Meta Llama 3.1 8B Instruct (Q4_0_4_4) — 15.4 GBsu NVIDIA P100
Panoramica
Meta Llama 3.1 8B Instruct è un modello linguistico dense da 8B parametri di Meta, con capacità di code, multilingual, tool-calls. Supporta una finestra di contesto fino a 131,072 token.
Meta Llama 3.1 8B Instruct e un trasformatore denso da 8 miliardi di parametri di Meta, progettato per il seguimento di istruzioni, la generazione di codice e compiti multilingue. Offre un ottimo equilibrio tra qualita ed efficienza nella categoria dei modelli piccoli, superando molte alternative di classe 7B nei benchmark standard. Il modello supporta il "tool calling" e otto lingue tra cui inglese, tedesco e francese. Con una finestra di contesto da 128K e supporto "flash attention", funziona comodamente su una singola GPU consumer ai livelli di quantizzazione Q4.
Con la quantizzazione Q4_0_4_4 (livello di qualità low), il modello pesa 4.34 GB. Questo rientra nei 16 GB di VRAM di NVIDIA P100, consentendo l'inferenza completa su GPU.
Requisiti Hardware
| Dimensione del modello | 4.34 GB |
| VRAM disponibile | 16 GB |
| VRAM utilizzata | 15.4 GB |
| RAM di sistema | |
| RAM min richiesta | 0 GB |
| Livelli GPU | 32 / 32 |
| Dimensione del contesto | 80.406 |
| Backend | cuda12 |
| Flash attention | Sì |
| 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/meta-llama-3-1-8b-instruct/q4_0_4_4/nvidia-p100.yaml) applyFile values.yaml
/values/meta-llama-3-1-8b-instruct/q4_0_4_4/nvidia-p100.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Meta Llama 3.1 8B Instruct (Q4_0_4_4)?
La quantizzazione Q4_0_4_4 di Meta Llama 3.1 8B Instruct richiede 4.34 GB. Tutti i 32 livelli entrano nei 16 GB di VRAM disponibili su NVIDIA P100, consentendo un'accelerazione GPU completa.
Posso eseguire Meta Llama 3.1 8B Instruct su NVIDIA P100?
Sì. NVIDIA P100 offre 16 GB di VRAM, sufficienti per eseguire Meta Llama 3.1 8B Instruct (Q4_0_4_4) con tutti i livelli sulla GPU per prestazioni ottimali.
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_0_4_4 comprime Meta Llama 3.1 8B Instruct dalla sua dimensione originale a 4.34 GB.
Quale quantizzazione scegliere per Meta Llama 3.1 8B Instruct?
Q4_0_4_4 è una quantizzazione di bassa qualità. 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.
Cos'è il flash attention e perché è attivato?
Flash attention è un algoritmo efficiente in memoria che accelera il meccanismo di attenzione nei modelli transformer. Riduce l'uso di VRAM durante l'inferenza evitando la materializzazione della matrice di attenzione completa. Per Meta Llama 3.1 8B Instruct su NVIDIA P100, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 16 GB di VRAM disponibili.
Come eseguire Meta Llama 3.1 8B Instruct (Q4_0_4_4) con Ollama?
Esegui ollama run llama3.1:8b-instruct-q4_0_4_4 per avviare Meta Llama 3.1 8B Instruct (Q4_0_4_4). Ollama scarica automaticamente i pesi del modello al primo avvio.