Arrakis / Modelos / Llama-3.3-70B-Instruct

Requisitos de GPU de Llama-3.3-70B-Instruct

Llama-3.3-70B-Instruct tiene 71B parámetros. Para servirlo, calcula unos 169 GB de memoria de GPU en 16 bits, 85 GB en 8 bits o 42 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.

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	169 GB: una B200, desde 6,79 US$ por GPU-hora
8 bits	85 GB: una RTX PRO 6000, desde 1,90 US$ por GPU-hora
4 bits	42 GB: una L40S, RTX 6000 Ada o RTX A6000, la L40S desde 0,44 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	49 GB: una H100 o A100, la H100 desde 2,25 US$ por GPU-hora
LoRA	169 GB: una B200, desde 6,79 US$ por GPU-hora
Ajuste fino completo	1.129 GB: 8 × B200, desde 54,32 US$ por hora las 8

Sobre el modelo

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

Parámetros: 71B
Publicado en: BF16
Licencia: llama3.3
Fecha de publicación: 2024-11-26
Pesos: meta-llama/Llama-3.3-70B-Instruct

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 meta-llama/Llama-3.3-70B-Instruct --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 Llama-3.3-70B-Instruct?

Para servirlo, unos 169 GB en 16 bits, 85 GB en 8 bits y 42 GB en 4 bits, incluido un 20% para la caché KV y las activaciones. Para ajustarlo, unos 49 GB con QLoRA, 169 GB con LoRA y 1.129 GB para un ajuste fino completo con Adam, sin contar las activaciones.

¿Puedo ejecutar Llama-3.3-70B-Instruct en una sola GPU?

Sí. En 16 bits necesita unos 169 GB, que caben en una B200.

¿Cuánto cuesta ejecutar Llama-3.3-70B-Instruct?

En 16 bits necesita una B200; en 4 bits, una L40S, RTX 6000 Ada o RTX A6000. 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 Llama-3.3-70B-Instruct en Arrakis?

Abre Models en la consola de Arrakis, pega meta-llama/Llama-3.3-70B-Instruct, 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.