Meta Llama 3.1 8B Instruct (Q5_K_S) — 22.5 GBsu Scaleway H100-1-80G
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 Q5_K_S (livello di qualità medium), il modello pesa 5.21 GB. Questo rientra nei 80 GB di VRAM di Scaleway H100-1-80G, consentendo l'inferenza completa su GPU.
La NVIDIA H100 80 GB e una GPU datacenter con 80 GB di HBM3 VRAM e 3350 GB/s di larghezza di banda della memoria. Offre 1979 FP16 TFLOPS sull'architettura Hopper, rendendola l'opzione GPU singola piu veloce per l'inferenza di grandi modelli linguistici. Gestisce modelli fino a 70B parametri con elevato throughput. Progettata per team datacenter che eseguono carichi di lavoro IA impegnativi in produzione.
Requisiti Hardware
| Dimensione del modello | 5.21 GB |
| VRAM disponibile | 80 GB |
| VRAM utilizzata | 22.5 GB |
| RAM di sistema | 240 GB |
| RAM min richiesta | 0 GB |
| Livelli GPU | 32 / 32 |
| Dimensione del contesto | 131.072 |
| Backend | cuda13 |
| Flash attention | Sì |
| Lettura da disco | Sì |
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/q5_k_s/nvidia-h100-80gb.yaml) applyFile values.yaml
/values/meta-llama-3-1-8b-instruct/q5_k_s/nvidia-h100-80gb.yaml
Caricamento valori…Domande frequenti
Quanta VRAM serve per Meta Llama 3.1 8B Instruct (Q5_K_S)?
La quantizzazione Q5_K_S di Meta Llama 3.1 8B Instruct richiede 5.21 GB. Tutti i 32 livelli entrano nei 80 GB di VRAM disponibili su Scaleway H100-1-80G, consentendo un'accelerazione GPU completa.
Posso eseguire Meta Llama 3.1 8B Instruct su Scaleway H100-1-80G?
Sì. Scaleway H100-1-80G offre 80 GB di VRAM, sufficienti per eseguire Meta Llama 3.1 8B Instruct (Q5_K_S) 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. Q5_K_S comprime Meta Llama 3.1 8B Instruct dalla sua dimensione originale a 5.21 GB.
Quale quantizzazione scegliere per Meta Llama 3.1 8B Instruct?
Q5_K_S 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.
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 Scaleway H100-1-80G, flash attention è attivato per massimizzare la lunghezza del contesto e il throughput nei 80 GB di VRAM disponibili.
Come eseguire Meta Llama 3.1 8B Instruct (Q5_K_S) con Ollama?
Esegui ollama run llama3.1:8b-instruct-q5_k_s per avviare Meta Llama 3.1 8B Instruct (Q5_K_S). Ollama scarica automaticamente i pesi del modello al primo avvio.