QDNAConseil et architecture de plateformes d'inférence et d'entraînement de LLM, en local ou hybride

Faire tourner DeepSeek V4 sur Serveur H200 SXM

DeepSeek V4 compte 1600 milliards de paramètres. Serveur H200 SXM offre 1 128 Go de mémoire HBM3e, 8 GPU. Cette page confronte les deux.

Par QDNA · Publié le · Mis à jour le

Réponse courte. DeepSeek V4 tient tout juste sur Serveur H200 SXM. En NVFP4, ses poids occupent environ 920 Go pour 1 128 Go disponibles. La marge de 208 Go se consomme vite dès que le contexte s’allonge.

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.

FormatPoids en mémoireSur cette machineCe que le format coûte
FP163 680 Gone tient paspleine précision, référence de qualité
FP81 840 Gone tient pasperte négligeable sur la plupart des tâches
NVFP4920 Golimiteformat Blackwell, calcul FP4 natif
Q41 104 Golimitequantification 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 tout juste sur Serveur H200 SXM. En NVFP4, ses poids occupent environ 920 Go pour 1 128 Go disponibles. La marge de 208 Go se consomme vite dès que le contexte s’allonge. 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].

Serveur H200 SXM : prix indicatif environ 453 k€ HT, non contractuel. Source : serveur 8 GPU H200 141 Go et deux Xeon Gold 6538Y+ affiché 387 785 £ chez CTO Servers le 2 septembre 2026, converti au taux BCE de 0,857 £ pour 1 €. La machine vise le segment GE.

Où faire tourner DeepSeek V4 autrement ?

Voir aussi la fiche DeepSeek V4 et la fiche Serveur H200 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 Serveur H200 SXM ?

DeepSeek V4 tient tout juste sur Serveur H200 SXM. En NVFP4, ses poids occupent environ 920 Go pour 1 128 Go disponibles. La marge de 208 Go se consomme vite dès que le contexte s’allonge.

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.