MODELOS ABIERTOS / Edición y escalado de imágenes
Ejecuta FLUX2_dev_sdnq_dynamic_4bit en una GPU en la nube
FLUX2_dev_sdnq_dynamic_4bit es un modelo de Edición y escalado de imágenes de OzzyGT. Mira cuánta memoria de GPU necesita, en qué GPU cabe hoy y cuánto cuesta ejecutarlo tú mismo, con facturación por segundo.
GPU en las que cabe hoy
Nuestra estimación es de unos 23 GB para inferencia con pesos U8, memoria de trabajo incluida. El uso real depende de la resolución, el tamaño de lote y la longitud de contexto.
| GPU | Memoria | Por hora | 10 horas | |
|---|---|---|---|---|
| RTX 3090 | 24 GB | $0.36 | $3.60 | Alquilar |
| Titan RTX | 24 GB | $0.40 | $4.00 | Alquilar |
| A10 | 24 GB | $0.43 | $4.30 | Alquilar |
| RTX A5000 | 24 GB | $0.43 | $4.30 | Alquilar |
| RTX PRO 4000 | 24 GB | $0.45 | $4.50 | Alquilar |
Precios iniciales en vivo de nuestro catálogo. Pagas por segundo mientras la máquina funciona.
Cómo ejecutar FLUX2_dev_sdnq_dynamic_4bit
- 01
Alquila una GPU
Elige una de las GPU de arriba. La facturación es por segundo; detén la máquina y dejas de pagar.
- 02
Abre una terminal o Jupyter
Conéctate por SSH o abre Jupyter en tu navegador. PyTorch y CUDA están listos.
- 03
Descarga y ejecuta el modelo
Ejecuta los comandos de abajo. Los pesos se descargan directamente de Hugging Face a tu máquina.
pip install -U diffusers transformers accelerate
huggingface-cli download OzzyGT/FLUX2_dev_sdnq_dynamic_4bit --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"¿Por qué ejecutarlo tú mismo?
La edición por lotes y el escalado son tareas pesadas. Una GPU en la nube las termina rápido y dejas de pagar cuando acaba el trabajo.
Preguntas
- ¿Cuánta memoria de GPU necesita FLUX2_dev_sdnq_dynamic_4bit?
- Según nuestra estimación, unos 23 GB para inferencia (18B parámetros). Más resolución, contexto más largo o lotes mayores necesitan más.
- ¿Cuánto cuesta ejecutar FLUX2_dev_sdnq_dynamic_4bit?
- Desde $0.36 por hora en RTX 3090, con facturación por segundo. Diez horas cuestan unos $3.60.
- ¿Necesito una suscripción?
- No. Solo pagas el tiempo que funciona tu máquina, desde tu saldo en USD. Detenla cuando termines.
Pruébalo en tu propia GPU en minutos
Elige una GPU, abre Jupyter o SSH y ejecuta cualquier modelo abierto. Pagas por segundo y puedes detenerla cuando quieras; sin suscripción ni cuota de alta.
- Facturación por segundo en USD
- PyTorch y CUDA listos en minutos
- Alquila también desde ChatGPT o Claude