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।

सही VRAM वाले GPU यहाँ खोजें CLORE.AI मार्केटप्लेस.

त्वरित संदर्भ

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 के रूप में अनुरोध पर बेची जाती है। देखें GPU मूल्य और उपलब्धता किसी deployment का आकार तय करने से पहले।

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

# 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 - विस्तृत GPU स्पेसिफ़िकेशन्स

• Docker इमेज कैटलॉग - तैनाती के लिए तैयार इमेजें

• त्वरित प्रारंभ मार्गदर्शिका - 5 मिनट में शुरुआत करें