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

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

## 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

```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 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](/guides/guides_v2-hi/getting-started/gpu-comparison.md) - विस्तृत GPU विनिर्देश
* [डॉकर इमेज कैटलॉग](/guides/guides_v2-hi/getting-started/docker-images.md) - तैनात करने के लिए तैयार इमेज
* [क्विकस्टार्ट गाइड](/guides/guides_v2-hi/quickstart.md) - 5 मिनट में शुरू 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.