corehu
GPU をレンタル

オープンモデル / 視覚言語モデル

Minimax-M3-abliterated_GGUF をクラウド GPU で動かす

Minimax-M3-abliterated_GGUF は Sica-Quants-2 による視覚言語モデルモデルです。必要な GPU メモリ、今日動かせる GPU、自分で動かした場合の費用(秒単位課金)を確認できます。

パラメータ数
426B
必要な GPU メモリ
≈ 308 GB
ライセンス
—
ダウンロード数
7,274
更新日 2026/06/18

今日動かせる GPU

GGUF の重みで推論する場合、作業用メモリを含めて約 308 GB と見積もっています。実際の使用量は解像度、バッチサイズ、コンテキスト長によって変わります。

GPUメモリ1 時間あたり10 時間
4× A100 SXM4320 GB$4.08$40.80レンタル
8× Q RTX 8000360 GB$4.32$43.20レンタル
8× A100 PCIE320 GB$6.64$66.40レンタル
8× L40S360 GB$9.20$92.00レンタル
4× RTX PRO 6000 Max-Q384 GB$9.40$94.00レンタル

カタログのリアルタイム開始価格です。マシンが動いている間だけ秒単位で支払います。

Minimax-M3-abliterated_GGUF の動かし方

  1. 01

    GPU をレンタル

    上の GPU から 1 つ選びます。課金は秒単位で、マシンを停止すれば課金も止まります。

  2. 02

    ターミナルか Jupyter を開く

    SSH で接続するか、ブラウザで Jupyter を開きます。PyTorch と CUDA は準備済みです。

  3. 03

    モデルをダウンロードして実行

    下のコマンドを実行します。重みは Hugging Face からマシンへ直接ダウンロードされます。

pip install -U "huggingface_hub[cli]"
huggingface-cli download Sica-Quants-2/Minimax-M3-abliterated_GGUF --local-dir ./model --include "*Q4_K_M*"
# llama.cpp: ./llama-server -m ./model/*.gguf --host 0.0.0.0 --port 8000

なぜ自分で動かすのか

文書や画像の理解を自分の GPU で動かせます。画像ごとの料金はなく、ファイルは自分のマシンに残ります。

よくある質問

Minimax-M3-abliterated_GGUF にはどれくらいの GPU メモリが必要ですか?
推定では推論に約 308 GB(426B パラメータ)です。高解像度、長いコンテキスト、大きなバッチではさらに必要です。
Minimax-M3-abliterated_GGUF を動かす費用は?
4× A100 SXM4 で 1 時間 $4.08 から、秒単位の課金です。10 時間で約 $40.80 です。
サブスクリプションは必要ですか?
いいえ。マシンが動いた時間分だけを USD 残高から支払います。終わったら停止してください。

自分の GPU で数分で試せます

GPU を選び、Jupyter か SSH を開いて、好きなオープンモデルを動かしましょう。秒単位の支払いで、いつでも停止できます。サブスクリプションも初期費用もありません。

  • USD で秒単位の課金
  • PyTorch と CUDA が数分で準備完了
  • ChatGPT や Claude からもレンタル可能

似ている視覚言語モデルモデル