Arrakis / Modelos / MiniMax-M2.7

Requisitos de GPU de MiniMax-M2.7

MiniMax-M2.7 tiene 229B parámetros. Para servirlo, calcula unos 549 GB de memoria de GPU en 16 bits, 274 GB en 8 bits o 137 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.

Es un modelo de mezcla de expertos: 256 expertos, 8 de ellos activos en cada token. Todos permanecen en la memoria de la GPU, así que calcula la memoria para los 229B 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	549 GB: 4 × H200, desde 16,12 US$ por hora las 4
8 bits	274 GB: 2 × H200, desde 8,06 US$ por hora las 2
4 bits	137 GB: una H200, desde 4,03 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	160 GB: una B200, desde 6,79 US$ por GPU-hora
LoRA	549 GB: 4 × H200, desde 16,12 US$ por hora las 4
Ajuste fino completo	3.659 GB: más de una máquina de 8 GPU

Sobre el modelo

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

Parámetros: 229B
Expertos: 256
Expertos por token: 8
Ventana de contexto (tokens): 204,800
Publicado en: FP8
Licencia: other
Fecha de publicación: 2026-04-09
Pesos: MiniMaxAI/MiniMax-M2.7

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 MiniMaxAI/MiniMax-M2.7 --tensor-parallel-size 4

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 MiniMax-M2.7?

Para servirlo, unos 549 GB en 16 bits, 274 GB en 8 bits y 137 GB en 4 bits, incluido un 20% para la caché KV y las activaciones. Para ajustarlo, unos 160 GB con QLoRA, 549 GB con LoRA y 3.659 GB para un ajuste fino completo con Adam, sin contar las activaciones.

¿Puedo ejecutar MiniMax-M2.7 en una sola GPU?

Sí, cuantizado. En 4 bits necesita unos 137 GB, que caben en una H200. En 16 bits necesita 4 GPU H200.

¿Cuánto cuesta ejecutar MiniMax-M2.7?

En 16 bits necesita 4 GPU H200; en 4 bits, una H200. 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 MiniMax-M2.7 en Arrakis?

Abre Models en la consola de Arrakis, pega MiniMaxAI/MiniMax-M2.7, 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.