TimeOmni-VL をクラウド GPU で動かす
TimeOmni-VL は TimeOmni-VL による画像編集とアップスケールモデルです。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。
Q RTX 8000 をレンタル $0.54/時間から
パラメータ数
15B
必要な GPU メモリ
≈ 37 GB
ライセンス
apache-2.0
ダウンロード数
24
更新日 2026/07/02
今日動かせる GPU
F32 の重みで推論する場合、作業用メモリを含めて約 37 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 | |
|---|---|---|---|---|
| Q RTX 8000 | 45 GB | $0.54 | $5.40 | レンタル |
| A100 SXM4 | 80 GB | $0.75 | $7.50 | レンタル |
| A100 PCIE | 40 GB | $0.83 | $8.30 | レンタル |
| A40 | 45 GB | $0.87 | $8.70 | レンタル |
| CMP 170HX | 64 GB | $0.88 | $8.80 | 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。
TimeOmni-VL の動かし方
- 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。
- 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。
- 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 diffusers transformers accelerate
huggingface-cli download TimeOmni-VL/TimeOmni-VL --local-dir ./model
python -c "import torch; from diffusers import DiffusionPipeline; p = DiffusionPipeline.from_pretrained('./model', torch_dtype=torch.bfloat16).to('cuda'); print(p)"なぜ自分で動かすのか
一括編集やアップスケールは重い処理です。クラウド GPU なら素早く終わり、処理が終われば課金も止まります。
よくある質問
- TimeOmni-VL 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 37 GB（15B 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。
- TimeOmni-VL を動かす費用は？
- Q RTX 8000 で 1 時間 $0.54 から、秒単位の課金です。10 時間で約 $5.40 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