OFFENE MODELLE / Bildbearbeitung und Upscaling
FLUX2_dev_sdnq_dynamic_8bit auf einer Cloud-GPU ausführen
FLUX2_dev_sdnq_dynamic_8bit ist ein Bildbearbeitung und Upscaling-Modell von OzzyGT. Sehen Sie, wie viel GPU-Speicher es braucht, auf welche GPUs es heute passt und was der eigene Betrieb kostet, sekundengenau abgerechnet.
GPUs, auf die es heute passt
Unsere Schätzung: etwa 40 GB für Inferenz mit I8-Gewichten, inklusive Arbeitsspeicher. Der echte Bedarf hängt von Auflösung, Batchgröße und Kontextlänge ab.
| GPU | Speicher | Pro Stunde | 10 Stunden | |
|---|---|---|---|---|
| Q RTX 8000 | 45 GB | $0.48 | $4.80 | Mieten |
| 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 |
Live-Startpreise aus unserem Katalog. Sie zahlen sekundengenau, solange die Maschine läuft.
So führen Sie FLUX2_dev_sdnq_dynamic_8bit 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
Modell laden und starten
Führen Sie die Befehle unten aus. Die Gewichte kommen direkt von Hugging Face auf Ihre Maschine.
pip install -U diffusers transformers accelerate
huggingface-cli download OzzyGT/FLUX2_dev_sdnq_dynamic_8bit --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"Warum selbst betreiben?
Stapelbearbeitung und Upscaling sind rechenintensiv. Eine Cloud-GPU erledigt sie schnell, und die Abrechnung endet mit dem Job.
Fragen
- Wie viel GPU-Speicher braucht FLUX2_dev_sdnq_dynamic_8bit?
- Nach unserer Schätzung etwa 40 GB für Inferenz (32B Parameter). Höhere Auflösung, längerer Kontext oder größere Batches brauchen mehr.
- Was kostet der Betrieb von FLUX2_dev_sdnq_dynamic_8bit?
- Ab $0.48 pro Stunde auf Q RTX 8000, sekundengenau abgerechnet. Zehn Stunden kosten etwa $4.80.
- 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