Arrakis / Modelos / diffusiongemma-26B-A4B-it

Requisitos de GPU de diffusiongemma-26B-A4B-it

diffusiongemma-26B-A4B-it tiene 26B parámetros. Para servirlo, calcula unos 62 GB de memoria de GPU en 16 bits, 31 GB en 8 bits o 15 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.

Es un modelo de mezcla de expertos: 128 expertos, 8 de ellos activos en cada token. Todos permanecen en la memoria de la GPU, así que calcula la memoria para los 26B parámetros.

Desplegar este modelo Comprobar otro modelo

Lo que hace falta para servirlo

La memoria de GPU para ejecutarlo en inferencia, con la configuración de GPU más pequeña que lo sostiene y el precio más bajo en Arrakis ahora mismo.

Precisión	Memoria y configuración mínima
16 bits	62 GB: una H100 o A100, la H100 desde 2,07 US$ por GPU-hora
8 bits	31 GB: una RTX 5090, desde 0,58 US$ por GPU-hora
4 bits	15 GB: una RTX 4090 o RTX 3090, la RTX 3090 desde 0,19 US$ por GPU-hora

Lo que hace falta para ajustarlo

QLoRA entrena adaptadores sobre un modelo congelado de 4 bits; LoRA, sobre uno de 16 bits, y el ajuste fino completo actualiza todos los pesos. Las cifras no incluyen las activaciones, que crecen con el tamaño del lote y la longitud de secuencia.

Método	Memoria y configuración mínima
QLoRA	18 GB: una RTX 4090 o RTX 3090, la RTX 3090 desde 0,19 US$ por GPU-hora
LoRA	62 GB: una H100 o A100, la H100 desde 2,07 US$ por GPU-hora
Ajuste fino completo	413 GB: 2 × B300, desde 9,20 US$ por hora las 2

Sobre el modelo

De su ficha y sus archivos en Hugging Face. Las cifras de memoria siguen la guía de memoria de GPU.

Parámetros: 26B
Activos por token: 4B
Expertos: 128
Expertos por token: 8
Ventana de contexto (tokens): 262,144
Publicado en: BF16
Licencia: apache-2.0
Fecha de publicación: 2026-06-09
Pesos: google/diffusiongemma-26B-A4B-it

Despliégalo en Arrakis

Abre Models en la consola, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina. O ejecútalo tú mismo en cualquier máquina con suficiente memoria de GPU:

vLLM

vllm serve google/diffusiongemma-26B-A4B-it --tensor-parallel-size 1

Desplegar este modelo Cómo funciona el despliegue

Preguntas

Los precios en tiempo real de todas las GPU están en la página de precios de GPU.

¿Cuánta memoria de GPU necesita diffusiongemma-26B-A4B-it?

Para servirlo, unos 62 GB en 16 bits, 31 GB en 8 bits y 15 GB en 4 bits, incluido un 20% para la caché KV y las activaciones. Para ajustarlo, unos 18 GB con QLoRA, 62 GB con LoRA y 413 GB para un ajuste fino completo con Adam, sin contar las activaciones.

¿Puedo ejecutar diffusiongemma-26B-A4B-it en una sola GPU?

Sí. En 16 bits necesita unos 62 GB, que caben en una H100 o A100.

¿Cuánto cuesta ejecutar diffusiongemma-26B-A4B-it?

En 16 bits necesita una H100 o A100; en 4 bits, una RTX 4090 o RTX 3090. Cada configuración de esta página muestra el precio más bajo por GPU-hora en Arrakis ahora mismo, y pagas por hora desde un saldo prepago.

¿Cómo despliego diffusiongemma-26B-A4B-it en Arrakis?

Abre Models en la consola de Arrakis, pega google/diffusiongemma-26B-A4B-it, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina.

Más modelos

Todos los modelos, y una comprobación para cualquier otro.