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

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

O Llama-3.3-70B-Instruct tem 71B parâmetros. Para servi-lo, conte com cerca de 169 GB de memória de GPU em 16 bits, 85 GB em 8 bits ou 42 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	169 GB: uma B200, a partir de US$ 6,33 por GPU-hora
8 bits	85 GB: uma RTX PRO 6000, a partir de US$ 1,90 por GPU-hora
4 bits	42 GB: uma L40S, RTX 6000 Ada ou RTX A6000, a L40S a partir de US$ 0,44 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	49 GB: uma H100 ou A100, a H100 a partir de US$ 2,07 por GPU-hora
LoRA	169 GB: uma B200, a partir de US$ 6,33 por GPU-hora
Ajuste fino completo	1.129 GB: 8 × B200, a partir de US$ 50,64 por hora pelas 8

Sobre o modelo

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

Parâmetros: 71B
Publicado em: BF16
Licença: llama3.3
Data de lançamento: 2024-11-26
Pesos: meta-llama/Llama-3.3-70B-Instruct

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-3.3-70B-Instruct --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-3.3-70B-Instruct precisa?

Para servi-lo, cerca de 169 GB em 16 bits, 85 GB em 8 bits e 42 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 49 GB com QLoRA, 169 GB com LoRA e 1.129 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o Llama-3.3-70B-Instruct em uma única GPU?

Sim. Em 16 bits ele precisa de cerca de 169 GB, que cabem em uma B200.

Quanto custa rodar o Llama-3.3-70B-Instruct?

Em 16 bits ele precisa de uma B200; em 4 bits, de uma L40S, RTX 6000 Ada ou RTX A6000. 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-3.3-70B-Instruct na Arrakis?

Abra Models no console da Arrakis, cole meta-llama/Llama-3.3-70B-Instruct, 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.