arrakis
PT
Entrar Comece a alugar
Menu

Arrakis / Modelos / Qwen3.5-122B-A10B

Requisitos de GPU do Qwen3.5-122B-A10B

O Qwen3.5-122B-A10B tem 125B parâmetros. Para servi-lo, conte com cerca de 300 GB de memória de GPU em 16 bits, 150 GB em 8 bits ou 75 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 256 especialistas, 8 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 125B parâmetros.

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.

PrecisãoMemória e menor configuração
16 bits300 GB: 4 × H100, a partir de US$ 8,28 por hora pelas 4
8 bits150 GB: uma B200, a partir de US$ 6,33 por GPU-hora
4 bits75 GB: uma H100 ou A100, a H100 a partir de US$ 2,07 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.

MétodoMemória e menor configuração
QLoRA88 GB: uma RTX PRO 6000, a partir de US$ 1,90 por GPU-hora
LoRA300 GB: 4 × H100, a partir de US$ 8,28 por hora pelas 4
Ajuste fino completo2.001 GB: 8 × B300, a partir de US$ 36,80 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
125B
Ativos por token
10B
Especialistas
256
Especialistas por token
8
Janela de contexto (tokens)
262,144
Publicado em
BF16
Licença
apache-2.0
Data de lançamento
2026-02-24
Pesos
Qwen/Qwen3.5-122B-A10B

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/Qwen3.5-122B-A10B --tensor-parallel-size 4
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 Qwen3.5-122B-A10B precisa?
Para servi-lo, cerca de 300 GB em 16 bits, 150 GB em 8 bits e 75 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 88 GB com QLoRA, 300 GB com LoRA e 2.001 GB para ajuste fino completo com Adam, sem contar as ativações.
Posso rodar o Qwen3.5-122B-A10B em uma única GPU?
Sim, quantizado. Em 8 bits ele precisa de cerca de 150 GB, que cabem em uma B200. Em 16 bits ele precisa de 4 GPUs H100.
Quanto custa rodar o Qwen3.5-122B-A10B?
Em 16 bits ele precisa de 4 GPUs H100; em 4 bits, de uma H100 ou A100. 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 Qwen3.5-122B-A10B na Arrakis?
Abra Models no console da Arrakis, cole Qwen/Qwen3.5-122B-A10B, 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.