Arrakis / Modelos / Llama-3.1-8B

Requisitos de GPU do Llama-3.1-8B

O Llama-3.1-8B tem 8,0B parâmetros. Para servi-lo, conte com cerca de 19 GB de memória de GPU em 16 bits, 9,6 GB em 8 bits ou 4,8 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

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	19 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
8 bits	9,6 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
4 bits	4,8 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	5,6 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
LoRA	19 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
Ajuste fino completo	128 GB: uma H200, a partir de US$ 3,44 por GPU-hora

Sobre o modelo

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

Parâmetros: 8.0B
Publicado em: BF16
Licença: llama3.1
Data de lançamento: 2024-07-14
Pesos: meta-llama/Llama-3.1-8B

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 meta-llama/Llama-3.1-8B --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 Llama-3.1-8B precisa?

Para servi-lo, cerca de 19 GB em 16 bits, 10 GB em 8 bits e 5 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 6 GB com QLoRA, 19 GB com LoRA e 128 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o Llama-3.1-8B em uma única GPU?

Sim. Em 16 bits ele precisa de cerca de 19 GB, que cabem em uma RTX 4090 ou RTX 3090.

Quanto custa rodar o Llama-3.1-8B?

Em 16 bits ele precisa de uma RTX 4090 ou RTX 3090; 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 Llama-3.1-8B na Arrakis?

Abra Models no console da Arrakis, cole meta-llama/Llama-3.1-8B, 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.