Arrakis / 模型 / Llama-3.3-70B-Instruct

Llama-3.3-70B-Instruct 的 GPU 需求

Llama-3.3-70B-Instruct 有 71B 参数。部署推理时，16 位约需 169 GB 显存，8 位约 85 GB，4 位约 42 GB，其中包含约 20% 用于 KV 缓存和激活值。

部署推理需要什么

推理运行它所需的显存，能放下它的最小 GPU 配置，以及 Arrakis 当前的最低价格。

精度	显存与最小配置
16 位	169 GB：一块 B200，每 GPU 小时 $6.33 起
8 位	85 GB：一块 RTX PRO 6000，每 GPU 小时 $1.90 起
4 位	42 GB：一块 L40S、RTX 6000 Ada 或 RTX A6000，L40S 每 GPU 小时 $0.44 起

微调需要什么

QLoRA 在冻结的 4 位模型上训练适配器，LoRA 基于 16 位模型，全量微调则会更新所有权重。以上数字不含激活值，激活值会随批大小和序列长度增长。

方法	显存与最小配置
QLoRA	49 GB：一块 H100 或 A100，H100 每 GPU 小时 $2.07 起
LoRA	169 GB：一块 B200，每 GPU 小时 $6.33 起
全量微调	1,129 GB：8 × B200，8 块合计每小时 $50.64 起

关于这个模型

来自它在 Hugging Face 上的模型卡和文件。本页的显存数字遵循GPU 显存指南。

参数量: 71B
发布精度: BF16
许可证: llama3.3
发布日期: 2024-11-26
权重: meta-llama/Llama-3.3-70B-Instruct

在 Arrakis 上部署

在控制台中打开 Models，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。也可以在任何显存足够的机器上自己运行：

vLLM

vllm serve meta-llama/Llama-3.3-70B-Instruct --tensor-parallel-size 1

部署这个模型部署是怎么运作的

常见问题

所有 GPU 的实时价格见 GPU 价格页面。

Llama-3.3-70B-Instruct 需要多少显存？

推理部署时，16 位约需 169 GB，8 位约 85 GB，4 位约 42 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 49 GB，LoRA 约需 169 GB，使用 Adam 全量微调约需 1,129 GB，均未计入激活值。

Llama-3.3-70B-Instruct 能在单块 GPU 上运行吗？

可以。16 位下约需 169 GB，一块 B200 就能放下。

运行 Llama-3.3-70B-Instruct 要多少钱？

16 位下需要一块 B200；4 位下需要一块 L40S、RTX 6000 Ada 或 RTX A6000。本页每种配置都显示 Arrakis 当前每 GPU 小时的最低价格，从预付余额中按小时扣费。

如何在 Arrakis 上部署 Llama-3.3-70B-Instruct？

在 Arrakis 控制台中打开 Models，粘贴 meta-llama/Llama-3.3-70B-Instruct，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。