Qwen2-7B-Instruct

русскоязычная

Qwen2-7B представляет собой полнофункциональную языковую модель с 7 миллиардами параметров, разработанную для обеспечения высокой производительности в широком спектре задач. Модель содержит 28 слоев, использует 28 голов внимания всего и 4 головы на ключ-значение, что обеспечивает оптимальный баланс между производительностью и эффективностью памяти. Архитектура включает все современные улучшения, включая Grouped Query Attention, Dual Chunk Attention с YARN, и оптимизированные механизмы позиционного кодирования RoPE.

Модель обучена на том же высококачественном датасете объемом 7 триллионов токенов, что и более крупные варианты серии. Это обеспечивает качество ответов модели в различных областях знания и позволяет демонстрировать конкурентные результаты на стандартных бенчмарках. При этом модель поддерживает расширенное контекстное окно 128K и демонстрирует превосходные многоязычные способности.

Qwen2-7B отличается возможностью эффективно работать на GPU среднего класса, делая передовые AI-возможности доступными для более широкого круга пользователей и организаций. Модель подходит для создания приложений, анализ больших документов, исследовательских и образовательных целей, а также служит отличной основой для дообучения под специфические задачи и домены, предлагая хороший компромисс между возможностями и требованиями к ресурсам.


Дата анонса: 24.07.2024
Параметров: 7B
Контекст: 33K
Слоев: 28
Тип внимания: Full Attention
Разработчик: Qwen
Версия Transformers: 4.41.2
Лицензия: Apache 2.0

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Qwen2-7B-Instruct. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.
Наименование модели Контекст Тип GPU Статус Ссылка
Для данной модели пока нет публичных эндпоинтов.

Частный сервер

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

  • получить максимальную производительность эндпоинта,
  • получить полный контекст для обработки больших запросов и диалогов,
  • обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
  • использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Рекомендуемые конфигурации сервера для хостинга Qwen2-7B-Instruct

Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslat4-1.16.16.160
32 768
 1 29,33 ₽ 3,91 Запустить
rtx2080ti-1.10.16.500
32 768
 1 34,23 ₽ 1,80 Запустить
teslaa2-1.16.32.160
32 768
 1 33,74 ₽ 3,93 Запустить
teslaa10-1.16.32.160
32 768
 1 46,94 ₽ 8,08 Запустить
rtx3080-1.16.32.160
32 768
 1 51,34 ₽ 1,30 Запустить
rtx3090-1.16.24.160
32 768
 1 73,73 ₽ 8,64 Запустить
rtx4090-1.16.32.160
32 768
 1 91,14 ₽ 8,62 Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 2 109,77 ₽ 18,02 Запустить
rtx5090-1.16.64.160
32 768
 1 141,77 ₽ 12,73 Запустить
teslaa100-1.16.64.160
32 768
 1 211,77 ₽ 37,91 Запустить
h100-1.16.64.160
32 768
 1 341,77 ₽ 37,88 Запустить
h100nvl-1.16.96.160
32 768
 1 367,41 ₽ 45,19 Запустить
teslaa100-2.24.96.160.nvlink
32 768
tensor
 2 411,81 ₽ 77,69 Запустить
h200-1.16.128.160
32 768
 1 423,04 ₽ 69,75 Запустить
h200-2.24.256.160.nvlink
32 768
tensor
 2 839,97 ₽ 141,36 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslat4-1.16.16.160
32 768
 1 29,33 ₽ 2,04 Запустить
teslaa2-1.16.32.160
32 768
 1 33,74 ₽ 2,06 Запустить
teslaa10-1.16.32.160
32 768
 1 46,94 ₽ 6,22 Запустить
rtx2080ti-2.12.64.160
32 768
tensor
 2 61,37 ₽ 3,61 Запустить
rtx3090-1.16.24.160
32 768
 1 73,73 ₽ 6,77 Запустить
rtx3080-2.16.32.160
32 768
tensor
 2 86,54 ₽ 2,61 Запустить
rtx4090-1.16.32.160
32 768
 1 91,14 ₽ 6,75 Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 2 109,77 ₽ 16,16 Запустить
rtx5090-1.16.64.160
32 768
 1 141,77 ₽ 10,87 Запустить
teslaa100-1.16.64.160
32 768
 1 211,77 ₽ 36,05 Запустить
h100-1.16.64.160
32 768
 1 341,77 ₽ 36,02 Запустить
h100nvl-1.16.96.160
32 768
 1 367,41 ₽ 43,33 Запустить
teslaa100-2.24.96.160.nvlink
32 768
tensor
 2 411,81 ₽ 75,83 Запустить
h200-1.16.128.160
32 768
 1 423,04 ₽ 67,88 Запустить
h200-2.24.256.160.nvlink
32 768
tensor
 2 839,97 ₽ 139,49 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslaa10-1.16.32.160
32 768
 1 46,94 ₽ 1,84 Запустить
teslat4-2.16.32.160
32 768
tensor
 2 48,14 ₽ 3,43 Запустить
teslaa2-2.16.32.160
32 768
tensor
 2 51,34 ₽ 3,47 Запустить
rtx3090-1.16.24.160
32 768
 1 73,73 ₽ 2,39 Запустить
rtx2080ti-3.12.24.120
32 768
pipeline
 3 74,84 ₽ 2,31 Запустить
rtx4090-1.16.32.160
32 768
 1 91,14 ₽ 2,37 Запустить
rtx2080ti-4.16.32.160
32 768
tensor
 4 99,74 ₽ 6,56 Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 2 109,77 ₽ 11,78 Запустить
rtx5090-1.16.64.160
32 768
 1 141,77 ₽ 6,49 Запустить
rtx3080-4.16.64.160
32 768
tensor
 4 162,57 ₽ 4,56 Запустить
teslaa100-1.16.64.160
32 768
 1 211,77 ₽ 31,67 Запустить
h100-1.16.64.160
32 768
 1 341,77 ₽ 31,63 Запустить
h100nvl-1.16.96.160
32 768
 1 367,41 ₽ 38,95 Запустить
teslaa100-2.24.96.160.nvlink
32 768
tensor
 2 411,81 ₽ 71,45 Запустить
h200-1.16.128.160
32 768
 1 423,04 ₽ 63,50 Запустить
h200-2.24.256.160.nvlink
32 768
tensor
 2 839,97 ₽ 135,11 Запустить

Связанные модели

QwQ-32B
Qwen2-0.5B-Instruct
Qwen2-1.5B-Instruct
Qwen2-72B-Instruct
Qwen2.5-0.5B-Instruct
Qwen2.5-1.5B-Instruct
Qwen2.5-3B-Instruct
Qwen2.5-7B-Instruct
Qwen2.5-14B-Instruct
Qwen2.5-32B-Instruct
Qwen2.5-72B-Instruct
Qwen2-57B-A14B-Instruct
DeepSeek-R1-Distill-Qwen-32B
DeepSeek-R1-Distill-Qwen-1.5B
Qwen2.5-VL-3B-Instruct
Qwen2.5-VL-7B-Instruct
Qwen2.5-7B-Instruct-1M
avision

Остались вопросы?

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.