corehu
Louer un GPU

MODÈLES OUVERTS / Génération de vidéo par IA

Exécuter MiniMax_H3_sdnq_8bit_pruned sur un GPU cloud

MiniMax_H3_sdnq_8bit_pruned est un modèle Génération de vidéo par IA de OzzyGT. Découvrez la mémoire GPU nécessaire, les GPU sur lesquels il tient aujourd'hui et le coût pour l'exécuter vous-même, facturé à la seconde.

Paramètres
20B
Mémoire GPU requise
≈ 26 GB
Licence
—
Téléchargements
76
Mis à jour le 30 août 2026

GPU compatibles aujourd'hui

Notre estimation : environ 26 Go pour l'inférence avec des poids I8, mémoire de travail incluse. L'usage réel dépend de la résolution, de la taille de lot et de la longueur de contexte.

GPUMémoirePar heure10 heures
Q RTX 800045 GB$0.54$5.40Louer
CMP 170HX64 GB$0.70$7.00Louer
A100 SXM480 GB$0.75$7.50Louer
RTX 5000Ada32 GB$0.78$7.80Louer
RTX 4090D48 GB$0.79$7.90Louer

Prix de départ en direct depuis notre catalogue. Vous payez à la seconde tant que la machine tourne.

Comment exécuter MiniMax_H3_sdnq_8bit_pruned

  1. 01

    Louez un GPU

    Choisissez l'un des GPU ci-dessus. Facturation à la seconde ; arrêtez la machine et la facturation s'arrête.

  2. 02

    Ouvrez un terminal ou Jupyter

    Connectez-vous en SSH ou ouvrez Jupyter dans votre navigateur. PyTorch et CUDA sont prêts.

  3. 03

    Téléchargez et lancez le modèle

    Exécutez les commandes ci-dessous. Les poids sont téléchargés directement depuis Hugging Face sur votre machine.

pip install -U diffusers transformers accelerate
huggingface-cli download OzzyGT/MiniMax_H3_sdnq_8bit_pruned --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"

Pourquoi l'exécuter vous-même ?

Les outils vidéo hébergés facturent au clip ou au mois et vous mettent en file d'attente. Sur votre propre GPU, vous payez seulement le temps d'exécution, créez autant de clips que vous voulez et gardez prompts et fichiers sur votre machine.

Questions

De combien de mémoire GPU MiniMax_H3_sdnq_8bit_pruned a-t-il besoin ?
Selon notre estimation, environ 26 Go pour l'inférence (20B paramètres). Une résolution plus élevée, un contexte plus long ou des lots plus grands demandent davantage.
Combien coûte l'exécution de MiniMax_H3_sdnq_8bit_pruned ?
À partir de $0.54 de l'heure sur Q RTX 8000, facturé à la seconde. Dix heures coûtent environ $5.40.
Faut-il un abonnement ?
Non. Vous payez uniquement le temps de fonctionnement de votre machine, depuis votre solde en USD. Arrêtez-la quand vous avez terminé.

Essayez-le sur votre propre GPU en quelques minutes

Choisissez un GPU, ouvrez Jupyter ou SSH et exécutez n'importe quel modèle ouvert. Vous payez à la seconde et pouvez arrêter à tout moment ; sans abonnement ni frais d'installation.

  • Facturation à la seconde en USD
  • PyTorch et CUDA prêts en quelques minutes
  • Louez aussi depuis ChatGPT ou Claude

Modèles Génération de vidéo par IA similaires