Llama-3.1-405B-Instruct-FP8
O Llama-3.1-405B-Instruct-FP8 da nvidia concentra 405 bilhões de parâmetros em um modelo de chat. Llama-3.1-405B-Instruct-FP8 is an open-weights chat model with roughly 405 billion parameters.
by nvidia · 405B parâmetros
Ideal para
Como usar Llama-3.1-405B-Instruct-FP8 no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da nvidia. O osFoundry descobre Llama-3.1-405B-Instruct-FP8 automaticamente — atribua-o a um papel do Maestro (router, direct, orchestrator ou fallback) na aba Pipeline e ele estará ativo em cada chat. Sua chave, sua conta no provedor — sem markup sobre tokens.
Implante um endpoint dedicado
Llama-3.1-405B-Instruct-FP8 é open-weights — execute localmente sem custo, ou implante um endpoint GPU dedicado no seu workspace para capacidade reservada sem limites de taxa.
Use em um Room App
Os Room Apps declaram recursos de IA em seus manifestos e os chamam com invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Chame a partir dos seus próprios apps
Uma vez que um modelo está conectado ao seu workspace, você pode hospedá-lo como uma API e acessá-lo a partir dos seus próprios serviços, scripts ou CI — fora do osFoundry.
Quais hardwares rodam Llama-3.1-405B-Instruct-FP8
Llama-3.1-405B-Instruct-FP8 roda em uma configuração multi-GPU ou H200 141GB em Q4 (~243 GB de VRAM com folga para KV-cache). A inferência em precisão completa requer múltiplas GPUs H100/H200 em FP16 (~972 GB).
Llama-3.1-405B-Instruct-FP8 vs modelos semelhantes
Licença
Não especificada — Termos de licença não especificados — verifique o model card original antes do uso comercial.
Consulte a documentação original.
Perguntas frequentes sobre Llama-3.1-405B-Instruct-FP8
Llama-3.1-405B-Instruct-FP8 é gratuito?
Llama-3.1-405B-Instruct-FP8 é gratuito para rodar localmente no seu próprio hardware. O acesso hospedado via osFoundry é medido (entrada Free (local), saída Free (local)). Você pode alternar entre local e hospedado a qualquer momento.
Posso usar Llama-3.1-405B-Instruct-FP8 comercialmente?
Uso comercial é permitido com condições. Termos de licença não especificados — verifique o model card original antes do uso comercial. Consulte a documentação original.
Quanta VRAM Llama-3.1-405B-Instruct-FP8 precisa?
Aproximadamente 243 GB em quantização Q4, ou 972 GB em precisão FP16 completa. Requer multi-GPU em quantização mais alta.
Posso rodar Llama-3.1-405B-Instruct-FP8 localmente?
Sim. Llama-3.1-405B-Instruct-FP8 é open-weights e roda localmente em uma GPU de workstation. O runtime local do osFoundry cuida do carregamento, da quantização e do roteamento do modelo.
Em que Llama-3.1-405B-Instruct-FP8 é melhor?
Llama-3.1-405B-Instruct-FP8 é bem adequado para text generation.
Como uso Llama-3.1-405B-Instruct-FP8 no osFoundry?
Cole sua chave de API da nvidia no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua Llama-3.1-405B-Instruct-FP8 a um papel do Maestro na aba Pipeline e use-o em chats, em Room Apps via invokeAI ou nos seus próprios apps.
Publicado pela nvidia em 29 de agosto de 2024. Fonte: https://huggingface.co/nvidia/Llama-3.1-405B-Instruct-FP8