OFFENE MODELLE / Sprachmodelle (LLM)
falcon-40b auf einer Cloud-GPU ausführen
falcon-40b ist ein Sprachmodelle (LLM)-Modell von tiiuae. Sehen Sie, wie viel GPU-Speicher es braucht, auf welche GPUs es heute passt und was der eigene Betrieb kostet, sekundengenau abgerechnet.
GPUs, auf die es heute passt
Unsere Schätzung: etwa 102 GB für Inferenz mit BF16-Gewichten, inklusive Arbeitsspeicher. Der echte Bedarf hängt von Auflösung, Batchgröße und Kontextlänge ab. Mit 4-Bit-Quantisierung reichen etwa 32 GB.
| GPU | Speicher | Pro Stunde | 10 Stunden | |
|---|---|---|---|---|
| GB10 | 119 GB | $1.06 | $10.60 | Mieten |
| H200 NVL | 140 GB | $5.33 | $53.30 | Mieten |
| H200 | 140 GB | $5.76 | $57.60 | Mieten |
| B200 | 179 GB | $12.53 | $125.30 | Mieten |
| GB200 | 185 GB | $15.26 | $152.60 | Mieten |
Live-Startpreise aus unserem Katalog. Sie zahlen sekundengenau, solange die Maschine läuft.
So führen Sie falcon-40b aus
- 01
GPU mieten
Wählen Sie eine der GPUs oben. Abrechnung pro Sekunde; stoppen Sie die Maschine, endet die Abrechnung.
- 02
Terminal oder Jupyter öffnen
Verbinden Sie sich per SSH oder öffnen Sie Jupyter im Browser. PyTorch und CUDA sind bereit.
- 03
Modell laden und starten
Führen Sie die Befehle unten aus. Die Gewichte kommen direkt von Hugging Face auf Ihre Maschine.
pip install -U vllm
vllm serve tiiuae/falcon-40b --host 0.0.0.0 --port 8000Warum selbst betreiben?
Ihr eigener LLM-Server hat keine Kosten pro Token und kein Ratenlimit, und Ihre Daten bleiben privat. Wählen Sie die GPU nach Speicher und stellen Sie das Modell mit vLLM bereit.
Fragen
- Wie viel GPU-Speicher braucht falcon-40b?
- Nach unserer Schätzung etwa 102 GB für Inferenz (42B Parameter). Höhere Auflösung, längerer Kontext oder größere Batches brauchen mehr.
- Was kostet der Betrieb von falcon-40b?
- Ab $1.06 pro Stunde auf GB10, sekundengenau abgerechnet. Zehn Stunden kosten etwa $10.60.
- Brauche ich ein Abo?
- Nein. Sie zahlen nur die Laufzeit Ihrer Maschine aus Ihrem USD-Guthaben. Stoppen Sie sie, wenn Sie fertig sind.
Testen Sie es in wenigen Minuten auf Ihrer eigenen GPU
Wählen Sie eine GPU, öffnen Sie Jupyter oder SSH und führen Sie jedes offene Modell aus. Sie zahlen sekundengenau und können jederzeit stoppen; kein Abo, keine Einrichtungsgebühr.
- Sekundengenaue Abrechnung in USD
- PyTorch und CUDA in Minuten bereit
- Auch über ChatGPT oder Claude mieten