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

Faire tourner GLM 5.2 sur DGX Station

GLM 5.2 compte 744 milliards de paramètres. DGX Station offre 748 Go de mémoire HBM3e et LPDDR5X. Cette page confronte les deux.

Par QDNA · Publié le · Mis à jour le

Réponse courte. GLM 5.2 tient sur DGX Station à condition de quantifier. En NVFP4, ses poids occupent environ 428 Go sur 748 Go. Les formats plus précis ne logent pas.

Quelle mémoire GLM 5.2 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 : 744 milliards de paramètres × 0,5 octet (NVFP4) = 372,0 Go de poids ; × 1,15 de marge d’exécution = 427,8 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
FP161 711 Gone tient paspleine précision, référence de qualité
FP8856 Gone tient pasperte négligeable sur la plupart des tâches
NVFP4428 Gotientformat Blackwell, calcul FP4 natif
Q4513 Gotientquantification par blocs, large support

Fiche du modèle : 744 milliards de paramètres, 40 milliards actifs par token, contexte de 1 048 576 tokens, licence MIT. 744 milliards annoncés par Z.AI ; le dépôt compte 753 milliards d’éléments de tenseurs en BF16 (1 507 Go).

GLM 5.2 active 40 milliards de paramètres par token sur 744 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 ?

GLM 5.2 tient sur DGX Station à condition de quantifier. En NVFP4, ses poids occupent environ 428 Go sur 748 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].

DGX Station : prix indicatif 93 000 à 110 500 € HT, non contractuel. Source : configurations Supermicro, MSI, Exxact, Gigabyte, HP et ASUS relevées par le revendeur pi3g le 27 août 2026, hors TVA et transport. La machine vise le segment PME.

Où faire tourner GLM 5.2 autrement ?

Voir aussi la fiche GLM 5.2 et la fiche DGX Station.

Quelle mémoire faut-il pour GLM 5.2 ?

En NVFP4, les poids occupent environ 428 Go, marge d’exécution comprise. Le cache d’attention s’ajoute et dépend du contexte.

GLM 5.2 tient-il sur DGX Station ?

GLM 5.2 tient sur DGX Station à condition de quantifier. En NVFP4, ses poids occupent environ 428 Go sur 748 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.