Arrakis / Modelos / Qwen2.5-Coder-7B

Requisitos de GPU do Qwen2.5-Coder-7B

O Qwen2.5-Coder-7B tem 7,6B parâmetros. Para servi-lo, conte com cerca de 18 GB de memória de GPU em 16 bits, 9,1 GB em 8 bits ou 4,6 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	18 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
8 bits	9,1 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
4 bits	4,6 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	5,3 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
LoRA	18 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
Ajuste fino completo	122 GB: uma H200, a partir de US$ 4,03 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: 7.6B
Janela de contexto (tokens): 32,768
Publicado em: BF16
Licença: apache-2.0
Data de lançamento: 2024-09-16
Pesos: Qwen/Qwen2.5-Coder-7B

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 Qwen/Qwen2.5-Coder-7B --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 Qwen2.5-Coder-7B precisa?

Para servi-lo, cerca de 18 GB em 16 bits, 9 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 5 GB com QLoRA, 18 GB com LoRA e 122 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o Qwen2.5-Coder-7B em uma única GPU?

Sim. Em 16 bits ele precisa de cerca de 18 GB, que cabem em uma RTX 4090 ou RTX 3090.

Quanto custa rodar o Qwen2.5-Coder-7B?

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 Qwen2.5-Coder-7B na Arrakis?

Abra Models no console da Arrakis, cole Qwen/Qwen2.5-Coder-7B, 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.