MODELOS ABERTOS / Modelos de visão e linguagem
Execute llama4:128x17b em uma GPU na nuvem
llama4:128x17b é um modelo de Modelos de visão e linguagem 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: Meta's latest collection of multimodal models.
GPUs em que cabe hoje
Cerca de 283 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 | $3.00 | $30.00 | Alugar |
| 8× Q RTX 8000 | 360 GB | $4.32 | $43.20 | Alugar |
| 4× RTX PRO 6000 Max-Q | 384 GB | $7.72 | $77.20 | Alugar |
| 9× RTX 5090 | 288 GB | $9.09 | $90.90 | Alugar |
| 8× L40S | 384 GB | $9.20 | $92.00 | Alugar |
Preços iniciais ao vivo do nosso catálogo. Você paga por segundo enquanto a máquina roda.
Como executar llama4:128x17b
- 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 llama4:128x17bPor que executar você mesmo?
Execute a compreensão de documentos e imagens na sua própria GPU: sem taxa por imagem, e os arquivos ficam na sua máquina.
Perguntas
- Quanta memória de GPU o llama4:128x17b precisa?
- Pela nossa estimativa, cerca de 283 GB para inferência (? parâmetros). Resolução maior, contexto mais longo ou lotes maiores precisam de mais.
- Quanto custa executar o llama4:128x17b?
- A partir de $3.00 por hora em 4× A100 SXM4, com cobrança por segundo. Dez horas custam cerca de $30.00.
- 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