Arrakis / Modelos / Qwen2.5-VL-32B-Instruct

Requisitos de GPU do Qwen2.5-VL-32B-Instruct

O Qwen2.5-VL-32B-Instruct tem 33B parâmetros. Para servi-lo, conte com cerca de 80 GB de memória de GPU em 16 bits, 40 GB em 8 bits ou 20 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	80 GB: uma RTX PRO 6000, a partir de US$ 1,90 por GPU-hora
8 bits	40 GB: uma L40S, RTX 6000 Ada ou RTX A6000, a L40S a partir de US$ 0,44 por GPU-hora
4 bits	20 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	23 GB: uma RTX 4090 ou RTX 3090, a RTX 3090 a partir de US$ 0,19 por GPU-hora
LoRA	80 GB: uma RTX PRO 6000, a partir de US$ 1,90 por GPU-hora
Ajuste fino completo	535 GB: 4 × H200, a partir de US$ 16,12 por hora pelas 4

Sobre o modelo

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

Parâmetros: 33B
Janela de contexto (tokens): 128,000
Publicado em: BF16
Licença: apache-2.0
Data de lançamento: 2025-03-21
Pesos: Qwen/Qwen2.5-VL-32B-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 Qwen/Qwen2.5-VL-32B-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 Qwen2.5-VL-32B-Instruct precisa?

Para servi-lo, cerca de 80 GB em 16 bits, 40 GB em 8 bits e 20 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 23 GB com QLoRA, 80 GB com LoRA e 535 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o Qwen2.5-VL-32B-Instruct em uma única GPU?

Sim. Em 16 bits ele precisa de cerca de 80 GB, que cabem em uma RTX PRO 6000.

Quanto custa rodar o Qwen2.5-VL-32B-Instruct?

Em 16 bits ele precisa de uma RTX PRO 6000; 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-VL-32B-Instruct na Arrakis?

Abra Models no console da Arrakis, cole Qwen/Qwen2.5-VL-32B-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.