але що чудово в @PrimeIntellect, так це доступність спотових екземплярів - сьогодні я отримав вузол з 8xH200 всього за 8 доларів США за годину! Я покажу, як я швидко налаштував висновок moonshotai/Kimi-K2-Instruct за допомогою vllm 1. Отримавши SSH-доступ до вашого поду (зачекайте близько 10 хвилин), створіть свій проект і встановіть необхідні бібліотеки: apt update && apt install htop tmux UV INIT УВ Венв -П 3.12 джерело .venv/bin/activate експорт UV_TORCH_BACKEND=авто експортувати HF_HUB_ENABLE_HF_TRANSFER="1" uv pip install vllm blobfile набори даних huggingface_hub hf_transfer Після цього відкрийте сеанс tmux 2. Для початку хостингу vllm достатньо використовувати vllm serve: vllm serve moonshotai/Kimi-K2-Instruct --trust-remote-code --dtype bfloat16 --max-model-len 12000 --max-num-seqs 8 --quantization="fp8" --tensor_parallel_size 8 Фактичне завантаження КПП є складним завданням, оскільки навіть з hf_transfer це займе 1 годину (хтось знає швидше рішення або якось монтувати завантажену КПП?) 3. Потім на новій панелі tmux встановіть швидкий тунель cloudflare і запустіть його Встановіть CloudFlared Хмарний тунель --URL Ось, в принципі, і все! Сервер, сумісний з OpenAI, буде доступний за URL-адресою, наданою Cloudflare, у моєму випадку це так, і я просто використовую свою просту обгортку над клієнтом openai, щоб генерувати багато синтетичних даних через нього