MODELOS ABERTOS / Modelos de linguagem (LLM)
Execute CodeLlama-7B-GGUF em uma GPU na nuvem
CodeLlama-7B-GGUF é um modelo de Modelos de linguagem (LLM) da TheBloke. Veja quanta memória de GPU ele precisa, em quais GPUs cabe hoje e quanto custa executá-lo você mesmo, com cobrança por segundo.
GPUs em que cabe hoje
Nossa estimativa é de cerca de 6 GB para inferência com pesos GGUF, incluindo a memória de trabalho. O uso real depende da resolução, do tamanho do lote e do comprimento do contexto.
| GPU | Memória | Por hora | 10 horas | |
|---|---|---|---|---|
| GTX 1660 S | 6 GB | $0.11 | $1.10 | Alugar |
| GTX 1070 | 8 GB | $0.14 | $1.40 | Alugar |
| GTX 1660 | 6 GB | $0.14 | $1.40 | Alugar |
| RTX A2000 | 6 GB | $0.15 | $1.50 | Alugar |
| GTX 1070 Ti | 8 GB | $0.16 | $1.60 | Alugar |
Preços iniciais ao vivo do nosso catálogo. Você paga por segundo enquanto a máquina roda.
Como executar CodeLlama-7B-GGUF
- 01
Alugue uma GPU
Escolha uma das GPUs acima. A cobrança é por segundo; pare a máquina e a cobrança para.
- 02
Abra um terminal ou o Jupyter
Conecte-se por SSH ou abra o Jupyter no navegador. PyTorch e CUDA já estão prontos.
- 03
Baixe e execute o modelo
Execute os comandos abaixo. Os pesos são baixados direto do Hugging Face para a sua máquina.
pip install -U "huggingface_hub[cli]"
huggingface-cli download TheBloke/CodeLlama-7B-GGUF --local-dir ./model --include "*Q4_K_M*"
# llama.cpp: ./llama-server -m ./model/*.gguf --host 0.0.0.0 --port 8000Por que executar você mesmo?
Seu próprio servidor de LLM não tem cobrança por token nem limite de requisições, e seus dados ficam privados. Escolha a GPU pela memória e sirva o modelo com vLLM.
Perguntas
- Quanta memória de GPU o CodeLlama-7B-GGUF precisa?
- Pela nossa estimativa, cerca de 6 GB para inferência (6.7B parâmetros). Resolução maior, contexto mais longo ou lotes maiores precisam de mais.
- Quanto custa executar o CodeLlama-7B-GGUF?
- A partir de $0.11 por hora em GTX 1660 S, com cobrança por segundo. Dez horas custam cerca de $1.10.
- Preciso de uma assinatura?
- Não. Você paga só pelo tempo em que a máquina roda, usando seu saldo em USD. Pare-a quando terminar.
Experimente na sua própria GPU em minutos
Escolha uma GPU, abra o Jupyter ou o SSH e execute qualquer modelo aberto. Você paga por segundo e pode parar quando quiser; sem assinatura nem taxa de ativação.
- Cobrança por segundo em USD
- PyTorch e CUDA prontos em minutos
- Alugue também pelo ChatGPT ou Claude