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

Qwen2.5-VL-32B-Instruct 的 GPU 需求

Qwen2.5-VL-32B-Instruct 有 33B 参数。部署推理时，16 位约需 80 GB 显存，8 位约 40 GB，4 位约 20 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	80 GB：一块 RTX PRO 6000，每 GPU 小时 $1.90 起
8 位	40 GB：一块 L40S、RTX 6000 Ada 或 RTX A6000，L40S 每 GPU 小时 $0.44 起
4 位	20 GB：一块 RTX 4090 或 RTX 3090，RTX 3090 每 GPU 小时 $0.19 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	23 GB：一块 RTX 4090 或 RTX 3090，RTX 3090 每 GPU 小时 $0.19 起
LoRA	80 GB：一块 RTX PRO 6000，每 GPU 小时 $1.90 起
全量微调	535 GB：4 × H200，4 块合计每小时 $13.76 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: 33B
上下文窗口（token）: 128,000
发布精度: BF16
许可证: apache-2.0
发布日期: 2025-03-21
权重: Qwen/Qwen2.5-VL-32B-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 Qwen/Qwen2.5-VL-32B-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。

Qwen2.5-VL-32B-Instruct 需要多少显存？

推理部署时，16 位约需 80 GB，8 位约 40 GB，4 位约 20 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 23 GB，LoRA 约需 80 GB，使用 Adam 全量微调约需 535 GB，均未计入激活值。

Qwen2.5-VL-32B-Instruct 能在单块 GPU 上运行吗？

可以。16 位下约需 80 GB，一块 RTX PRO 6000 就能放下。

运行 Qwen2.5-VL-32B-Instruct 要多少钱？

16 位下需要一块 RTX PRO 6000；4 位下需要一块 RTX 4090 或 RTX 3090。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 Qwen2.5-VL-32B-Instruct？

在 Arrakis 控制台中打开 Models，粘贴 Qwen/Qwen2.5-VL-32B-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。