在云 GPU 上运行 Llama-4-Scout-17B-16E-Instruct-FP8-dynamic
Llama-4-Scout-17B-16E-Instruct-FP8-dynamic 是 RedHatAI 推出的视觉语言模型模型。查看它需要多少显存、今天可以在哪些 GPU 上运行，以及自己运行的费用，按秒计费。
租用 H200 $6.46/小时起
参数量
109B
所需显存
≈ 132 GB
许可证
llama4
下载量
4,352
更新于 2026年6月9日
今天可运行的 GPU
我们估计使用 F8_E4M3 权重推理约需 132 GB（含工作内存）。实际用量取决于分辨率、批大小和上下文长度。 使用 4-bit 量化约需 80 GB。
| GPU | 显存 | 每小时 | 10 小时 | |
|---|---|---|---|---|
| H200 | 140 GB | $6.46 | $64.60 | 租用 |
| H200 NVL | 141 GB | $6.57 | $65.70 | 租用 |
| B200 | 179 GB | $14.09 | $140.90 | 租用 |
| GB200 | 185 GB | $16.04 | $160.40 | 租用 |
| B300 | 269 GB | $17.66 | $176.60 | 租用 |
价格为目录中的实时起价。机器运行期间按秒付费。
如何运行 Llama-4-Scout-17B-16E-Instruct-FP8-dynamic
- 01
租用 GPU
从上面选择一款 GPU。按秒计费；停止机器即停止计费。
- 02
打开终端或 Jupyter
通过 SSH 连接，或在浏览器中打开 Jupyter。PyTorch 和 CUDA 已就绪。
- 03
下载并运行模型
运行下面的命令。权重会直接从 Hugging Face 下载到您的机器。
pip install -U vllm
vllm serve RedHatAI/Llama-4-Scout-17B-16E-Instruct-FP8-dynamic --host 0.0.0.0 --port 8000为什么要自己运行？
在自己的 GPU 上运行文档和图像理解：不按图片收费，文件留在您的机器上。
常见问题
- Llama-4-Scout-17B-16E-Instruct-FP8-dynamic 需要多少显存？
- 按我们的估算，推理约需 132 GB（109B 参数）。更高分辨率、更长上下文或更大批次需要更多显存。
- 运行 Llama-4-Scout-17B-16E-Instruct-FP8-dynamic 要花多少钱？
- 在 H200 上 $6.46/小时起，按秒计费。十小时约 $64.60。
- 需要订阅吗？
- 不需要。您只需用 USD 余额支付机器实际运行的时间。用完即可停止。
几分钟内在您自己的 GPU 上试用
选择一款 GPU，打开 Jupyter 或 SSH，运行任意开源模型。按秒付费，随时可以停止；无需订阅，没有开通费。
- 以 USD 按秒计费
- PyTorch 和 CUDA 几分钟即可就绪
- 也可以通过 ChatGPT 或 Claude 租用