MODÈLES OUVERTS / Génération de vidéo par IA
Exécuter FastH3-V2_GGUFs sur un GPU cloud
FastH3-V2_GGUFs est un modèle Génération de vidéo par IA de realrebelai. 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.
GPU compatibles aujourd'hui
Notre estimation : environ 27 Go pour l'inférence avec des poids GGUF, mémoire de travail incluse. L'usage réel dépend de la résolution, de la taille de lot et de la longueur de contexte.
| GPU | Mémoire | Par heure | 10 heures | |
|---|---|---|---|---|
| Q RTX 8000 | 45 GB | $0.54 | $5.40 | Louer |
| CMP 170HX | 64 GB | $0.70 | $7.00 | Louer |
| RTX 5000Ada | 32 GB | $0.78 | $7.80 | Louer |
| A100 SXM4 | 80 GB | $0.81 | $8.10 | Louer |
| RTX A6000 | 48 GB | $0.81 | $8.10 | Louer |
Prix de départ en direct depuis notre catalogue. Vous payez à la seconde tant que la machine tourne.
Comment exécuter FastH3-V2_GGUFs
- 01
Louez un GPU
Choisissez l'un des GPU ci-dessus. Facturation à la seconde ; arrêtez la machine et la facturation s'arrête.
- 02
Ouvrez un terminal ou Jupyter
Connectez-vous en SSH ou ouvrez Jupyter dans votre navigateur. PyTorch et CUDA sont prêts.
- 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 "huggingface_hub[cli]"
huggingface-cli download realrebelai/FastH3-V2_GGUFs --local-dir ./model --include "*Q4_K_M*"
# llama.cpp: ./llama-server -m ./model/*.gguf --host 0.0.0.0 --port 8000Pourquoi 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 FastH3-V2_GGUFs a-t-il besoin ?
- Selon notre estimation, environ 27 Go pour l'inférence (35B paramètres). Une résolution plus élevée, un contexte plus long ou des lots plus grands demandent davantage.
- Combien coûte l'exécution de FastH3-V2_GGUFs ?
- 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