> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/getting-started/model-compatibility.md).

# मॉडल संगतता

Clore.ai के लिए AI मॉडल और GPU संगतता मैट्रिक्स

CLORE.AI पर कौन से AI मॉडल किन GPU पर चलते हैं, इसकी पूरी मार्गदर्शिका।

{% hint style="success" %}
सही VRAM वाले GPU यहाँ खोजें [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## त्वरित संदर्भ

{% hint style="warning" %}
**Clore.ai marketplace पर multi-GPU 80GB-class rigs सूचीबद्ध नहीं हैं।** आज सूचीबद्ध सबसे बड़े boxes 4× RTX PRO 6000 Blackwell (प्रत्येक 96GB, कुल 380GB) और 8–11× RTX 5090 (प्रत्येक 32GB) हैं। A100 / H200 / B200 क्षमता [bare metal](https://clore.ai/bare-metal) के रूप में अनुरोध पर बेची जाती है। देखें [GPU मूल्य और उपलब्धता](/guides/guides_v2-hi/getting-started/pricing.md) किसी deployment का आकार तय करने से पहले।
{% endhint %}

### भाषा मॉडल (LLM)

| मॉडल                    | पैरामीटर | न्यूनतम VRAM | अनुशंसित               | क्वांटाइज़ेशन            |
| ----------------------- | -------- | ------------ | ---------------------- | ------------------------ |
| Llama 3.2               | 1B       | 2GB          | 4GB                    | Q4, Q8, FP16             |
| Llama 3.2               | 3B       | 4GB          | 6GB                    | Q4, Q8, FP16             |
| Llama 3.1/3             | 8B       | 6GB          | 12GB                   | Q4, Q8, FP16             |
| Mistral                 | 7B       | 6GB          | 12GB                   | Q4, Q8, FP16             |
| Qwen 2.5                | 7B       | 6GB          | 12GB                   | Q4, Q8, FP16             |
| Qwen 2.5                | 14B      | 12GB         | 16GB                   | Q4, Q8                   |
| Qwen 2.5                | 32B      | 20GB         | 24GB                   | Q4, Q8                   |
| Llama 3.1               | 70B      | 40GB         | 48GB                   | Q4, Q8                   |
| Qwen 2.5                | 72B      | 48GB         | 80GB                   | Q4, Q8                   |
| Mixtral                 | 8x7B     | 24GB         | 48GB                   | Q4                       |
| DeepSeek-V3             | 671B     | 320GB+       | 640GB                  | FP8                      |
| **DeepSeek-R1**         | **671B** | **320GB+**   | **8x H100**            | **FP8, reasoning model** |
| **DeepSeek-R1-Distill** | **32B**  | **20GB**     | **2x A100 / RTX 5090** | **Q4/Q8**                |

### छवि निर्माण मॉडल

| मॉडल                 | न्यूनतम VRAM | अनुशंसित            | नोट्स                         |
| -------------------- | ------------ | ------------------- | ----------------------------- |
| SD 1.5               | 4GB          | 8GB                 | मूल 512x512                   |
| SD 2.1               | 6GB          | 8GB                 | मूल 768x768                   |
| SDXL                 | 8GB          | 12GB                | मूल 1024x1024                 |
| SDXL Turbo           | 8GB          | 12GB                | 1-4 चरण                       |
| **SD3.5 Large (8B)** | **16GB**     | **24GB**            | **1024x1024, उन्नत गुणवत्ता** |
| FLUX.1 schnell       | 12GB         | 16GB                | 4 चरण, तेज़                   |
| FLUX.1 dev           | 16GB         | 24GB                | 20-50 चरण                     |
| **TRELLIS**          | **16GB**     | **24GB (RTX 4090)** | **छवियों से 3D निर्माण**      |

### वीडियो निर्माण मॉडल

| मॉडल                   | न्यूनतम VRAM | अनुशंसित                 | आउटपुट                          |
| ---------------------- | ------------ | ------------------------ | ------------------------------- |
| Stable Video Diffusion | 16GB         | 24GB                     | 4 सेकंड, 576x1024               |
| AnimateDiff            | 12GB         | 16GB                     | 2-4 सेकंड                       |
| **LTX-Video**          | **16GB**     | **24GB (RTX 4090/3090)** | **5 सेकंड, 768x512, बहुत तेज़** |
| Wan2.1                 | 24GB         | 40GB                     | 5 सेकंड, 480p-720p              |
| Hunyuan Video          | 40GB         | 80GB                     | 5 सेकंड, 720p                   |
| OpenSora               | 24GB         | 40GB                     | वेरिएबल                         |

### ऑडियो मॉडल

| मॉडल             | न्यूनतम VRAM | अनुशंसित | कार्य            |
| ---------------- | ------------ | -------- | ---------------- |
| Whisper tiny     | 1GB          | 2GB      | प्रतिलेखन        |
| Whisper base     | 1GB          | 2GB      | प्रतिलेखन        |
| Whisper small    | 2GB          | 4GB      | प्रतिलेखन        |
| Whisper medium   | 4GB          | 6GB      | प्रतिलेखन        |
| Whisper large-v3 | 6GB          | 10GB     | प्रतिलेखन        |
| Bark             | 8GB          | 12GB     | टेक्स्ट-टू-स्पीच |
| Stable Audio     | 8GB          | 12GB     | संगीत निर्माण    |

### विजन और विजन-भाषा मॉडल

| मॉडल                 | न्यूनतम VRAM | अनुशंसित            | कार्य                        |
| -------------------- | ------------ | ------------------- | ---------------------------- |
| Llama 3.2 Vision 11B | 12GB         | 16GB                | छवि समझ                      |
| Llama 3.2 Vision 90B | 48GB         | 80GB                | छवि समझ                      |
| LLaVA 7B             | 8GB          | 12GB                | दृश्य प्रश्नोत्तर            |
| LLaVA 13B            | 16GB         | 24GB                | दृश्य प्रश्नोत्तर            |
| **Qwen2.5-VL 7B**    | **16GB**     | **24GB (RTX 4090)** | **छवि/वीडियो/दस्तावेज़ OCR** |
| **Qwen2.5-VL 72B**   | **48GB**     | **2x A100 80GB**    | **अधिकतम VL क्षमता**         |

### फ़ाइन-ट्यूनिंग और प्रशिक्षण उपकरण

| टूल / विधि           | न्यूनतम VRAM | अनुशंसित GPU      | कार्य                        |
| -------------------- | ------------ | ----------------- | ---------------------------- |
| **Unsloth QLoRA 7B** | **12GB**     | **RTX 3090 24GB** | **2x तेज़ QLoRA, कम VRAM**   |
| Unsloth QLoRA 13B    | 16GB         | RTX 4090 24GB     | तेज़ फ़ाइन-ट्यूनिंग          |
| LoRA (मानक)          | 12GB         | RTX 3090          | पैरामीटर-कुशल फ़ाइन-ट्यूनिंग |
| पूर्ण फ़ाइन-ट्यून 7B | 40GB         | A100 40GB         | अधिकतम गुणवत्ता प्रशिक्षण    |

***

## विस्तृत संगतता तालिकाएँ

### GPU के अनुसार LLM

| GPU              | अधिकतम मॉडल (Q4) | अधिकतम मॉडल (Q8) | अधिकतम मॉडल (FP16) |
| ---------------- | ---------------- | ---------------- | ------------------ |
| RTX 3060 12GB    | 13B              | 7B               | 3B                 |
| RTX 3070 8GB     | 7B               | 3B               | 1B                 |
| RTX 3080 10GB    | 7B               | 7B               | 3B                 |
| RTX 3090 24GB    | 30B              | 13B              | 7B                 |
| RTX 4070 Ti 12GB | 13B              | 7B               | 3B                 |
| RTX 4080 16GB    | 14B              | 7B               | 7B                 |
| RTX 4090 24GB    | 30B              | 13B              | 7B                 |
| RTX 5090 32GB    | 70B              | 14B              | 13B                |
| A100 40GB        | 70B              | 30B              | 14B                |
| A100 80GB        | 70B              | 70B              | 30B                |
| H100 80GB        | 70B              | 70B              | 30B                |

### GPU के अनुसार छवि निर्माण

| GPU              | SD 1.5 | SDXL   | FLUX schnell | FLUX dev |
| ---------------- | ------ | ------ | ------------ | -------- |
| RTX 3060 12GB    | ✅ 512  | ✅ 768  | ⚠️ 512\*     | ❌        |
| RTX 3070 8GB     | ✅ 512  | ⚠️ 512 | ❌            | ❌        |
| RTX 3080 10GB    | ✅ 512  | ✅ 768  | ⚠️ 512\*     | ❌        |
| RTX 3090 24GB    | ✅ 768  | ✅ 1024 | ✅ 1024       | ⚠️ 768\* |
| RTX 4070 Ti 12GB | ✅ 512  | ✅ 768  | ⚠️ 512\*     | ❌        |
| RTX 4080 16GB    | ✅ 768  | ✅ 1024 | ✅ 768        | ⚠️ 512\* |
| RTX 4090 24GB    | ✅ 1024 | ✅ 1024 | ✅ 1024       | ✅ 1024   |
| RTX 5090 32GB    | ✅ 1024 | ✅ 1024 | ✅ 1536       | ✅ 1536   |
| A100 40GB        | ✅ 1024 | ✅ 1024 | ✅ 1024       | ✅ 1024   |
| A100 80GB        | ✅ 2048 | ✅ 2048 | ✅ 1536       | ✅ 1536   |

\*CPU ऑफ़लोड या कम बैच आकार के साथ

### GPU के अनुसार वीडियो निर्माण

| GPU           | SVD    | AnimateDiff | Wan2.1  | Hunyuan |
| ------------- | ------ | ----------- | ------- | ------- |
| RTX 3060 12GB | ❌      | ⚠️ छोटा     | ❌       | ❌       |
| RTX 3090 24GB | ✅ 2-4s | ✅           | ⚠️ 480p | ❌       |
| RTX 4090 24GB | ✅ 4s   | ✅           | ✅ 480p  | ⚠️ छोटा |
| RTX 5090 32GB | ✅ 6s   | ✅           | ✅ 720p  | ✅ 5s    |
| A100 40GB     | ✅ 4s   | ✅           | ✅ 720p  | ✅ 5s    |
| A100 80GB     | ✅ 8s   | ✅           | ✅ 720p  | ✅ 10s   |

***

## क्वांटाइज़ेशन मार्गदर्शिका

### क्वांटाइज़ेशन क्या है?

क्वांटाइज़ेशन मॉडल की सटीकता को कम करके उसे कम VRAM में फिट करता है:

| प्रारूप  | बिट्स | VRAM में कमी | गुणवत्ता हानि |
| -------- | ----- | ------------ | ------------- |
| FP32     | 32    | आधाररेखा     | कोई नहीं      |
| FP16     | 16    | 50%          | न्यूनतम       |
| BF16     | 16    | 50%          | न्यूनतम       |
| FP8      | 8     | 75%          | कम            |
| Q8       | 8     | 75%          | कम            |
| Q6\_K    | 6     | 81%          | कम            |
| Q5\_K\_M | 5     | 84%          | मध्यम         |
| Q4\_K\_M | 4     | 87%          | मध्यम         |
| Q3\_K\_M | 3     | 91%          | स्पष्ट        |
| Q2\_K    | 2     | 94%          | काफी          |

### VRAM कैलकुलेटर

**सूत्र:** `VRAM (GB) ≈ Parameters (B) × Bytes per Parameter`

| मॉडल आकार | FP16   | Q8    | Q4     |
| --------- | ------ | ----- | ------ |
| 1B        | 2 GB   | 1 GB  | 0.5 GB |
| 3B        | 6 GB   | 3 GB  | 1.5 GB |
| 7B        | 14 GB  | 7 GB  | 3.5 GB |
| 8B        | 16 GB  | 8 GB  | 4 GB   |
| 13B       | 26 GB  | 13 GB | 6.5 GB |
| 14B       | 28 GB  | 14 GB | 7 GB   |
| 30B       | 60 GB  | 30 GB | 15 GB  |
| 32B       | 64 GB  | 32 GB | 16 GB  |
| 70B       | 140 GB | 70 GB | 35 GB  |
| 72B       | 144 GB | 72 GB | 36 GB  |

\*KV कैश और अतिरिक्त खर्च के लिए लगभग 20% जोड़ें

### उपयोग के अनुसार अनुशंसित क्वांटाइज़ेशन

| उपयोग-प्रकरण  | अनुशंसित  | क्यों                           |
| ------------- | --------- | ------------------------------- |
| चैट/सामान्य   | Q4\_K\_M  | गति और गुणवत्ता का अच्छा संतुलन |
| कोडिंग        | Q5\_K\_M+ | कोड के लिए बेहतर सटीकता         |
| रचनात्मक लेखन | Q4\_K\_M  | गति अधिक महत्वपूर्ण है          |
| विश्लेषण      | Q6\_K+    | उच्च सटीकता की आवश्यकता         |
| प्रोडक्शन     | FP16/BF16 | अधिकतम गुणवत्ता                 |

***

## कॉन्टेक्स्ट लंबाई बनाम VRAM

### कॉन्टेक्स्ट VRAM को कैसे प्रभावित करता है

प्रत्येक मॉडल की एक कॉन्टेक्स्ट विंडो होती है (अधिकतम टोकन)। लंबा कॉन्टेक्स्ट = अधिक VRAM:

| मॉडल         | डिफ़ॉल्ट कॉन्टेक्स्ट | अधिकतम कॉन्टेक्स्ट | प्रति 1K टोकन VRAM |
| ------------ | -------------------- | ------------------ | ------------------ |
| Llama 3 8B   | 8K                   | 128K               | \~0.3 GB           |
| Llama 3 70B  | 8K                   | 128K               | \~0.5 GB           |
| Qwen 2.5 7B  | 8K                   | 128K               | \~0.25 GB          |
| Mistral 7B   | 8K                   | 32K                | \~0.25 GB          |
| Mixtral 8x7B | 32K                  | 32K                | \~0.4 GB           |

### GPU के अनुसार कॉन्टेक्स्ट (Llama 3 8B Q4)

| GPU           | आरामदायक कॉन्टेक्स्ट | अधिकतम कॉन्टेक्स्ट |
| ------------- | -------------------- | ------------------ |
| RTX 3060 12GB | 16K                  | 32K                |
| RTX 3090 24GB | 64K                  | 96K                |
| RTX 4090 24GB | 64K                  | 96K                |
| RTX 5090 32GB | 96K                  | 128K               |
| A100 40GB     | 96K                  | 128K               |
| A100 80GB     | 128K                 | 128K               |

***

## बहु-GPU कॉन्फ़िगरेशन

### टेंसर पैरललिज़्म

एक मॉडल को कई GPU में बाँटें:

| कॉन्फ़िगरेशन | कुल VRAM | अधिकतम मॉडल (FP16) |
| ------------ | -------- | ------------------ |
| 2x RTX 3090  | 48GB     | 30B                |
| 2x RTX 4090  | 48GB     | 30B                |
| 2x RTX 5090  | 64GB     | 32B                |
| 4x RTX 5090  | 128GB    | 70B                |
| 2x A100 40GB | 80GB     | 70B                |
| 4x A100 40GB | 160GB    | 100B+              |
| 8x A100 80GB | 640GB    | DeepSeek-V3        |

### vLLM मल्टी-GPU

```bash
# 2 GPUs
python -m vllm.entrypoints.openai.api_server \
    --model meta-llama/Llama-3.1-70B-Instruct \
    --tensor-parallel-size 2

# 4 GPUs
python -m vllm.entrypoints.openai.api_server \
    --model meta-llama/Llama-3.1-70B-Instruct \
    --tensor-parallel-size 4
```

***

## विशिष्ट मॉडल मार्गदर्शिकाएँ

### Llama 3.1 परिवार

| संस्करण        | पैरामीटर | न्यूनतम GPU  | अनुशंसित सेटअप |
| -------------- | -------- | ------------ | -------------- |
| Llama 3.2 1B   | 1B       | कोई भी 4GB   | RTX 3060       |
| Llama 3.2 3B   | 3B       | कोई भी 6GB   | RTX 3060       |
| Llama 3.1 8B   | 8B       | RTX 3060     | RTX 3090       |
| Llama 3.1 70B  | 70B      | A100 40GB    | 2x A100 40GB   |
| Llama 3.1 405B | 405B     | 8x A100 80GB | 8x H100        |

### Mistral/Mixtral परिवार

| संस्करण       | पैरामीटर | न्यूनतम GPU  | अनुशंसित सेटअप |
| ------------- | -------- | ------------ | -------------- |
| Mistral 7B    | 7B       | RTX 3060     | RTX 3090       |
| Mixtral 8x7B  | 46.7B    | RTX 3090     | A100 40GB      |
| Mixtral 8x22B | 141B     | 2x A100 80GB | 4x A100 80GB   |

### Qwen 2.5 परिवार

| संस्करण       | पैरामीटर | न्यूनतम GPU | अनुशंसित सेटअप |
| ------------- | -------- | ----------- | -------------- |
| Qwen 2.5 0.5B | 0.5B     | कोई भी 2GB  | कोई भी 4GB     |
| Qwen 2.5 1.5B | 1.5B     | कोई भी 4GB  | RTX 3060       |
| Qwen 2.5 3B   | 3B       | कोई भी 6GB  | RTX 3060       |
| Qwen 2.5 7B   | 7B       | RTX 3060    | RTX 3090       |
| Qwen 2.5 14B  | 14B      | RTX 3090    | RTX 4090       |
| Qwen 2.5 32B  | 32B      | RTX 4090    | A100 40GB      |
| Qwen 2.5 72B  | 72B      | A100 40GB   | A100 80GB      |

### DeepSeek मॉडल

| संस्करण                          | पैरामीटर | न्यूनतम GPU       | अनुशंसित सेटअप    |
| -------------------------------- | -------- | ----------------- | ----------------- |
| DeepSeek-Coder 6.7B              | 6.7B     | RTX 3060          | RTX 3090          |
| DeepSeek-Coder 33B               | 33B      | RTX 4090          | A100 40GB         |
| DeepSeek-V2-Lite                 | 15.7B    | RTX 3090          | A100 40GB         |
| DeepSeek-V3                      | 671B     | 8x A100 80GB      | 8x H100           |
| **DeepSeek-R1**                  | **671B** | **8x A100 80GB**  | **8x H100 (FP8)** |
| **DeepSeek-R1-Distill-Qwen-32B** | **32B**  | **RTX 5090 32GB** | **2x A100 40GB**  |
| **DeepSeek-R1-Distill-Qwen-7B**  | **7B**   | **RTX 3090 24GB** | **RTX 4090**      |

***

## समस्या निवारण

### "CUDA out of memory"

1. **क्वांटाइज़ेशन कम करें:** Q8 → Q4
2. **कॉन्टेक्स्ट लंबाई कम करें:** max\_tokens कम करें
3. **CPU ऑफ़लोड सक्षम करें:** `--cpu-offload` या `enable_model_cpu_offload()`
4. **छोटा बैच उपयोग करें:** batch\_size=1
5. **अलग GPU आज़माएँ:** अधिक VRAM चाहिए

### "Model too large"

1. **क्वांटाइज़्ड संस्करण उपयोग करें:** GGUF Q4 models
2. **एकाधिक GPU का उपयोग करें:** टेंसर समानांतरता
3. **CPU पर ऑफलोड करें:** धीमा है, लेकिन काम करता है
4. **छोटा मॉडल चुनें:** 13B की जगह 7B

### "धीमी जनरेशन"

1. **GPU अपग्रेड करें:** अधिक VRAM = कम ऑफलोडिंग
2. **तेज़ क्वांटाइज़ेशन का उपयोग करें:** Q4, Q8 से तेज़ है
3. **कॉन्टेक्स्ट कम करें:** छोटा = तेज़
4. **फ्लैश अटेंशन सक्षम करें:** `--flash-attn`

## अगले चरण

* [GPU तुलना मार्गदर्शिका](/guides/guides_v2-hi/getting-started/gpu-comparison.md) - विस्तृत GPU स्पेसिफ़िकेशन्स
* [Docker इमेज कैटलॉग](/guides/guides_v2-hi/getting-started/docker-images.md) - तैनाती के लिए तैयार इमेजें
* [त्वरित प्रारंभ मार्गदर्शिका](/guides/guides_v2-hi/quickstart.md) - 5 मिनट में शुरुआत करें


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/getting-started/model-compatibility.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.