MODELOS ABIERTOS / Modelos de lenguaje (LLM)
Ejecuta MiMo-V2-Flash en una GPU en la nube
MiMo-V2-Flash es un modelo de Modelos de lenguaje (LLM) de XiaomiMiMo. Mira cuánta memoria de GPU necesita, en qué GPU cabe hoy y cuánto cuesta ejecutarlo tú mismo, con facturación por segundo.
GPU en las que cabe hoy
Nuestra estimación es de unos 373 GB para inferencia con pesos F8_E4M3, memoria de trabajo incluida. El uso real depende de la resolución, el tamaño de lote y la longitud de contexto. Con cuantización de 4 bits necesita unos 225 GB.
| GPU | Memoria | Por hora | 10 horas | |
|---|---|---|---|---|
| 4× RTX PRO 6000 Max-Q | 384 GB | $6.88 | $68.80 | Alquilar |
| 8× L40S | 384 GB | $8.24 | $82.40 | Alquilar |
| 8× RTX PRO 5000 | 384 GB | $8.56 | $85.60 | Alquilar |
| 4× RTX PRO 6000 WS | 384 GB | $9.28 | $92.80 | Alquilar |
| 4× RTX PRO 6000 S | 384 GB | $9.72 | $97.20 | Alquilar |
Precios iniciales en vivo de nuestro catálogo. Pagas por segundo mientras la máquina funciona.
Cómo ejecutar MiMo-V2-Flash
- 01
Alquila una GPU
Elige una de las GPU de arriba. La facturación es por segundo; detén la máquina y dejas de pagar.
- 02
Abre una terminal o Jupyter
Conéctate por SSH o abre Jupyter en tu navegador. PyTorch y CUDA están listos.
- 03
Descarga y ejecuta el modelo
Ejecuta los comandos de abajo. Los pesos se descargan directamente de Hugging Face a tu máquina.
pip install -U vllm
vllm serve XiaomiMiMo/MiMo-V2-Flash --host 0.0.0.0 --port 8000¿Por qué ejecutarlo tú mismo?
Tu propio servidor de LLM no tiene factura por token ni límite de peticiones, y tus datos siguen siendo privados. Elige la GPU por memoria y sirve el modelo con vLLM.
Preguntas
- ¿Cuánta memoria de GPU necesita MiMo-V2-Flash?
- Según nuestra estimación, unos 373 GB para inferencia (310B parámetros). Más resolución, contexto más largo o lotes mayores necesitan más.
- ¿Cuánto cuesta ejecutar MiMo-V2-Flash?
- Desde $6.88 por hora en 4× RTX PRO 6000 Max-Q, con facturación por segundo. Diez horas cuestan unos $68.80.
- ¿Necesito una suscripción?
- No. Solo pagas el tiempo que funciona tu máquina, desde tu saldo en USD. Detenla cuando termines.
Pruébalo en tu propia GPU en minutos
Elige una GPU, abre Jupyter o SSH y ejecuta cualquier modelo abierto. Pagas por segundo y puedes detenerla cuando quieras; sin suscripción ni cuota de alta.
- Facturación por segundo en USD
- PyTorch y CUDA listos en minutos
- Alquila también desde ChatGPT o Claude