StudioTV LLM VRAM Calculator

com.studiotvai由 studiotvai.com 发布官方发布者v1.0.0更新于 Oct 26, 2026

Does an LLM fit on your GPU? VRAM, KV cache and GPU count for any Hugging Face model.

已验证Streamable HTTP可网页运行云端与基础设施AI 与机器学习

概览

AI 生成的概览

估算运行开源大模型所需的显存、GPU 数量、速度与租用成本，并列出在指定 GPU 上能装下的模型。

可以做什么
  • 估算模型在指定 GPU 上的显存、GPU 数量、速度与租用成本
  • 支持服务方列出的开源模型，也支持任意 Hugging Face 模型 ID 或链接
  • 列出在给定 GPU 上能装下的所有已收录模型，按大小排序并给出可用的最高保真权重格式
  • 比较主流云厂商与 GPU 租赁平台的最低按需每小时价格
适用场景
适合在自建或租用 GPU 部署开源大模型前，快速评估显存占用、能否装下以及大致成本，再决定硬件或供应商。
运行要求
位于 studiotvai.com 的远程 MCP 端点，使用 streamable HTTP；未声明认证、环境变量或请求头。需要能访问该端点的网络。
安装前请注意
估算结果与价格为参考值，可能与实际吞吐或账单不符，租用 GPU 前应自行核实。模型覆盖范围取决于服务方收录列表及 Hugging Face 模型 ID。

安装

在 SourceWeft 中

  1. 打开 控制台中的 StudioTV LLM VRAM Calculator，将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

Web executable，通过 Streamable HTTP。 远程服务在工作区中配置后即可从网页运行时运行。

交给智能体安装

把这段提示词粘贴到 Claude Code、Codex、Cursor 等智能体，或 SourceWeft 对话中。智能体会读取该服务器的安装指南，先向你展示发布者、端点和登录方式，经你同意后再把它添加到你的客户端。密钥不会写进任何命令。

阅读 https://sourceweft.com/mcp/com.studiotvai%2Fllm-vram/install.md，并按其中说明把这个 MCP 服务器接入我的客户端。修改任何配置之前，先告诉我它的发布者、端点和登录方式，等我确认。不要把 API 密钥写进命令或我会提交的文件；问我密钥应从哪里获取。

查看智能体所依据的安装指南

其他 MCP 客户端

把它添加到你客户端的 mcpServers 配置中。

{
  "mcpServers": {
    "studiotv-llm-vram-calculator": {
      "type": "http",
      "url": "https://studiotvai.com/api/mcp"
    }
  }
}

工具

3

estimate_vram

Does this LLM fit on this GPU?

GPU memory, number of GPUs, speed and rental cost to run an open LLM. Works for the models listed at https://studiotvai.com/api/models.json and any Hugging Face model id or link. Uses the real KV cache of each architecture (sliding window, hybrid linear attention, MLA).

输入参数gpumodel必填enginecontextweightskv_cachegpu_countconcurrent_requests

models_that_fit

Which LLMs fit on this GPU?

Every listed open model that fits on the given GPU(s), largest first, with the most faithful weight format that fits.

输入参数gpu必填enginecontextweightskv_cachegpu_countconcurrent_requests

gpu_prices

GPU rental prices

Cheapest on-demand price per GPU-hour from AWS, Google Cloud, Azure, RunPod, Vast.ai, Oracle Cloud, OVHcloud, Scaleway, Verda, Akash and UpCloud, checked every hour.

输入参数gpu

版本历史

1
  1. v1.0.0最新Oct 10, 2026

评分

已满足适用检查项的 83%

该评分衡量此收录条目的完整程度，依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价，也不表示服务器安全或当前可用：可连通性是带日期的检查结果，评分也不包含安装量或用户评价。

  • 近 30 天内可连通必需25 分
  • 已声明认证方式必需10 分
  • 已列出工具必需15 分
  • 描述必需15 分
  • 图标10 分
  • 文档15 分

    请声明包含 README 的 GitHub 仓库，或在 OAuth 受保护资源元数据中提供 resource_documentation。

  • 许可证不适用

    托管服务按其提供方的条款使用，因此这里不要求许可证。此检查项不计入百分比。