Faire tourner DeepSeek V4 sur B200 SXM
DeepSeek V4 compte 1600 milliards de paramètres. B200 SXM offre 1 440 Go de mémoire HBM3e, 8 GPU. Cette page confronte les deux.
Quelle mémoire DeepSeek V4 demande-t-il ?
Les poids occupent le nombre de paramètres multiplié par la taille du format, plus une marge d’exécution de 15 % pour les activations et les tampons. En NVFP4, le calcul s’écrit : 1 600 milliards de paramètres × 0,5 octet (NVFP4) = 800,0 Go de poids ; × 1,15 de marge d’exécution = 920,0 Go. Le cache d’attention s’ajoute par-dessus : il croît avec la longueur du contexte et avec le nombre de requêtes simultanées, donc il se dimensionne au cas par cas.
| Format | Poids en mémoire | Sur cette machine | Ce que le format coûte |
|---|---|---|---|
| FP16 | 3 680 Go | ne tient pas | pleine précision, référence de qualité |
| FP8 | 1 840 Go | ne tient pas | perte négligeable sur la plupart des tâches |
| NVFP4 | 920 Go | tient | format Blackwell, calcul FP4 natif |
| Q4 | 1 104 Go | limite | quantification par blocs, large support |
Fiche du modèle : 1 600 milliards de paramètres, 49 milliards actifs par token, contexte de 1 048 576 tokens, licence MIT. Variante Pro, 1,6 billion annoncé ; le dépôt compte 1 599 milliards d’éléments, publiés en FP4 et FP8 mixtes (865 Go).
DeepSeek V4 active 49 milliards de paramètres par token sur 1600 au total. Ces paramètres actifs gouvernent la vitesse, pas l’empreinte : tous les experts restent chargés en mémoire. Confondre les deux conduit à sous-dimensionner la machine d’un ordre de grandeur.
Que reste-t-il pour servir des requêtes ?
DeepSeek V4 tient sur B200 SXM à condition de quantifier. En NVFP4, ses poids occupent environ 920 Go sur 1 440 Go. Les formats plus précis ne logent pas. La marge disponible décide du nombre de requêtes simultanées et de la longueur de contexte tenable. Par convention QDNA, une machine « tient » quand les poids occupent au plus 75 % de sa mémoire ; au-delà, elle « tient tout juste » et contraint à limiter le contexte ou la concurrence. Le cache d’attention n’est pas calculé sur cette page. Les architectures de ces modèles (attention latente compressée, linéaire ou creuse, couches Mamba) n’ont pas de formule commune par token ; il se mesure sur la machine, avec le contexte et la concurrence visés [À MESURER].
B200 SXM : prix sur devis. NVIDIA ne publie pas de tarif ; Aivres annonçait environ 340 000 $ HT pour un serveur HGX B200 (Arc Compute, mise à jour du 30 juillet 2026, signalée comme périmée par l’auteur). La machine vise le segment GE.
Où faire tourner DeepSeek V4 autrement ?
Voir aussi la fiche DeepSeek V4 et la fiche B200 SXM.
Quelle mémoire faut-il pour DeepSeek V4 ?
En NVFP4, les poids occupent environ 920 Go, marge d’exécution comprise. Le cache d’attention s’ajoute et dépend du contexte.
DeepSeek V4 tient-il sur B200 SXM ?
DeepSeek V4 tient sur B200 SXM à condition de quantifier. En NVFP4, ses poids occupent environ 920 Go sur 1 440 Go. Les formats plus précis ne logent pas.
Méthode et sources
L’empreinte est calculée, elle n’est pas mesurée : un relevé sur machine peut s’en écarter selon le moteur et le format exact des poids. Chaque valeur ci-dessous porte sa source et la date de son dernier contrôle.
- DeepSeek V4 : 1 600 milliards de paramètres, 49 milliards actifs, contexte de 1 048 576 tokens, licence MIT. Dépôt Hugging Face (config.json, API, carte), vérifié le 2 septembre 2026. Variante Pro, 1,6 billion annoncé ; le dépôt compte 1 599 milliards d’éléments, publiés en FP4 et FP8 mixtes (865 Go).
- B200 SXM : 1 440 Go de mémoire HBM3e, 8 GPU ; HGX B200, 8 GPU Blackwell, 1,4 To de mémoire totale, 144 PFLOPS FP4 avec sparsité (72 en dense), NVLink 1,8 To/s par GPU. Fiche constructeur vérifiée le 2 septembre 2026.
- Prix B200 SXM : sur devis. NVIDIA ne publie pas de tarif ; Aivres annonçait environ 340 000 $ HT pour un serveur HGX B200 (Arc Compute, mise à jour du 30 juillet 2026, signalée comme périmée par l’auteur).
- Octets par paramètre : FP16 2 (16 bits par paramètre, soit 2 octets) ; FP8 1 (8 bits par paramètre (E4M3), soit 1 octet, échelles par bloc non comptées) ; NVFP4 0,5 (4 bits par paramètre, soit 0,5 octet ; les poids publiés en 4 bits pèsent 0,54 à 0,56 octet par paramètre avec leurs échelles (DeepSeek V4 Pro 865 Go pour 1 599 milliards, Kimi K3 1 561 Go pour 2 780 milliards)) ; Q4 0,6 (entendu ici comme Q4_K_M de llama.cpp, 0,6 octet par paramètre échelles comprises ; Q4_K_S pèse 0,56, AWQ et GPTQ 0,55). Source : connaissance/faits.yaml, famille quantifications, vérifiée le 2026-08-31.
- Marge d’exécution × 1,15 : hypothèse d’exploitation QDNA, non mesurée : 15 % au-dessus des poids pour les activations, les tampons et la fragmentation.
- Seuil « tient » à 75 % de la mémoire : hypothèse QDNA, non mesurée, qui réserve le quart restant au cache d’attention et à la concurrence.