Arrakis / Modelos / InternVL3_5-GPT-OSS-20B-A4B-Preview-HF
Requisitos de GPU do InternVL3_5-GPT-OSS-20B-A4B-Preview-HF
O InternVL3_5-GPT-OSS-20B-A4B-Preview-HF tem 21B parâmetros. Para servi-lo, conte com cerca de 51 GB de memória de GPU em 16 bits, 25 GB em 8 bits ou 13 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.
É um modelo de mistura de especialistas: 32 especialistas, 4 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 21B parâmetros.
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 | 51 GB: uma H100 ou A100, a H100 a partir de US$ 2,07 por GPU-hora |
| 8 bits | 25 GB: uma RTX 5090, a partir de US$ 0,58 por GPU-hora |
| 4 bits | 13 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 | 15 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora |
| LoRA | 51 GB: uma H100 ou A100, a H100 a partir de US$ 2,07 por GPU-hora |
| Ajuste fino completo | 340 GB: 2 × B200, a partir de US$ 12,66 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
- 21B
- Ativos por token
- 4B
- Especialistas
- 32
- Especialistas por token
- 4
- Janela de contexto (tokens)
- 131,072
- Publicado em
- BF16
- Licença
- apache-2.0
- Data de lançamento
- 2025-08-29
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 OpenGVLab/InternVL3_5-GPT-OSS-20B-A4B-Preview-HF --tensor-parallel-size 1Perguntas
Os preços em tempo real de todas as GPUs estão na página de preços de GPU.