MODÈLES OUVERTS / Modèles vision-langage
Exécuter Inkling-Small-NVFP4 sur un GPU cloud
Inkling-Small-NVFP4 est un modèle Modèles vision-langage de thinkingmachines. 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 189 Go pour l'inférence avec des poids U8, mémoire de travail incluse. L'usage réel dépend de la résolution, de la taille de lot et de la longueur de contexte. Avec une quantification 4 bits, environ 114 Go suffisent.
Prix de départ en direct depuis notre catalogue. Vous payez à la seconde tant que la machine tourne.
Comment exécuter Inkling-Small-NVFP4
- 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 vllm
vllm serve thinkingmachines/Inkling-Small-NVFP4 --host 0.0.0.0 --port 8000Pourquoi l'exécuter vous-même ?
Exécutez la compréhension de documents et d'images sur votre propre GPU : aucun frais par image, vos fichiers restent sur votre machine.
Questions
- De combien de mémoire GPU Inkling-Small-NVFP4 a-t-il besoin ?
- Selon notre estimation, environ 189 Go pour l'inférence (156B paramètres). Une résolution plus élevée, un contexte plus long ou des lots plus grands demandent davantage.
- Combien coûte l'exécution de Inkling-Small-NVFP4 ?
- À partir de $17.06 de l'heure sur B300, facturé à la seconde. Dix heures coûtent environ $170.60.
- 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