CodeLlama 34B: hardware e adequação ao negócio
- Code
O maior CodeLlama, adequado para revisão e refatoração. As coders abertas mais recentes da classe de 32B geralmente superam-no agora; incluído para completude da família.
- Parâmetros
- ~34B
- Contexto
- ~16K tokens
- Implantação
- hybrid
- VRAM a 4 bits
- ~21GB
Para que serve o CodeLlama 34B
- ▸Revisão e refatoração de código
- ▸Assistência com conhecimento do repositório
- ▸Ajuda na migração
Melhores opções de quantização
Memória aproximada por quantização (pesos + cache KV com contexto moderado). Trate como ±.
| Quant. | ~Memória | Quando usar |
|---|---|---|
| Q4_K_M | ~21GB | Melhor equilíbrio tamanho/qualidade — a opção padrão habitual para servir localmente. |
| Q8_0 | ~37GB | Maior fidelidade; ~1,7× a memória de 4 bits. |
| FP16 | ~68GB | Precisão completa; maior pegada, melhor qualidade. |
Executar o CodeLlama 34B localmente
Descarregue e execute com Ollama, ou obtenha os pesos no Hugging Face.
$ ollama run codellama:34bmeta-llama/CodeLlama-34b-Instruct-hfHardware compatível
Dispositivos do nosso catálogo avaliados para o CodeLlama 34B, primeiro os que melhor se adequam.
- Supermicro 8x H100 SuperServerSupermicro · AI Servers
Cabe em FP16 (~68GB) com ~495.2GB de margem — cerca de 8 instâncias em simultâneo.
FP16 · ~68GBCorre bem - Dell PowerEdge XE9680Dell · AI Servers
Cabe em FP16 (~68GB) com ~495.2GB de margem — cerca de 8 instâncias em simultâneo.
FP16 · ~68GBCorre bem - AMD Instinct MI300XAMD · Datacenter GPUs
Cabe em FP16 (~68GB) com ~101GB de margem — cerca de 2 instâncias em simultâneo.
FP16 · ~68GBCorre bem - NVIDIA H200 (141GB)NVIDIA · Datacenter GPUs
Cabe em FP16 (~68GB) com ~56.1GB de margem — cerca de 1 instância em simultâneo.
FP16 · ~68GBCorre bem - Cloud H200 141GB (profile)Cloud · Cloud GPU Profiles
Cabe em FP16 (~68GB) com ~56.1GB de margem — cerca de 1 instância em simultâneo.
FP16 · ~68GBCorre bem - NVIDIA H100 (80GB)NVIDIA · Datacenter GPUs
Cabe em FP16 (~68GB) com ~2.4GB de margem — cerca de 1 instância em simultâneo.
FP16 · ~68GBCorre bem - Cloud H100 80GB (profile)Cloud · Cloud GPU Profiles
Cabe em FP16 (~68GB) com ~2.4GB de margem — cerca de 1 instância em simultâneo.
FP16 · ~68GBCorre bem - HP Z8 Fury G5 WorkstationHP · AI Workstations
Cabe em FP16 (~68GB) com ~16.5GB de margem — cerca de 1 instância em simultâneo.
FP16 · ~68GBCorre bem - Lenovo ThinkStation PX WorkstationLenovo · AI Workstations
Cabe em FP16 (~68GB) com ~16.5GB de margem — cerca de 1 instância em simultâneo.
FP16 · ~68GBCorre bem - Supermicro AI WorkstationSupermicro · AI Workstations
Cabe em FP16 (~68GB) com ~16.5GB de margem — cerca de 1 instância em simultâneo.
FP16 · ~68GBCorre bem
Use dentro do AI Business OS
CodeLlama 34B adequa-se a estes arquétipos de agente do AI Business OS:
Um modelo é apenas o motor. Dentro do AI Business OS é envolvido com permissões, ferramentas, conectores, RAG e auditoria para que possa fazer trabalho de negócio em segurança — veja como funciona o AI Business OS →
Perguntas frequentes
Que hardware preciso para executar o CodeLlama 34B?+
A 4 bits precisa de cerca de ~21GB de memória utilizável. A opção auto-alojável mínima no nosso catálogo é a NVIDIA GeForce RTX 3090. Para uma execução confortável recomendamos a Supermicro 8x H100 SuperServer.
Que quantização devo usar para o CodeLlama 34B?+
Q4_K_M é a opção padrão habitual — o melhor equilíbrio tamanho/qualidade. Passe para Q8_0 ou FP16 se tiver memória de sobra e quiser maior fidelidade.
Devo executar o CodeLlama 34B localmente ou na nuvem?+
Para o CodeLlama 34B recomenda-se híbrido. Execute-o localmente onde couber e expanda para a nuvem nos picos ou para tarefas maiores.
Outros tamanhos na família CodeLlama
Todos os modelos CodeLlama →Mesma família, tamanho diferente. Escolha a variante que se adapta ao seu hardware.
Modelos relacionados
Opções semelhantes — modelos da mesma família e de tamanho mais próximo do mesmo tipo.
Use o CodeLlama 34B dentro do seu AI Business OS
A BrainOutput ajuda-o a executar o CodeLlama 34B como um agente de negócio privado — envolvido com as ferramentas, conectores, RAG e salvaguardas de que precisa para fazer trabalho real em hardware que você controla.