推論で動かすのに必要なもの
推論で動かすのに必要な GPU メモリと、それが収まる最小の GPU 構成、Arrakis での現在の最安値です。
| 精度 | メモリと最小構成 |
|---|---|
| 16 ビット | 80 GB：RTX PRO 6000 1 枚、GPU 1 時間あたり $1.90 から |
| 8 ビット | 40 GB：L40S、RTX 6000 Ada または RTX A6000 1 枚、L40S は GPU 1 時間あたり $0.44 から |
| 4 ビット | 20 GB：RTX 4090 または RTX 3090 1 枚、RTX 3090 は GPU 1 時間あたり $0.19 から |
ファインチューニングに必要なもの
QLoRA は 4 ビットで固定したモデルの上でアダプタを学習し、LoRA は 16 ビットで固定したモデルの上で学習します。フルファインチューニングはすべての重みを更新します。数値はアクティベーションを含まない値で、アクティベーションはバッチサイズとシーケンス長に応じて増えます。
| メソッド | メモリと最小構成 |
|---|---|
| QLoRA | 23 GB：RTX 4090 または RTX 3090 1 枚、RTX 3090 は GPU 1 時間あたり $0.19 から |
| LoRA | 80 GB：RTX PRO 6000 1 枚、GPU 1 時間あたり $1.90 から |
| フルファインチューニング | 535 GB：H200 × 4、4 枚で 1 時間あたり $16.12 から |
モデルについて
Hugging Face 上のモデルカードとファイルから。このページのメモリの数字は GPU メモリガイドの計算に従っています。
- パラメータ数
- 33B
- コンテキスト長（トークン）
- 128,000
- 公開時の精度
- BF16
- ライセンス
- apache-2.0
- 公開日
- 2025-03-21
Arrakis でデプロイする
コンソールで Models を開き、vLLM、SGLang、llama.cpp のいずれかを選んで、収まる GPU を借ります。専用の API キー付きの OpenAI 互換エンドポイントと、マシンへの root SSH が使えます。GPU メモリが足りるマシンなら、自分で動かすこともできます：
vLLM
vllm serve Qwen/Qwen2.5-VL-32B-Instruct --tensor-parallel-size 1よくある質問
すべての GPU の最新価格は GPU 価格 のページにあります。
Qwen2.5-VL-32B-Instruct にはどれだけの GPU メモリが必要ですか？
推論で動かすには、16 ビットで約 80 GB、8 ビットで約 40 GB、4 ビットで約 20 GB です。KV キャッシュと活性化の分として約 20% を含みます。ファインチューニングには、QLoRA で約 23 GB、LoRA で約 80 GB、Adam によるフルファインチューニングで約 535 GB が必要です（活性化を除く）。
Qwen2.5-VL-32B-Instruct は GPU 1 枚で動きますか？
はい。16 ビットで約 80 GB 必要で、RTX PRO 6000 1 枚に収まります。
Qwen2.5-VL-32B-Instruct を動かす費用はいくらですか？
16 ビットなら RTX PRO 6000 1 枚、4 ビットなら RTX 4090 または RTX 3090 1 枚が必要です。このページの各構成には、Arrakis での現在の GPU 1 時間あたりの最安値を表示しています。料金は前払い残高から 1 時間単位で支払います。
Arrakis で Qwen2.5-VL-32B-Instruct をデプロイするには？
Arrakis コンソールで Models を開き、Qwen/Qwen2.5-VL-32B-Instruct を貼り付け、vLLM、SGLang、llama.cpp のいずれかを選んで、収まる GPU を借ります。専用の API キー付きの OpenAI 互換エンドポイントと、マシンへの root SSH が使えます。