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

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

O diffusiongemma-26B-A4B-it tem 26B parâmetros. Para servi-lo, conte com cerca de 62 GB de memória de GPU em 16 bits, 31 GB em 8 bits ou 15 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 128 especialistas, 8 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 26B parâmetros.

Implantar este modelo Verificar outro modelo

O que é preciso para servi-lo

A memória de GPU para rodá-lo em inferência, com a menor configuração de GPU que o comporta e o menor preço na Arrakis agora.

Precisão	Memória e menor configuração
16 bits	62 GB: uma H100 ou A100, a H100 a partir de US$ 2,07 por GPU-hora
8 bits	31 GB: uma RTX 5090, a partir de US$ 0,58 por GPU-hora
4 bits	15 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora

O que é preciso para fazer ajuste fino

O QLoRA treina adaptadores sobre um modelo congelado em 4 bits, o LoRA sobre um em 16 bits, e o ajuste fino completo atualiza todos os pesos. Os valores não incluem as ativações, que crescem com o tamanho do lote e o comprimento da sequência.

Método	Memória e menor configuração
QLoRA	18 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
LoRA	62 GB: uma H100 ou A100, a H100 a partir de US$ 2,07 por GPU-hora
Ajuste fino completo	413 GB: 2 × B300, a partir de US$ 9,20 por hora pelas 2

Sobre o modelo

Do cartão e dos arquivos no Hugging Face. Os números de memória seguem o guia de memória de GPU.

Parâmetros: 26B
Ativos por token: 4B
Especialistas: 128
Especialistas por token: 8
Janela de contexto (tokens): 262,144
Publicado em: BF16
Licença: apache-2.0
Data de lançamento: 2026-06-09
Pesos: google/diffusiongemma-26B-A4B-it

Implante na Arrakis

Abra Models no console, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina. Ou rode você mesmo em qualquer máquina com memória de GPU suficiente:

vLLM

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

Implantar este modelo Como funciona a implantação

Perguntas

Os preços em tempo real de todas as GPUs estão na página de preços de GPU.

Quanta memória de GPU o diffusiongemma-26B-A4B-it precisa?

Para servi-lo, cerca de 62 GB em 16 bits, 31 GB em 8 bits e 15 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 18 GB com QLoRA, 62 GB com LoRA e 413 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o diffusiongemma-26B-A4B-it em uma única GPU?

Sim. Em 16 bits ele precisa de cerca de 62 GB, que cabem em uma H100 ou A100.

Quanto custa rodar o diffusiongemma-26B-A4B-it?

Em 16 bits ele precisa de uma H100 ou A100; em 4 bits, de uma RTX 4090 ou RTX 3090. Cada configuração desta página mostra o menor preço por GPU-hora na Arrakis agora, e você paga por hora a partir de um saldo pré-pago.

Como implanto o diffusiongemma-26B-A4B-it na Arrakis?

Abra Models no console da Arrakis, cole google/diffusiongemma-26B-A4B-it, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina.

Mais modelos

Todos os modelos, e uma verificação para qualquer outro.