मॉडल संगतता

Clore.ai के लिए AI मॉडल और GPU संगतता मैट्रिक्स

CLORE.AI पर कौन से AI मॉडल कौन-सी GPU पर चलते हैं इसकी पूरी गाइड।

सही VRAM वाली GPUs खोजें CLORE.AI मार्केटप्लेस.

त्वरित संदर्भ

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, रीजनिंग मॉडल
DeepSeek-R1-Distill	32B	20GB	2x A100 / RTX 5090	Q4/Q8

छवि जनरेशन मॉडल

मॉडल	न्यूनतम VRAM	अनुशंसित	नोट्स
SD 1.5	4GB	8GB	512x512 नेटिव
SD 2.1	6GB	8GB	768x768 नेटिव
SDXL	8GB	12GB	1024x1024 नेटिव
SDXL टर्बो	8GB	12GB	1-4 स्टेप्स
SD3.5 Large (8B)	16GB	24GB	1024x1024, उन्नत गुणवत्ता
FLUX.1 schnell	12GB	16GB	4 स्टेप्स, तेज
FLUX.1 dev	16GB	24GB	20-50 स्टेप्स
TRELLIS	16GB	24GB (RTX 4090)	छवियों से 3D जनरेशन

वीडियो जनरेशन 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 तेज
Wan2.1	24GB	40GB	5 सेकंड, 480p-720p
Hunyuan Video	40GB	80GB	5 सेकंड, 720p
OpenSora	24GB	40GB	परिवर्तनीय

ऑडियो मॉडल

मॉडल	न्यूनतम VRAM	अनुशंसित	कार्य
Whisper tiny	1GB	2GB	ट्रांसक्रिप्शन
Whisper base	1GB	2GB	ट्रांसक्रिप्शन
Whisper small	2GB	4GB	ट्रांसक्रिप्शन
Whisper medium	4GB	6GB	ट्रांसक्रिप्शन
Whisper large-v3	6GB	10GB	ट्रांसक्रिप्शन
Bark	8GB	12GB	टेक्स्ट-से-स्पीच
Stable Audio	8GB	12GB	म्यूज़िक जनरेशन

विजन और विज़न-लैंग्वेज मॉडल

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

फाइन-ट्यूनिंग और प्रशिक्षण उपकरण

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

---

विस्तृत संगतता तालिकाएँ

GPU द्वारा LLM

GPU	Max मॉडल (Q4)	Max मॉडल (Q8)	Max 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 द्वारा इमेज जनरेशन

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 ऑफलोड या घटाई गई बैच साइज के साथ

GPU द्वारा वीडियो जनरेशन

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 गाइड

क्वांटाइज़ेशन क्या है?

क्वांटाइज़ेशन मॉडल की प्रिसिशन घटाकर कम VRAM में फिट होने देता है:

फॉर्मेट	बिट्स	VRAM में कमी	गुणवत्ता ह्रास
FP32	32	बेसलाइन	कोई नहीं
FP16	16	50%	न्यूनतम
BF16	16	50%	न्यूनतम
FP8	8	75%	छोटी
Q8	8	75%	छोटी
Q6_K	6	81%	छोटी
Q5_K_M	5	84%	मध्यम
Q4_K_M	4	87%	मध्यम
Q3_K_M	3	91%	नोटिस योग्य
Q2_K	2	94%	महत्वपूर्ण

VRAM कैलकुलेटर

फ़ॉर्मूला: VRAM (GB) ≈ पैरामीटर (B) × प्रति पैरामीटर बाइट्स

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 ओवरहेड के लिए ~20% जोड़ें

उपयोग के मामले के अनुसार अनुशंसित क्वांटाइज़ेशन

उपयोग का मामला	अनुशंसित	क्यों
चैट/सामान्य	Q4_K_M	गति और गुणवत्ता का अच्छा संतुलन
कोडिंग	Q5_K_M+	कोड के लिए बेहतर सटीकता
क्रिएटिव राइटिंग	Q4_K_M	गति अधिक मायने रखती है
विश्लेषण	Q6_K+	उच्च सटीकता की आवश्यकता
प्रोडक्शन	FP16/BF16	अधिकतम गुणवत्ता

---

संदर्भ लंबाई बनाम VRAM

कैसे संदर्भ VRAM को प्रभावित करता है

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

मॉडल	डिफ़ॉल्ट संदर्भ	अधिकतम संदर्भ	1K टोकन पर 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 द्वारा संदर्भ (Llama 3 8B Q4)

GPU	आरामदायक संदर्भ	अधिकतम संदर्भ
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

---

मल्टी-GPU कॉन्फ़िगरेशन

टेंसर पैरालेलिज़्म

एक मॉडल को कई GPUs में विभाजित करें:

कॉन्फ़िगरेशन	कुल VRAM	Max 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 गाइड

Llama 3.1 परिवार

वैरिएंट	पैरामीटर	न्यूनतम GPU	अनुशंसित सेटअप
Llama 3.2 1B	1B	किसी भी 4GB	RTX 3060
Llama 3.2 3B	3B	किसी 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

वैरिएंट	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

वैरिएंट	पैरामीटर	न्यूनतम GPU	अनुशंसित सेटअप
Qwen 2.5 0.5B	0.5B	किसी भी 2GB	किसी भी 4GB
Qwen 2.5 1.5B	1.5B	किसी भी 4GB	RTX 3060
Qwen 2.5 3B	3B	किसी 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

वैरिएंट	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

---

समस्याओं का निवारण

"CUDA out of memory"

1. क्वांटाइज़ेशन कम करें: Q8 → Q4

2. संदर्भ लंबाई घटाएँ: max_tokens घटाएँ

3. CPU ऑफलोड सक्षम करें: --cpu-offload या enable_model_cpu_offload()

4. छोटा बैच उपयोग करें: batch_size=1

5. विभिन्न GPU आज़माएँ: ज़्यादा VRAM चाहिए

"मॉडल बहुत बड़ा है"

1. क्वांटाइज़्ड वर्ज़न उपयोग करें: GGUF Q4 मॉडल

2. कई GPUs का उपयोग करें: टेंसर पैरालेलिज़्म

3. CPU पर ऑफलोड करें: धीमा पर काम करता है पर चलता है

4. छोटा मॉडल चुनें: 13B की बजाय 7B

"धीमी जनरेशन"

1. GPU अपग्रेड करें: अधिक VRAM = कम ऑफलोडिंग

2. तेज़ क्वांटाइज़ेशन उपयोग करें: Q4, Q8 से तेज है

3. संदर्भ घटाएँ: छोटा = तेज

4. फ्लैश अटेंशन सक्षम करें: --flash-attn

अगले कदम

• GPU तुलना गाइड - विस्तृत GPU विनिर्देश

• डॉकर इमेज कैटलॉग - तैनात करने के लिए तैयार इमेज

• क्विकस्टार्ट गाइड - 5 मिनट में शुरू करें