本文へスキップ
ReviewRamble

週刊ブリーフ

AIのレビューを、あなたの受信箱に。

  • ツール、モデル、MCPサーバー、リポジトリの新しいレビュー(結論を最初に)
  • 変更があったときに再確認した価格と評価
  • 公開された新しい分析記事

モデル、エージェント、MCPサーバー、そして本当に時間をかける価値のあるツール。

週に1通です。配信停止は各メールのリンクからできます。 メールアドレスの利用について

OTel 2.0 LLM 31B IT QLoRAのGPU要件:VRAMと最安GPU

OTel 2.0 LLM 31B IT QLoRAのパラメータ数は312.7億で、BF16で公開されています。 apache-2.0で公開されており、商用利用が認められています。

パラメータ数
312.7億
最小メモリ(INT4)
約21 GB
最安GPUの1時間料金(FP16)
$0.50
種類
テキスト

farbodtavakkoli/OTel-2.0-LLM-31B-IT-QLoRA

Hugging Faceで見る (新しいタブで開きます)

  • パラメータ数 312.7億
  • 種類 テキスト
  • タスク text-generation
  • ライセンス apache-2.0
  • ダウンロード数 168万
  • いいね 3

OTel 2.0 LLM 31B IT QLoRAの計算結果

精度
用途
詳細設定
推論エンジン
同時リクエスト数

OTel 2.0 LLM 31B IT QLoRAに必要なGPUメモリは約72 GB

推論(vLLM)、FP16 / BF16、コンテキスト8Kトークン、同時リクエスト1件。 モデル設定の一部が欠けていたため、KVキャッシュは推定値です。

メモリの内訳

  • 重み 63 GB
  • KVキャッシュ 1.8 GB
  • ランタイムのオーバーヘッド 7.4 GB
  • 合計 72 GB

GPUの台数は、急な負荷に備えて各カードの10%を空けて計算しています。長いプロンプトや多数の同時利用が見込まれる場合は余裕を持たせてください。

収まるGPU(安い順)この設定を1ノードで扱える、追跡中のすべてのGPUの種類を1時間あたりの合計費用順に並べたもの
順位構成GPU 1台 / 時間必要な台数合計 / 時間合計 / 月(24時間稼働)プロバイダー
11 × RTX PRO 6000 96GB最安Blackwell · GDDR7$0.501$0.50$365RunPod (新しいタブで開きます)1x RTX PRO 6000 MaxQ
24 × RTX 3090 24GBAmpere · GDDR6X$0.244$0.96$702Vast.ai (新しいタブで開きます)4x RTX 3090 (median of 9 offers)
31 × A100 80GBAmpere · HBM2e$1.121$1.12$820Vast.ai (新しいタブで開きます)1x A100 SXM4 (median of 16 offers)
42 × A40 48GBAmpere · GDDR6$0.592$1.18$861RunPod (新しいタブで開きます)2x A40
52 × A100 40GBAmpere · HBM2$0.612$1.22$890Vast.ai (新しいタブで開きます)2x A100 SXM4 (median of 8 offers)
62 × RTX A6000 48GBAmpere · GDDR6$0.692$1.38$1,007RunPod (新しいタブで開きます)2x RTX A6000
71 × H100 80GBHopper · HBM3$1.391$1.39$1,015Lium (新しいタブで開きます)1x H100 80GB HBM3
82 × L40S 48GBAda Lovelace · GDDR6$0.802$1.60$1,169Vast.ai (新しいタブで開きます)2x L40S (median of 6 offers)
91 × GH200 96GBHopper · HBM3$1.991$1.99$1,453Vultr (新しいタブで開きます)vbm-72c-480gb-gh200-gpu (bare metal)
102 × RTX 6000 Ada 48GBAda Lovelace · GDDR6$1.092$2.18$1,591RunPod (新しいタブで開きます)2x RTX 6000 Ada
114 × RTX 4090 24GBAda Lovelace · GDDR6X$0.584$2.32$1,696Vast.ai (新しいタブで開きます)4x RTX 4090 (median of 12 offers)
121 × MI300X 192GBCDNA 3 · HBM3$2.391$2.39$1,745RunPod (新しいタブで開きます)1x MI300X
134 × L4 24GBAda Lovelace · GDDR6$0.694$2.76$2,015RunPod (新しいタブで開きます)4x L4
141 × H200 141GBHopper · HBM3e$2.901$2.90$2,117Lium (新しいタブで開きます)1x H200 NVL
151 × H100 NVL 94GBHopper · HBM3$3.191$3.19$2,329RunPod (新しいタブで開きます)1x H100 NVL
163 × RTX 5090 32GBBlackwell · GDDR7$0.8034台単位での提供。必要なのは3台$3.20$2,338Vast.ai (新しいタブで開きます)4x RTX 5090 (median of 35 offers)
171 × B200 180GBBlackwell · HBM3e$5.601$5.60$4,088Lium (新しいタブで開きます)1x B200
184 × A10 24GBAmpere · GDDR6$1.424$5.67$4,141AWS (新しいタブで開きます)g5.12xlarge
195 × V100 16GBVolta · HBM2$0.7958台単位での提供。必要なのは5台$6.32$4,614Lambda (新しいタブで開きます)8x Tesla V100
205 × T4 16GBTuring · GDDR6$0.9858台単位での提供。必要なのは5台$7.82$5,712AWS (新しいタブで開きます)g4dn.metal
211 × B300 288GBBlackwell Ultra · HBM3e$8.001$8.00$5,840Lium (新しいタブで開きます)1x B300 SXM6
221 × GB200 186GBBlackwell · HBM3e$10.5014台単位での提供。必要なのは1台$42.00$30,660CoreWeave (新しいタブで開きます)GB200 NVL72
クラウド別の費用プロバイダーごとの収まる最安プラン。概算、価格は2026年11月16日時点。
プロバイダーインスタンスGPU 1台 / 時間必要な台数合計 / 時間合計 / 月(24時間稼働)
RunPod (新しいタブで開きます)最安1x RTX PRO 6000 MaxQus$0.501 × RTX PRO 6000 96GB 約$0.50約$365
Vast.ai (新しいタブで開きます)4x RTX 3090 (median of 9 offers)世界中のマーケットプレイス$0.244 × RTX 3090 24GB 約$0.96約$702
Lium (新しいタブで開きます)1x RTX PRO 6000 Blackwell Server Edition世界中のマーケットプレイス$1.191 × RTX PRO 6000 96GB 約$1.19約$869
Nebius (新しいタブで開きます)1x RTX PRO 6000 96GBeu/us$1.801 × RTX PRO 6000 96GB 約$1.80約$1,314
Vultr (新しいタブで開きます)vbm-72c-480gb-gh200-gpu (bare metal)us$1.991 × GH200 96GB 約$1.99約$1,453
Lambda (新しいタブで開きます)2x A6000us$1.092 × RTX A6000 48GB 約$2.18約$1,591
AWS (新しいタブで開きます)g7e.2xlargeus-east-1$3.361 × RTX PRO 6000 96GB 約$3.36約$2,455
Azure (新しいタブで開きます)NC24ads_A100_v4eastus$3.671 × A100 80GB 約$3.67約$2,681
Google Cloud (新しいタブで開きます)g2-standard-48us-central1$1.004 × L4 24GB 約$4.00約$2,921
CoreWeave (新しいタブで開きます)GH200us$6.501 × GH200 96GB 約$6.50約$4,745

価格は2026年11月16日時点。費用はすべて概算です(オンデマンド、米ドル、主に米国リージョン。Vast.aiやLiumなどのマーケットプレイスは世界全体)。

精度と用途ごとのメモリ

コンテキスト8Kトークン、同時リクエスト1件の場合。LoRAとフルファインチューニングは16ビットの重み、QLoRAは4ビットの重みから始めるため、それ以外の欄は空欄です。
精度推論LoRAファインチューニングQLoRAファインチューニングフルファインチューニング
FP16 / BF1672 GB90 GB–560 GB
INT839 GB–––
INT421 GB–39 GB–

精度別の最安GPU

8Kコンテキスト、同時リクエスト1件での推論。

FP16 / BF16

約72 GB · 8Kトークン

公開されたままの重み。劣化はありませんが、メモリは最も多く使います。

1 × RTX PRO 6000 96GB

RunPod (新しいタブで開きます) · 1x RTX PRO 6000 MaxQ

GPU 1台 / 時間
$0.50
必要な台数
1
合計 / 時間
約$0.50
月額(24時間稼働、概算)
$365

INT8

約39 GB · 8Kトークン

重みは半分の大きさ。チャットやRAGではほとんど差が出ません。

1 × RTX A6000 48GB

Lium (新しいタブで開きます) · 1x RTX A6000

GPU 1台 / 時間
$0.42
必要な台数
1
合計 / 時間
約$0.42
月額(24時間稼働、概算)
$307

INT4

約21 GB · 8Kトークン

重みは4分の1の大きさ。小さな劣化はまず数学やコードに表れます。

1 × RTX 3090 24GB

Lium (新しいタブで開きます) · 1x RTX 3090 Ti

GPU 1台 / 時間
$0.16
必要な台数
1
合計 / 時間
約$0.16
月額(24時間稼働、概算)
$117

推論とファインチューニング

  • 推論 (FP16)

    1×

    (推論時のメモリ比)

    72 GB

    1 × RTX PRO 6000 96GB · 約$0.50

  • LoRAファインチューニング

    1.2×

    (推論時のメモリ比)

    90 GB

    3 × A40 48GB · 約$2.36

  • QLoRAファインチューニング

    0.5×

    (推論時のメモリ比)

    39 GB

    1 × RTX A6000 48GB · 約$0.42

  • フルファインチューニング

    7.8×

    (推論時のメモリ比)

    560 GB

    4 × MI300X 192GB · 約$9.56

FP16での推論は1 × RTX PRO 6000 96GB (RunPod)で足ります。LoRAは3 × A40 48GB (RunPod)、QLoRAは1 × RTX A6000 48GB (Lium)、フルファインチューニングは4 × MI300X 192GB (RunPod)が必要です。学習では重みに加えてアクティベーションとオプティマイザーの状態もメモリに置くため、同じモデルの推論より多くのGPUが要ることがよくあります。

MacやRTX 4090 1枚で動くか

RTX 4090(24GB)

はい。INT4、8Kコンテキストなら約21 GBで、カードの24GBに収まります。

Appleシリコン搭載Mac

はい、メモリが十分にあれば動きます。INT4で約21 GB必要なので、ユニファイドメモリ32GB以上のMacが目安です(macOSはその約4分の3をGPUに割り当てます)。生成速度はデータセンター向けGPUより遅くなります。

似たモデル

規模が近いオープンモデル。

別のモデルを計算する

OTel 2.0 LLM 31B IT QLoRA:よくある質問

OTel 2.0 LLM 31B IT QLoRAに必要なVRAMは?

8Kコンテキスト、同時リクエスト1件で、FP16は約72 GB、INT8は約39 GB、INT4は約21 GBです。コンテキストを長くしたり同時リクエストを増やしたりすると、その分KVキャッシュが増えます。

OTel 2.0 LLM 31B IT QLoRAを動かす最安のGPUは?

RunPodの1 × RTX PRO 6000 96GB (約$0.50 GPU 1台・1時間あたり)で、FP16 / BF16・8Kコンテキストの推論なら1時間あたり約$0.50です。価格は2026年11月16日時点で、頻繁に変わります。

OTel 2.0 LLM 31B IT QLoRAはGPU 1枚でファインチューニングできる?

はい、QLoRAなら可能です。約39 GBで、80GBのGPU 1枚に収まります。LoRAは約90 GB、フルファインチューニングは約560 GB必要です。

この数値はどう計算している?

重みはパラメータ数×1パラメータあたりのバイト数(FP16は2、INT8は1、INT4は0.5)です。KVキャッシュはモデルの層数、KVヘッド数、ヘッドサイズ、コンテキスト長から求めます。ランタイム用に約10%と1GBを加え、各GPUのメモリの90%まで使う前提です。価格は各プロバイダーの公開価格ページから集めた、米国リージョンのオンデマンド定価です。

OTel 2.0 LLM 31B IT QLoRAはRTX 4090のような一般向けGPUで動く?

はい。INT4、8Kコンテキストなら約21 GBで、カードの24GBに収まります。

OTel 2.0 LLM 31B IT QLoRAはH100 80GB 1枚に収まる?

はい、8KコンテキストならFP16 / BF16, INT8, INT4で収まります。

OTel 2.0 LLM 31B IT QLoRAにはGPUが何台必要?

FP16、8Kコンテキストの場合、80GBなら1台、48GBなら2台、24GBなら4台です。INT4なら重みのメモリはおよそ4分の1になります。

INT8のOTel 2.0 LLM 31B IT QLoRAに必要なVRAMは?

約39 GBです。内訳は重み33 GB、8KのKVキャッシュ1.8 GB、ランタイムのオーバーヘッド4.5 GBです。

OTel 2.0 LLM 31B IT QLoRAを1か月24時間動かすといくら?

私たちが見つけた最安の構成(1 × RTX PRO 6000 96GB (約$0.50 GPU 1台・1時間あたり)、1時間$0.50×730時間)で約$365です。AWS、Google Cloud、Azureの最安は月約$2,455です。

FP16、INT8、INT4のどれを使うべき?

FP16は品質を保ったまま使えますが、メモリは最も多く必要です(ここでは約72 GB)。INT8は重みが半分になり、多くのチャット用途では品質の低下はわずかです。INT4(AWQ、GPTQ、GGUF Q4)は重みが4分の1になり、合計約21 GBですが、数学やコードで目立つ程度の小さな品質低下があります。

OTel 2.0 LLM 31B IT QLoRAはMacで動く?

はい、メモリが十分にあれば動きます。INT4で約21 GB必要なので、ユニファイドメモリ32GB以上のMacが目安です(macOSはその約4分の3をGPUに割り当てます)。生成速度はデータセンター向けGPUより遅くなります。

vLLMとllama.cppのどちら?

vLLMはNVIDIAやAMDのGPUで多数のリクエストを同時に処理するためのもので、GPUメモリの大半をKVキャッシュに確保します。llama.cppはGGUFファイルをMacやCPUを含むほぼあらゆる環境で動かせ、個人や小さなチームに向いています。同じ精度なら必要なメモリはほぼ同じです。

価格は2026年11月16日時点。費用はすべて概算です(オンデマンド、米ドル、主に米国リージョン。Vast.aiやLiumなどのマーケットプレイスは世界全体)。

計算方法

  • 重み: パラメータ数×1パラメータあたりのバイト数。FP16は2、INT8は1、INT4は0.5で、INT8とINT4には量子化スケール分として約5%を加えます。
  • KVキャッシュ: 2×層数×KVヘッド数×ヘッドサイズ×コンテキスト長×リクエスト数×2バイト。値はモデルのconfig.jsonから取ります。欠けている値は推定し、その旨を表示します。
  • オーバーヘッド: 約10%に加えてランタイム用に1GB。vLLMが確保する量とほぼ同じです。
  • ファインチューニング: LoRAは16ビットの重みに小さなアダプター、そのオプティマイザー、アクティベーションを加えます。QLoRAは4ビットの重みで同じことをします。フルファインチューニングは混合精度のAdamで1パラメータあたり約16バイト(重み、勾配、オプティマイザーの状態)にアクティベーションが加わります。
  • GPU: 各GPUのメモリの90%まで使う前提で、1ノード8台までとします。費用は米国リージョンのオンデマンド定価で、マーケットプレイス型のクラウドは中央値です。