算力租赁平台模型下载要多久，数据盘装不下怎么办
租第一台GPU实例时，多数团队会把注意力放在显卡型号和单价上。真正卡住第一次运行的是另外两件事：模型权重传不传得进去，传进去之后放不放得下。
以官网在架的容器实例为例，全系标注的公网带宽是1000Mb共享。数据盘从50G到500G不等，部分机型支持在创建时追加容量。这两项在配置单上只有一行字，却决定了你是十分钟开始跑，还是耗掉半天。
一、先把权重体积算出来
权重体积的算法不复杂：参数量乘以每个参数的字节数。fp16 是2字节，fp32 是4字节，int8 量化是1字节。
| 模型规模 | fp16 权重 | int8 量化 | 1000Mb 理论耗时 |
|---|---|---|---|
| 7B | 约 14GB | 约 7GB | 约 1.9 分钟 |
| 32B | 约 64GB | 约 32GB | 约 8.7 分钟 |
| 70B | 约 140GB | 约 70GB | 约 19.1 分钟 |
| 110B | 约 220GB | 约 110GB | 约 30 分钟 |
表里的耗时按1000Mb满速折算，即125MB/s。这只是理论值。共享带宽的实际可用速率取决于同一节点上其他租户的占用，高峰期打三折是常见情况。
按三折计算，70B的140GB权重需要约3823秒，也就是64分钟。按一折算，接近3.2小时。同一个模型，同一份配置，耗时能差出三倍以上。
二、数据盘容量是第二道关
权重下完要落盘。官网容器实例的数据盘配置有一个反直觉的规律：贵卡反而盘小。
4090 48G：500G，可放大模型
910B 64G：200G，可放 70B fp16 权重
4090 24G：100G，可放 32B fp16 权重
A800 80G、H100 80G、H200 141G、H800 80G、H20 96G：50G，放不下 32B fp16 权重
高端卡多用于集群训练与推理，数据集放在共享存储，本地盘只承载系统与临时文件。消费级卡面向单机场景，数据集就地存放。这个差异不是配置缩水，是定位不同。
按这个逻辑，用A800 80G下载一个32B模型会直接失败：权重64GB，本地数据盘50GB。即便改用int8量化压到32GB，留给数据集和日志的空间也所剩不多。
创建实例时数据盘可以追加容量，页面上有加号与容量输入框。但要注意两件事：追加的容量是否单独计费、扩容后的挂载路径是否变化。这两项在创建页并非都写明，下单前问一句能省掉返工。
三、三种把权重送进去的做法
权重从哪来，决定了耗时和成本。常见的有三种路径。
一是实例内直接下载。从公开模型仓库拉取，操作最简单，缺点是每次重建实例都要重下一遍，共享带宽的高峰期耗时不可控。适合一次性试验。
二是先上传到对象存储，再从内网拉取。权重只上传一次，之后每个实例从同一区域的对象存储读取，走内网通常比公网快且稳定。适合团队多人复用同一模型。
三是做成私有镜像。把运行环境和依赖打进镜像，权重单独挂载。镜像体积控制在合理范围，权重用共享存储挂载，可以兼顾启动速度与更新灵活性。私有镜像适合生产环境，依赖已锁定，版本可控。
第三种做法常被误解成把权重也打进镜像。权重打进镜像会让镜像膨胀到几十上百GB，每次拉取都要重复传输，预热收益被抵消。正确做法是镜像只管环境，数据走挂载。
如果体积实在压不下来，还可以考虑量化。70B模型用4bit量化后约35GB，比fp16小四分之三，下载时间与显存占用同步下降。代价是精度损失，代码生成、数学推理这类任务对量化更敏感，长文本摘要与分类任务通常可以接受。多数开源模型会同时提供原版与量化版，直接用发布方的版本，比自己转更稳妥。
另一个常被忽略的细节是分片。大模型权重通常按shard切成多个文件，70B常见4到8个分片。分片可以并行下载，但在共享带宽下总时长不变，只是把等待摊到了多个连接上。分片还有校验问题：缺一个文件，整个模型加载会失败，而且报错信息往往只提示找不到某个shard，不看日志很难定位。
镜像预热的作用是把镜像分层数据提前缓存到节点，缩短实例启动时间，它解决的是环境就绪速度，不解决权重传输。两者的优化对象不同，不能互相替代。需要查看当前机型的存储配置，可以参考算力市场机型明细。
四、下单前的四个核对
一是权重体积与数据盘余量。权重之外还要留出数据集、日志、检查点的空间。经验值是权重体积的两到三倍。
二是带宽形态。共享还是独享、峰值还是保底。共享带宽要按三折估算，独享按八成估算更稳妥。
三是量化方案。能不能接受int8或4bit量化，直接决定权重体积和所需显存。精度要求高的任务不建议为省时间牺牲量化等级。
四是重建成本。实例释放后数据盘是否保留、重建时要不要重下权重。这一条决定了短周期任务该不该用本地盘存权重。
常见问题
理论值19分钟，按满速125MB/s计算。共享带宽的实际速率受同节点其他租户影响，三折约64分钟，一折约3.2小时。建议按一小时以上预估，把首次启动时间算进项目排期。
能，但要改数据路径。把权重放在对象存储或共享存储，实例内通过挂载访问，本地盘只放系统和临时文件。这种做法的代价是每次读取要走网络，对随机读敏感的训练任务需要评估IO瓶颈。
不能。预热缓存的是镜像分层数据，缩短的是实例启动与依赖安装的时间。模型权重是运行数据，不在镜像层里。要加快权重加载，得靠对象存储内网拉取或共享存储挂载。
看任务长度。几小时的试验，选大容量本地盘最省事，4090 48G的500G足够放70B权重。持续多天的任务，权重放共享存储更划算，避免反复下载，也便于多实例复用同一份数据。
容器实例带宽、数据盘容量与机型配置：极智算（jygpu.com）官网算力市场，2026年10月19日采集。价格与配置随市场波动，以实际下单页面为准。
权重体积与耗时均为按参数量与带宽折算的估算值，非实测数据，实际受带宽占用率、模型结构、分片方式影响。
本文数据用于技术参考，不构成采购建议。
不同机型的数据盘从50G到500G不等，按模型体积与数据集规模筛选，可以避开装不下的返工。
查看机型存储与带宽配置