Was führt dieses LLM aus?
Wählen Sie das Modell, das Sie betreiben möchten. Wir bemessen es am veröffentlichten Checkpoint und listen die günstigsten heute mietbaren Konfigurationen, die es fassen — jeweils mit On-Demand- und Serverless-Tarif.
1 · Modell wählen
2 · Was es braucht
GLM-4.7 Flash mit 16 Bit
75 GB VRAM
bei kurzem Kontext — am veröffentlichten Checkpoint gemessen, nicht aus der Parameterzahl geschätzt.
- Modellgewichte
- 62 GB
- KV-Cacheim Overhead enthalten
- —
- Laufzeit-Overhead20 % der Gewichte
- 12 GB
Über dieses Modell
- Parameter
- 31,2 Mrd.
- Veröffentlicht in
- 16 Bit
- Gemessene Gewichte
- 62 GB
3 · Wo es läuft
Buchbare Konfigurationen
Günstigste zuerst, geprüft gegen 98 GPU-Typen mit aktuell buchbarer Kapazität.
| Konfiguration | VRAM gesamt | On-Demand | Serverless | GPU-Details |
|---|---|---|---|---|
| 8× NVIDIA Tesla V100 16GB | 128 GB 53 GB frei | 0,21 €/Std. 0,03 €/GPU-Std.  Vast.ai | — | Alle Preise |
| 4× NVIDIA Tesla P100Knapp | 64 GB 11 GB unter dem Puffer | 0,31 €/Std. 0,08 €/GPU-Std. Vast.ai | — | Alle Preise |
| 8× NVIDIA RTX 3060 | 96 GB 21 GB frei | 0,34 €/Std. 0,04 €/GPU-Std. Vast.ai | — | Alle Preise |
| 4× NVIDIA RTX 3090 | 96 GB 21 GB frei | 0,34 €/Std. 0,09 €/GPU-Std. Vast.ai | — | Alle Preise |
| 7× NVIDIA Titan Xp | 84 GB 9,1 GB frei | 0,36 €/Std. 0,05 €/GPU-Std. Vast.ai | — | Alle Preise |
| 7× NVIDIA GTX 1080 Ti | 77 GB 2,1 GB frei | 0,36 €/Std. 0,05 €/GPU-Std. Vast.ai | — | Alle Preise |
| 6× NVIDIA RTX A4000 | 96 GB 21 GB frei | 0,36 €/Std. 0,06 €/GPU-Std. Vast.ai | — | Alle Preise |
| 1× NVIDIA A100 80GB | 80 GB 5,1 GB frei | 0,37 €/Std. Vast.ai | 1,70 €/Std.  Verda | Alle Preise |
Die 8 günstigsten werden angezeigt. Modellgewichte plus 20 % Laufzeit-Overhead, aus gemessenen Checkpoint-Größen; eine angegebene Kontextlänge addiert ihren KV-Cache. Jeder Preis ist der günstigste buchbare Tarif für genau diese Instanzgröße, für die gesamte Konfiguration — der günstigere der beiden ist hervorgehoben und bestimmt die Sortierung. Ein ×N-Wert ist der gesamte VRAM über N Karten und sagt nichts über den Durchsatz der Verbindung aus.
Wie das berechnet wird
Die Gewichtsgrößen werden an den tatsächlichen Checkpoint-Dateien auf Hugging Face gemessen — nie aus der Parameterzahl abgeleitet, die bei quantisierten Releases danebenliegt. Auf die Gewichte rechnen wir 20 % für Aktivierungen, CUDA-Kontext und Allocator-Reserve. Eine angegebene Kontextlänge addiert ihren KV-Cache explizit, berechnet nur für Architekturen, deren Cache-Form die Konfiguration eindeutig angibt.
Eine Konfiguration, die Gewichte und Cache fasst, aber nicht diesen vollen Puffer, wird als knapp markiert statt ausgeblendet — sie lädt und läuft womöglich bei Batchgröße eins, unter Last ist aber mit Problemen zu rechnen.
Preise sind der günstigste buchbare Tarif für genau diese Instanzgröße, aktualisiert mit dem übrigen Katalog.