> 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-ru/nachalo-raboty/model-compatibility.md).

# Совместимость моделей

Матрица совместимости AI-моделей и GPU для Clore.ai

Полное руководство о том, какие модели ИИ работают на каких GPU на CLORE.AI.

{% hint style="success" %}
Найдите GPU с нужным объёмом VRAM на [маркетплейс CLORE.AI](https://clore.ai/marketplace).
{% endhint %}

## Краткая справка

{% hint style="warning" %}
**Многопроцессорные конфигурации с GPU класса 80GB не представлены на маркетплейсе Clore.ai.** Самые крупные доступные сейчас машины — это 4× RTX PRO 6000 Blackwell (по 96GB, всего 380GB) и 8–11× RTX 5090 (по 32GB). Ёмкость A100 / H200 / B200 продаётся как [голое железо](https://clore.ai/bare-metal) по запросу. Проверьте [Цены и доступность GPU](/guides/guides_v2-ru/nachalo-raboty/pricing.md) перед выбором размера развёртывания.
{% endhint %}

### Языковые модели (LLM)

| Модель                  | Параметры | Мин. VRAM   | Рекомендуется          | Квантование                 |
| ----------------------- | --------- | ----------- | ---------------------- | --------------------------- |
| Llama 3.2               | 1B        | 2 ГБ        | 4 ГБ                   | Q4, Q8, FP16                |
| Llama 3.2               | 3B        | 4 ГБ        | 6 ГБ                   | Q4, Q8, FP16                |
| Llama 3.1/3             | 8B        | 6 ГБ        | 12GB                   | Q4, Q8, FP16                |
| Mistral                 | 7B        | 6 ГБ        | 12GB                   | Q4, Q8, FP16                |
| Qwen 2.5                | 7B        | 6 ГБ        | 12GB                   | Q4, Q8, FP16                |
| Qwen 2.5                | 14B       | 12GB        | 16GB                   | Q4, Q8                      |
| Qwen 2.5                | 32B       | 20 ГБ       | 24 ГБ                  | Q4, Q8                      |
| Llama 3.1               | 70B       | 40 ГБ       | 48 ГБ                  | Q4, Q8                      |
| Qwen 2.5                | 72B       | 48 ГБ       | 80 ГБ                  | Q4, Q8                      |
| Mixtral                 | 8x7B      | 24 ГБ       | 48 ГБ                  | Q4                          |
| DeepSeek-V3             | 671B      | 320 ГБ+     | 640GB                  | FP8                         |
| **DeepSeek-R1**         | **671B**  | **320 ГБ+** | **8x H100**            | **FP8, модель рассуждений** |
| **DeepSeek-R1-Distill** | **32B**   | **20 ГБ**   | **2x A100 / RTX 5090** | **Q4/Q8**                   |

### Модели генерации изображений

| Модель               | Мин. VRAM | Рекомендуется        | Примечания                          |
| -------------------- | --------- | -------------------- | ----------------------------------- |
| SD 1.5               | 4 ГБ      | 8 ГБ                 | Нативное 512x512                    |
| SD 2.1               | 6 ГБ      | 8 ГБ                 | Нативное 768x768                    |
| SDXL                 | 8 ГБ      | 12GB                 | Нативное 1024x1024                  |
| SDXL Turbo           | 8 ГБ      | 12GB                 | 1-4 шага                            |
| **SD3.5 Large (8B)** | **16GB**  | **24 ГБ**            | **1024x1024, продвинутое качество** |
| FLUX.1 schnell       | 12GB      | 16GB                 | 4 шага, быстро                      |
| FLUX.1 dev           | 16GB      | 24 ГБ                | 20-50 шагов                         |
| **TRELLIS**          | **16GB**  | **24 ГБ (RTX 4090)** | **3D-генерация из изображений**     |

### Модели генерации видео

| Модель                 | Мин. VRAM | Рекомендуется             | Вывод                            |
| ---------------------- | --------- | ------------------------- | -------------------------------- |
| Stable Video Diffusion | 16GB      | 24 ГБ                     | 4 сек, 576x1024                  |
| AnimateDiff            | 12GB      | 16GB                      | 2-4 сек                          |
| **LTX-Video**          | **16GB**  | **24 ГБ (RTX 4090/3090)** | **5 сек, 768x512, очень быстро** |
| Wan2.1                 | 24 ГБ     | 40 ГБ                     | 5 сек, 480p-720p                 |
| Hunyuan Video          | 40 ГБ     | 80 ГБ                     | 5 сек, 720p                      |
| OpenSora               | 24 ГБ     | 40 ГБ                     | Переменная                       |

### Аудиомодели

| Модель           | Мин. VRAM | Рекомендуется | Задача           |
| ---------------- | --------- | ------------- | ---------------- |
| Whisper tiny     | 1 ГБ      | 2 ГБ          | Расшифровка      |
| Whisper base     | 1 ГБ      | 2 ГБ          | Расшифровка      |
| Whisper small    | 2 ГБ      | 4 ГБ          | Расшифровка      |
| Whisper medium   | 4 ГБ      | 6 ГБ          | Расшифровка      |
| Whisper large-v3 | 6 ГБ      | 10 ГБ         | Расшифровка      |
| Bark             | 8 ГБ      | 12GB          | Синтез речи      |
| Stable Audio     | 8 ГБ      | 12GB          | Генерация музыки |

### Зрительные и зрительно-языковые модели

| Модель               | Мин. VRAM | Рекомендуется        | Задача                               |
| -------------------- | --------- | -------------------- | ------------------------------------ |
| Llama 3.2 Vision 11B | 12GB      | 16GB                 | Понимание изображений                |
| Llama 3.2 Vision 90B | 48 ГБ     | 80 ГБ                | Понимание изображений                |
| LLaVA 7B             | 8 ГБ      | 12GB                 | Визуальные ответы на вопросы         |
| LLaVA 13B            | 16GB      | 24 ГБ                | Визуальные ответы на вопросы         |
| **Qwen2.5-VL 7B**    | **16GB**  | **24 ГБ (RTX 4090)** | **OCR изображений/видео/документов** |
| **Qwen2.5-VL 72B**   | **48 ГБ** | **2x A100 80GB**     | **Максимальные возможности VL**      |

### Инструменты дообучения и обучения

| Инструмент / метод   | Мин. VRAM | Рекомендуемый GPU | Задача                                              |
| -------------------- | --------- | ----------------- | --------------------------------------------------- |
| **Unsloth QLoRA 7B** | **12GB**  | **RTX 3090 24GB** | **QLoRA в 2 раза быстрее, низкое потребление VRAM** |
| Unsloth QLoRA 13B    | 16GB      | RTX 4090 24GB     | Быстрое дообучение                                  |
| LoRA (стандартная)   | 12GB      | RTX 3090          | Эффективная по параметрам донастройка               |
| Полное дообучение 7B | 40 ГБ     | A100 40 ГБ        | Обучение с максимальным качеством                   |

***

## Подробные таблицы совместимости

### LLM по GPU

| GPU              | Макс. модель (Q4) | Макс. модель (Q8) | Макс. модель (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 40 ГБ       | 70B               | 30B               | 14B                 |
| A100 80 ГБ       | 70B               | 70B               | 30B                 |
| H100 80GB        | 70B               | 70B               | 30B                 |

### Генерация изображений по GPU

| 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 40 ГБ       | ✅ 1024 | ✅ 1024 | ✅ 1024       | ✅ 1024   |
| A100 80 ГБ       | ✅ 2048 | ✅ 2048 | ✅ 1536       | ✅ 1536   |

\*С выгрузкой на CPU или уменьшенным размером батча

### Генерация видео по GPU

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

***

## Руководство по квантованию

### Что такое квантование?

Квантование снижает точность модели, чтобы она помещалась в меньший объём VRAM:

| Формат   | Биты | Снижение VRAM   | Потеря качества |
| -------- | ---- | --------------- | --------------- |
| FP32     | 32   | Базовый уровень | Нет             |
| FP16     | 16   | 50%             | Минимальная     |
| BF16     | 16   | 50%             | Минимальная     |
| FP8      | 8    | 75%             | Небольшая       |
| Q8       | 8    | 75%             | Небольшая       |
| Q6\_K    | 6    | 81%             | Небольшая       |
| Q5\_K\_M | 5    | 84%             | Умеренная       |
| Q4\_K\_M | 4    | 87%             | Умеренная       |
| Q3\_K\_M | 3    | 91%             | Заметная        |
| Q2\_K    | 2    | 94%             | Существенная    |

### Калькулятор VRAM

**Формула:** `VRAM (ГБ) ≈ Параметры (B) × Байт на параметр`

| Размер модели | FP16   | Q8    | Q4     |
| ------------- | ------ | ----- | ------ |
| 1B            | 2 ГБ   | 1 ГБ  | 0,5 ГБ |
| 3B            | 6 ГБ   | 3 ГБ  | 1,5 ГБ |
| 7B            | 14 ГБ  | 7 ГБ  | 3,5 ГБ |
| 8B            | 16 ГБ  | 8 ГБ  | 4 ГБ   |
| 13B           | 26 ГБ  | 13 ГБ | 6,5 ГБ |
| 14B           | 28 ГБ  | 14 ГБ | 7 ГБ   |
| 30B           | 60 ГБ  | 30 ГБ | 15 ГБ  |
| 32B           | 64 ГБ  | 32 ГБ | 16 ГБ  |
| 70B           | 140 ГБ | 70 ГБ | 35 ГБ  |
| 72B           | 144 ГБ | 72 ГБ | 36 ГБ  |

\*Добавьте \~20% для KV cache и накладных расходов

### Рекомендуемое квантование по сценарию использования

| Сценарий использования | Рекомендуется | Почему                             |
| ---------------------- | ------------- | ---------------------------------- |
| Чат/общее              | Q4\_K\_M      | Хороший баланс скорости и качества |
| Кодинг                 | Q5\_K\_M+     | Лучшая точность для кода           |
| Творческое письмо      | Q4\_K\_M      | Скорость важнее                    |
| Анализ                 | Q6\_K+        | Требуется более высокая точность   |
| Продакшен              | FP16/BF16     | Максимальное качество              |

***

## Длина контекста vs VRAM

### Как контекст влияет на VRAM

У каждой модели есть окно контекста (макс. токены). Более длинный контекст = больше VRAM:

| Модель       | Контекст по умолчанию | Максимальный контекст | VRAM на 1K токенов |
| ------------ | --------------------- | --------------------- | ------------------ |
| Llama 3 8B   | 8K                    | 128K                  | \~0,3 ГБ           |
| Llama 3 70B  | 8K                    | 128K                  | \~0,5 ГБ           |
| Qwen 2.5 7B  | 8K                    | 128K                  | \~0,25 ГБ          |
| Mistral 7B   | 8K                    | 32K                   | \~0,25 ГБ          |
| Mixtral 8x7B | 32K                   | 32K                   | \~0,4 ГБ           |

### Контекст по GPU (Llama 3 8B Q4)

| GPU           | Комфортный контекст | Максимальный контекст |
| ------------- | ------------------- | --------------------- |
| RTX 3060 12GB | 16K                 | 32K                   |
| RTX 3090 24GB | 64K                 | 96K                   |
| RTX 4090 24GB | 64K                 | 96K                   |
| RTX 5090 32GB | 96K                 | 128K                  |
| A100 40 ГБ    | 96K                 | 128K                  |
| A100 80 ГБ    | 128K                | 128K                  |

***

## Конфигурации с несколькими GPU

### Тензорный параллелизм

Разделите одну модель между несколькими GPU:

| Конфигурация | Общий объём VRAM | Макс. модель (FP16) |
| ------------ | ---------------- | ------------------- |
| 2x RTX 3090  | 48 ГБ            | 30B                 |
| 2x RTX 4090  | 48 ГБ            | 30B                 |
| 2x RTX 5090  | 64GB             | 32B                 |
| 4x RTX 5090  | 128 ГБ           | 70B                 |
| 2x A100 40GB | 80 ГБ            | 70B                 |
| 4x A100 40GB | 160GB            | 100B+               |
| 8x A100 80GB | 640GB            | DeepSeek-V3         |

### vLLM с несколькими GPU

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

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

***

## Руководства по конкретным моделям

### Семейство Llama 3.1

| Вариант        | Параметры | Минимальная GPU | Рекомендуемая конфигурация |
| -------------- | --------- | --------------- | -------------------------- |
| Llama 3.2 1B   | 1B        | Любая 4 ГБ      | RTX 3060                   |
| Llama 3.2 3B   | 3B        | Любая 6 ГБ      | RTX 3060                   |
| Llama 3.1 8B   | 8B        | RTX 3060        | RTX 3090                   |
| Llama 3.1 70B  | 70B       | A100 40 ГБ      | 2x A100 40GB               |
| Llama 3.1 405B | 405B      | 8x A100 80GB    | 8x H100                    |

### Семейство Mistral/Mixtral

| Вариант       | Параметры | Минимальная GPU | Рекомендуемая конфигурация |
| ------------- | --------- | --------------- | -------------------------- |
| Mistral 7B    | 7B        | RTX 3060        | RTX 3090                   |
| Mixtral 8x7B  | 46.7B     | RTX 3090        | A100 40 ГБ                 |
| Mixtral 8x22B | 141B      | 2x A100 80GB    | 4x A100 80GB               |

### Семейство Qwen 2.5

| Вариант       | Параметры | Минимальная GPU | Рекомендуемая конфигурация |
| ------------- | --------- | --------------- | -------------------------- |
| Qwen 2.5 0.5B | 0.5B      | Любая 2 ГБ      | Любая 4 ГБ                 |
| Qwen 2.5 1.5B | 1.5B      | Любая 4 ГБ      | RTX 3060                   |
| Qwen 2.5 3B   | 3B        | Любая 6 ГБ      | 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 40 ГБ                 |
| Qwen 2.5 72B  | 72B       | A100 40 ГБ      | A100 80 ГБ                 |

### Модели DeepSeek

| Вариант                          | Параметры | Минимальная GPU   | Рекомендуемая конфигурация |
| -------------------------------- | --------- | ----------------- | -------------------------- |
| DeepSeek-Coder 6.7B              | 6.7B      | RTX 3060          | RTX 3090                   |
| DeepSeek-Coder 33B               | 33B       | RTX 4090          | A100 40 ГБ                 |
| DeepSeek-V2-Lite                 | 15.7B     | RTX 3090          | A100 40 ГБ                 |
| 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**               |

***

## Устранение неполадок

### «Недостаточно памяти CUDA»

1. **Уменьшите квантование:** Q8 → Q4
2. **Уменьшите длину контекста:** Уменьшите max\_tokens
3. **Включите выгрузку на CPU:** `--cpu-offload` или `enable_model_cpu_offload()`
4. **Используйте меньший batch:** batch\_size=1
5. **Попробуйте другую GPU:** Нужно больше VRAM

### «Модель слишком большая»

1. **Используйте квантизированную версию:** Модели GGUF Q4
2. **Используйте несколько GPU:** Тензорный параллелизм
3. **Выгружать на CPU:** Медленнее, но работает
4. **Выберите модель меньшего размера:** 7B вместо 13B

### "Медленная генерация"

1. **Обновите GPU:** Больше VRAM = меньше выгрузки
2. **Используйте более быструю квантизацию:** Q4 быстрее, чем Q8
3. **Уменьшите контекст:** Короче = быстрее
4. **Включите flash attention:** `--flash-attn`

## Дальнейшие шаги

* [Руководство по сравнению GPU](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md) - Подробные характеристики GPU
* [Каталог Docker-образов](/guides/guides_v2-ru/nachalo-raboty/docker-images.md) - Готовые к развёртыванию образы
* [Руководство для быстрого старта](/guides/guides_v2-ru/quickstart.md) - Начните за 5 минут


---

# 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-ru/nachalo-raboty/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.