundo.
Do projeto: A strong Mixture-of-Experts (MoE) language model with 671B total parameters with 37B activated for each token.
GPUs em que cabe hoje
Cerca de 467 GB de memória de GPU: o download do modelo (4 bits por padrão) mais a memória de trabalho.
| GPU | Memória | Por hora | 10 horas | |
|---|---|---|---|---|
| 8× A100 SXM4 | 640 GB | $5.76 | $57.60 | Alugar |
| 5× RTX PRO 6000 S | 480 GB | $12.15 | $121.50 | Alugar |
| 8× RTX PRO 6000 Max-Q | 768 GB | $13.76 | $137.60 | Alugar |
| 16× RTX 5090 | 512 GB | $14.40 | $144.00 | Alugar |
| 8× RTX PRO 6000 WS | 768 GB | $18.88 | $188.80 | Alugar |
Preços iniciais ao vivo do nosso catálogo. Você paga por segundo enquanto a máquina roda.
Como executar deepseek-v3:671b
- 01
Alugue uma GPU
Escolha uma das GPUs acima. A cobrança é por segundo; pare a máquina e a cobrança para.
- 02
Abra um terminal ou o Jupyter
Conecte-se por SSH ou abra o Jupyter no navegador. PyTorch e CUDA já estão prontos.
- 03
Instale o Ollama e execute o modelo
Execute os comandos abaixo. O Ollama baixa o modelo e serve uma API compatível com OpenAI na porta 11434.
curl -fsSL https://ollama.com/install.sh | sh
ollama run deepseek-v3:671bPor que executar você mesmo?
Seu próprio servidor de LLM não tem cobrança por token nem limite de requisições, e seus dados ficam privados. Escolha a GPU pela memória e sirva o modelo com vLLM.
Perguntas
- Quanta memória de GPU o deepseek-v3:671b precisa?
- Pela nossa estimativa, cerca de 467 GB para inferência (671B parâmetros). Resolução maior, contexto mais longo ou lotes maiores precisam de mais.
- Quanto custa executar o deepseek-v3:671b?
- A partir de $5.76 por hora em 8× A100 SXM4, com cobrança por segundo. Dez horas custam cerca de $57.60.
- Preciso de uma assinatura?
- Não. Você paga só pelo tempo em que a máquina roda, usando seu saldo em USD. Pare-a quando terminar.
Experimente na sua própria GPU em minutos
Escolha uma GPU, abra o Jupyter ou o SSH e execute qualquer modelo aberto. Você paga por segundo e pode parar quando quiser; sem assinatura nem taxa de ativação.
- Cobrança por segundo em USD
- PyTorch e CUDA prontos em minutos
- Alugue também pelo ChatGPT ou Claude