OFFENE MODELLE / Sprachmodelle (LLM)
llama3-gradient:70b auf einer Cloud-GPU ausführen
llama3-gradient:70b ist ein Sprachmodelle (LLM)-Modell von Ollama. Sehen Sie, wie viel GPU-Speicher es braucht, auf welche GPUs es heute passt und was der eigene Betrieb kostet, sekundengenau abgerechnet.
Aus dem Projekt: This model extends LLama-3 8B's context length from 8k to over 1m tokens.
GPUs, auf die es heute passt
Etwa 47 GB GPU-Speicher: der Modell-Download (standardmäßig 4 Bit) plus Arbeitsspeicher.
| GPU | Speicher | Pro Stunde | 10 Stunden | |
|---|---|---|---|---|
| CMP 170HX | 64 GB | $0.62 | $6.20 | Mieten |
| GB10 | 119 GB | $0.71 | $7.10 | Mieten |
| A100 SXM4 | 80 GB | $0.72 | $7.20 | Mieten |
| RTX A6000 | 48 GB | $0.72 | $7.20 | Mieten |
| L40 | 48 GB | $0.87 | $8.70 | Mieten |
Live-Startpreise aus unserem Katalog. Sie zahlen sekundengenau, solange die Maschine läuft.
So führen Sie llama3-gradient:70b 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
Ollama installieren und das Modell starten
Führen Sie die Befehle unten aus. Ollama lädt das Modell und stellt eine OpenAI-kompatible API auf Port 11434 bereit.
curl -fsSL https://ollama.com/install.sh | sh
ollama run llama3-gradient:70bWarum selbst betreiben?
Ihr eigener LLM-Server hat keine Kosten pro Token und kein Ratenlimit, und Ihre Daten bleiben privat. Wählen Sie die GPU nach Speicher und stellen Sie das Modell mit vLLM bereit.
Fragen
- Wie viel GPU-Speicher braucht llama3-gradient:70b?
- Nach unserer Schätzung etwa 47 GB für Inferenz (70B Parameter). Höhere Auflösung, längerer Kontext oder größere Batches brauchen mehr.
- Was kostet der Betrieb von llama3-gradient:70b?
- Ab $0.62 pro Stunde auf CMP 170HX, sekundengenau abgerechnet. Zehn Stunden kosten etwa $6.20.
- 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