MODELOS ABERTOS / Modelos de linguagem (LLM)
Execute goliath:120b-fp16 em uma GPU na nuvem
goliath:120b-fp16 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 language model created by combining two fine-tuned Llama 2 70B models into one.
GPUs em que cabe hoje
Cerca de 272 GB de memória de GPU: o download do modelo (4 bits por padrão) mais a memória de trabalho.
| GPU | Memória | Por hora | 10 horas | |
|---|---|---|---|---|
| 4× A100 SXM4 | 320 GB | $3.24 | $32.40 | Alugar |
| 8× Q RTX 8000 | 360 GB | $4.32 | $43.20 | Alugar |
| 9× RTX 5090 | 288 GB | $8.10 | $81.00 | Alugar |
| 12× RTX 4090 | 288 GB | $8.88 | $88.80 | Alugar |
| 4× RTX PRO 6000 Max-Q | 384 GB | $9.12 | $91.20 | Alugar |
Preços iniciais ao vivo do nosso catálogo. Você paga por segundo enquanto a máquina roda.
Como executar goliath:120b-fp16
- 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 goliath:120b-fp16Por 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 goliath:120b-fp16 precisa?
- Pela nossa estimativa, cerca de 272 GB para inferência (120B parâmetros). Resolução maior, contexto mais longo ou lotes maiores precisam de mais.
- Quanto custa executar o goliath:120b-fp16?
- A partir de $3.24 por hora em 4× A100 SXM4, com cobrança por segundo. Dez horas custam cerca de $32.40.
- 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