MODELOS ABERTOS / Modelos de linguagem (LLM)
Execute llama-pro:8b-instruct-q5_0 em uma GPU na nuvem
llama-pro:8b-instruct-q5_0 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: An expansion of Llama 2 that specializes in integrating both general language understanding and domain-specific knowledge, particularly in programming and mathematics.
GPUs em que cabe hoje
Cerca de 8 GB de memória de GPU: o download do modelo (4 bits por padrão) mais a memória de trabalho.
| GPU | Memória | Por hora | 10 horas | |
|---|---|---|---|---|
| GTX 1070 | 8 GB | $0.16 | $1.60 | Alugar |
| RTX 3060 | 12 GB | $0.17 | $1.70 | Alugar |
| GTX 1070 Ti | 8 GB | $0.18 | $1.80 | Alugar |
| GTX 1080 | 8 GB | $0.18 | $1.80 | Alugar |
| Q RTX 4000 | 8 GB | $0.18 | $1.80 | Alugar |
Preços iniciais ao vivo do nosso catálogo. Você paga por segundo enquanto a máquina roda.
Como executar llama-pro:8b-instruct-q5_0
- 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 llama-pro:8b-instruct-q5_0Por 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 llama-pro:8b-instruct-q5_0 precisa?
- Pela nossa estimativa, cerca de 8 GB para inferência (8B parâmetros). Resolução maior, contexto mais longo ou lotes maiores precisam de mais.
- Quanto custa executar o llama-pro:8b-instruct-q5_0?
- A partir de $0.16 por hora em GTX 1070, com cobrança por segundo. Dez horas custam cerca de $1.60.
- 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