Requisitos de GPU do phi-4
O phi-4 tem 15B parâmetros. Para servi-lo, conte com cerca de 35 GB de memória de GPU em 16 bits, 18 GB em 8 bits ou 8,8 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.
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 | 35 GB: uma L40S, RTX 6000 Ada ou RTX A6000, a L40S a partir de US$ 0,44 por GPU-hora |
| 8 bits | 18 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora |
| 4 bits | 8,8 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 | 10 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora |
| LoRA | 35 GB: uma L40S, RTX 6000 Ada ou RTX A6000, a L40S a partir de US$ 0,44 por GPU-hora |
| Ajuste fino completo | 235 GB: uma B300, a partir de US$ 4,60 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
- 15B
- Janela de contexto (tokens)
- 16,384
- Publicado em
- BF16
- Licença
- mit
- Data de lançamento
- 2024-12-11
- Pesos
- microsoft/phi-4
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 serve microsoft/phi-4 --tensor-parallel-size 1Perguntas
Os preços em tempo real de todas as GPUs estão na página de preços de GPU.