Llama 4 Maverick 17B 128E Instruct (Q4_K_M) — 49.3 GBsu OVH l4-1-gpu
Panoramica
Llama 4 Maverick 17B 128E Instruct è un modello linguistico moe da 396.58B parametri di Meta, con capacità di code, multilingual, tool-calls, vision. Supporta una finestra di contesto fino a 1,048,576 token.
Llama 4 Maverick 17B 128E Instruct e un modello "Mixture-of-Experts" su larga scala di Meta con 17 miliardi di parametri per esperto e 128 esperti, attivando un esperto per token per un totale di circa 400 miliardi di parametri. Offre prestazioni di frontiera in vision, generazione di codice e compiti multilingue in 12 lingue. Maverick rappresenta il livello ad alta capacita della famiglia Llama 4, scambiando requisiti di memoria piu elevati con risultati di benchmark superiori. Con una finestra di contesto da 1M di token, richiede configurazioni multi-GPU ma si quantizza fino a livelli Q2.
Con la quantizzazione Q4_K_M (livello di qualità medium), il modello pesa 226.1 GB. Questo supera i 24 GB di VRAM di OVH l4-1-gpu. L'inferenza è comunque possibile tramite scaricamento su CPU o caricamento mappato in memoria dal disco, ma con prestazioni notevolmente ridotte.
La NVIDIA L4 e una GPU datacenter per inferenza con 24 GB di GDDR6 VRAM e 300 GB/s di larghezza di banda della memoria. Offre 121 FP16 TFLOPS con architettura Ada Lovelace. Progettata per carichi di inferenza efficienti e a basso consumo in deployment cloud ed edge. Gestisce modelli quantizzati fino a 20B parametri.
Requisiti Hardware
| Dimensione del modello | 226.1 GB |
| VRAM disponibile | 24 GB |
| VRAM utilizzata | 49.3 GB |
| RAM di sistema | 80 GB |
| RAM min richiesta | 226.1 GB |
| Livelli GPU | 0 / 48 |
| Dimensione del contesto | 262.144 |
| Backend | cuda13 |
| Flash attention | No |
| Lettura da disco | Sì |
Note sulle prestazioni
Distribuzione
Prerequisiti
Assicurati che i nodi GPU siano preparati con il NVIDIA container toolkit:
ansible-playbook prositronic.infra.nvidia_container_toolkitComando
helmfile --state-values-file <(curl -s https://www.prositronic.eu/values/llama-4-maverick-17b-128e-instruct/q4_k_m/nvidia-l4.yaml) applyFile values.yaml
/values/llama-4-maverick-17b-128e-instruct/q4_k_m/nvidia-l4.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Llama 4 Maverick 17B 128E Instruct (Q4_K_M)?
La quantizzazione Q4_K_M di Llama 4 Maverick 17B 128E Instruct richiede 226.1 GB. I 24 GB di VRAM di OVH l4-1-gpu sono insufficienti per i livelli GPU, quindi l'inferenza viene eseguita sulla CPU.
Posso eseguire Llama 4 Maverick 17B 128E Instruct su OVH l4-1-gpu?
È possibile ma non consigliato. OVH l4-1-gpu non ha abbastanza VRAM per accelerare Llama 4 Maverick 17B 128E Instruct (Q4_K_M), quindi l'inferenza si baserà su CPU e RAM di sistema.
Cos'è la quantizzazione?
La quantizzazione riduce la precisione numerica di un modello dal suo formato originale in virgola mobile a una rappresentazione più compatta. Questo riduce la dimensione del file e l'impronta VRAM, rendendo possibile eseguire modelli di grandi dimensioni su hardware consumer. Il compromesso è una leggera riduzione della qualità dell'output. Q4_K_M comprime Llama 4 Maverick 17B 128E Instruct dalla sua dimensione originale a 226.1 GB.
Quale quantizzazione scegliere per Llama 4 Maverick 17B 128E Instruct?
Q4_K_M è una quantizzazione di qualità media. I quant di qualità superiore (Q8, Q6) preservano maggiore precisione del modello ma necessitano di più VRAM. I quant inferiori (Q4, Q3, Q2) riducono l'uso di VRAM a scapito della qualità. Scegli in base al tuo hardware disponibile e ai requisiti di qualità.
Perché alcuni livelli vengono scaricati sulla CPU?
OVH l4-1-gpu ha 24 GB di VRAM, ma Llama 4 Maverick 17B 128E Instruct (Q4_K_M) richiede circa 226.1 GB. Solo 0 dei 48 livelli entrano nella VRAM; i livelli rimanenti vengono eseguiti sulla CPU, che è più lenta ma funzionale.
Cos'è MoE e come influisce sulla distribuzione?
Llama 4 Maverick 17B 128E Instruct utilizza un'architettura Mixture-of-Experts (MoE) con 128 esperti, di cui 1 attivi per token. Ciò significa che solo una frazione dei pesi del modello viene utilizzata per ogni passaggio di inferenza, consentendo ai modelli MoE di avere un numero totale di parametri maggiore rimanendo efficienti durante l'inferenza.
Come eseguire Llama 4 Maverick 17B 128E Instruct (Q4_K_M) con Ollama?
Esegui ollama run llama4:17b-maverick-128e-instruct-q4_k_m per avviare Llama 4 Maverick 17B 128E Instruct (Q4_K_M). Ollama scarica automaticamente i pesi del modello al primo avvio.