Qwen2.5-14B-Instruct

русскоязычная

Qwen2.5-14B включает 14 миллиардов параметров, 48 слоев и архитектуру 40/8 голов внимания, представляя существенное увеличение вычислительной мощности и сложности по сравнению с 7B версией. Модель поддерживает контекст до 128K токенов с генерацией до 8K токенов, что позволяет обрабатывать очень объемные документы и выполнять комплексные многоэтапные задачи. 

Уникальность Qwen2.5-14B заключается в возвращении этого размера в серию после его отсутствия в Qwen2, что заполняет важный пробел между 7B и более крупными моделями. Этот размер особенно ценен для организаций, которым нужна высокая производительность без существенных затрат на модели уровня 32B или 72B. Модель демонстрирует значительные улучшения в области экспертных знаний, сложного рассуждения и способности работать с многодоменными задачами одновременно.

Qwen2.5-14B идеально подходит для корпоративных приложений среднего и крупного масштаба, где требуется высокое качество обработки при разумных затратах на инфраструктуру. Модель превосходно работает в системах управления знаниями, комплексной аналитике и может быть использована как основа для создания отраслевых ИИ-решений.


Дата анонса: 16.09.2024
Параметров: 14B
Контекст: 33K
Слоев: 48
Тип внимания: Full Attention
Разработчик: Qwen
Версия Transformers: 4.43.1
Лицензия: Apache 2.0

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с Qwen2.5-14B-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 Qwen2.5-14B-Instruct

Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslaa2-2.16.32.160
32 768
tensor
 2 51,34 ₽ 2,42 Запустить
rtx2080ti-3.12.24.120
32 768
pipeline
 3 74,84 ₽ 2,15 Запустить
teslat4-3.32.64.200
32 768
pipeline
 3 78,95 ₽ 4,40 Запустить
rtx2080ti-4.16.32.160
32 768
tensor
 4 99,74 ₽ 3,38 Запустить
rtx4090-1.32.64.160
32 768
 1 105,57 ₽ 1,63 Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 2 109,77 ₽ 4,82 Запустить
teslat4-4.48.192.320
32 768
tensor
 4 127,45 ₽ 6,38 Запустить
rtx3080-3.16.96.160
32 768
pipeline
 3 133,01 ₽ 1,70 Запустить
rtx5090-1.32.64.160
32 768
 1 150,57 ₽ 2,83 Запустить
teslaa10-4.16.128.160
32 768
tensor
 4 156,24 ₽ 11,18 Запустить
rtx3080-4.16.96.160
32 768
tensor
 4 168,21 ₽ 2,78 Запустить
teslaa100-1.16.64.160
32 768
 1 211,77 ₽ 10,03 Запустить
rtx3090-4.16.128.160
32 768
tensor
 4 269,04 ₽ 11,18 Запустить
h100-1.16.64.160
32 768
 1 341,77 ₽ 10,03 Запустить
h100nvl-1.16.96.160
32 768
 1 367,41 ₽ 12,13 Запустить
teslaa100-2.24.256.160.nvlink
32 768
tensor
 2 439,97 ₽ 21,62 Запустить
h200-2.24.256.160.nvlink
32 768
tensor
 2 839,97 ₽ 39,92 Запустить
h200-4.32.768.480
32 768
tensor
 4 1 717,59 ₽ 81,38 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslaa2-2.16.32.160
32 768
tensor
 2 51,34 ₽ 1,79 Запустить
rtx2080ti-3.12.24.120
32 768
pipeline
 3 74,84 ₽ 1,53 Запустить
teslat4-3.32.64.200
32 768
pipeline
 3 78,95 ₽ 3,78 Запустить
rtx2080ti-4.16.32.160
32 768
tensor
 4 99,74 ₽ 2,76 Запустить
rtx4090-1.32.64.160
32 768
 1 105,57 ₽ 1,01 Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 2 109,77 ₽ 4,19 Запустить
teslat4-4.48.192.320
32 768
tensor
 4 127,45 ₽ 5,76 Запустить
rtx3080-3.16.96.160
32 768
pipeline
 3 133,01 ₽ 1,08 Запустить
rtx5090-1.32.64.160
32 768
 1 150,57 ₽ 2,21 Запустить
teslaa10-4.16.128.160
32 768
tensor
 4 156,24 ₽ 10,56 Запустить
rtx3080-4.16.96.160
32 768
tensor
 4 168,21 ₽ 2,16 Запустить
teslaa100-1.16.64.160
32 768
 1 211,77 ₽ 9,41 Запустить
rtx3090-4.16.128.160
32 768
tensor
 4 269,04 ₽ 10,56 Запустить
h100-1.16.64.160
32 768
 1 341,77 ₽ 9,41 Запустить
h100nvl-1.16.96.160
32 768
 1 367,41 ₽ 11,51 Запустить
teslaa100-2.24.256.160.nvlink
32 768
tensor
 2 439,97 ₽ 20,99 Запустить
h200-2.24.256.160.nvlink
32 768
tensor
 2 839,97 ₽ 39,29 Запустить
h200-4.32.768.480
32 768
tensor
 4 1 717,59 ₽ 80,76 Запустить
Цены:
Наименование GPU Цена, час TPS Параллельность (макс.)
teslat4-3.32.64.200
32 768
pipeline
 3 78,95 ₽ 1,02 Запустить
rtxa5000-2.16.64.160.nvlink
32 768
tensor
 2 109,77 ₽ 1,44 Запустить
teslaa2-4.32.128.480
32 768
tensor
 4 115,35 ₽ 3,00 Запустить
teslaa2-3.32.256.160
32 768
pipeline
 3 117,17 ₽ 1,02 Запустить
teslat4-4.48.192.320
32 768
tensor
 4 127,45 ₽ 3,00 Запустить
teslaa10-4.16.128.160
32 768
tensor
 4 156,24 ₽ 7,80 Запустить
rtx4090-2.16.64.160
32 768
tensor
 2 171,77 ₽ 1,44 Запустить
teslaa100-1.16.64.160
32 768
 1 211,77 ₽ 6,65 Запустить
rtx5090-2.16.64.160
32 768
tensor
 2 261,77 ₽ 3,84 Запустить
rtx3090-4.16.128.160
32 768
tensor
 4 269,04 ₽ 7,80 Запустить
h100-1.16.64.160
32 768
 1 341,77 ₽ 6,65 Запустить
h100nvl-1.16.96.160
32 768
 1 367,41 ₽ 8,75 Запустить
teslaa100-2.24.256.160.nvlink
32 768
tensor
 2 439,97 ₽ 18,24 Запустить
h200-2.24.256.160.nvlink
32 768
tensor
 2 839,97 ₽ 36,54 Запустить
h200-4.32.768.480
32 768
tensor
 4 1 717,59 ₽ 78,00 Запустить

Связанные модели

QwQ-32B
Qwen2-0.5B-Instruct
Qwen2-1.5B-Instruct
Qwen2-7B-Instruct
Qwen2-72B-Instruct
Qwen2.5-0.5B-Instruct
Qwen2.5-1.5B-Instruct
Qwen2.5-3B-Instruct
Qwen2.5-7B-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.